Documente Academic
Documente Profesional
Documente Cultură
GRUPA 1049
CUPRINS
1. PREZENTAREA DATELOR
n vederea realizrii prezentului proiect, ceea ce implic utilizarea pachetului de programe SPSS
pentru analiza componentelor principale i respectiv, pentru tehnicile de clasificare ierarhic, a fost
consultat pentru nceput site-ul Bursei de Valorii Bucureti Piaa RASDAQ ( http://www.rasd.ro/ ),
de unde s-a extras un numr de 25 de firme din industria mobilei (mai exact acele firme cu codul
CAEN: 3614 Producia altor tipuri de mobilier) tranzacionabile pe piaa RASDAQ, pentru care au
fost selectai 6 indicatori din situaiile finanicar-contabile disponibile pentru anul 2004.
Astfel pentru colectarea i prezentarea datelor sub forma unui tabel s-a procedat astfel:
1. http://www.rasd.ro/ - apoi din meniul din stnga se alege Societi listate Alte informai
Cutare dup CAEN, dup care se alege Diviziunea: D Produse ale industrie
prelucrtoare; Seciunea: 36 Producia de mobilier i alte activiti industriale n.c.a;
Grupa: 361 Producia de mobilier; Clasa: 3614 Producia altor tipuri de mobilier; i
apoi se face o sortare dup Stare, alegndu-se acele firme tranzacionabile.
2. Pentru fiecare firm despre care se dorete s se afle informaii financiar-contabile, se d click
pe Simbolul acesteia, dup care de la Infornaii Financiare gsim rubrica Raportri
financiare i se va selecta de aici indictori necesari efecturii analizei.
3. Dup care am sintetizat informaii despre cele 25 de firme i cei 6 indicatori financiar contabili
pentru anul 2004, n tabelul urmtor:
TABELUL NR. 1
COD FIRMA
F1
F2
F3
F4
F5
F6
F7
F8
F9
F10
F11
F12
F13
F14
F15
F16
F17
F18
F19
F20
F21
F22
F23
F24
F25
FIRMA
DUMBRAVA SA
ELBAC SA
FAMOS SA
FURNIMOB SA
ILEFOR SA
IMIX SA
LEMEXIM SA
MONTANA SA
METAL LEMN SA
MOBAR SA
MOBIRIS SA
MOBAM SA
MOBEX SA
MOBILEXTRA SA
MOBIHAR SA
MOBILA RAD SA
MOBICRASNA
MOBILA BAR SA
MOBICOR SA
MOV SA
SAMUS MEX SA
SIMEX SA
SAMOBIL SA
SPECIAL SA
VICTORIAMOB SA
CA
VT
VE
SAL
AI
AC
58.312.488
79.162.740
269.885.450
128.782.128
357.688.665
13.246.037
80.739.726
75.908.148
27.217.212
105.589.580
11.651.860
111.713.332
447.760.027
85.156.605
27.041.921
232.093.689
49.883.950
12.152.219
12.027.015
11.816.749
47.192.074
179.126.464
25.753.221
49.729.126
73.592.612
72.199.284
84.717.047
320.770.370
161.486.636
81.979.274
15.430.348
91.212.647
37.805.115
29.128.153
144.563.816
12.164.583
114.462.957
47.327.379
96.051.747
28.043.279
242.893.925
151.806.712
12.289.098
13.527.336
13.023.448
578.135.083
202.360.664
247.300.426
90.347.515
76.343.446
71.566.665
84.212.115
313.997.410
160.572.357
75.882.886
15.426.285
91.042.793
35.397.300
29.047.118
95.778.244
12.164.201
113.125.008
42.224.764
93.964.875
27.458.501
240.621.074
149.453.359
12.259.346
13.416.760
13.022.283
558.145.820
190.652.347
245.889.761
89.155.975
74.797.166
248
285
877
617
957
99
199
976
92
320
78
420
1.589
288
201
829
576
50
77
73
1.153
511
536
174
197
21.535.270
29.701.136
176.282.750
151.004.326
120.846.077
12.052.101
106.639.771
79.511.674
141.185.825
50.215.580
2.466.680
38.962.541
51.012.348
25.654.364
46.891.781
120.856.727
64.669.410
9.842.304
9.352.794
2.877.415
145.898.544
121.000.175
112.637.360
23.312.131
139.024.541
23.784.070
55.110.734
141.875.000
58.223.122
61.810.167
10.574.774
74.465.603
72.052.043
35.592.719
22.071.103
9.288.467
28.315.612
87.027.345
35.422.208
15.909.282
55.566.517
55.603.630
6.802.885
8.601.526
5.739.967
190.442.209
74.829.736
124.580.813
30.916.700
113.994.269
CA
VT
VE
SAL
AI
AC
N
25
25
25
25
25
25
Minimum
11.651.860
12.164.583
12.164.201
50
2.466.680
5.739.967
Maximum
447.760.027
578.135.083
558.145.820
1.589
176.282.750
190.442.209
Mean
102.928.921,52
118.614.811,52
113.970.976,52
456,88
72.137.345,00
55.944.020,04
Std. Deviation
113.148.029,688
126.896.630,117
123.210.246,893
403,794
55.706.649,327
46.967.102,150
Dup cum putem observa elementele matricei de date iniiale ar necesita i o standardizare,
deoarece abaterile standar ale celor 6 indicatori sunt destul de diferite, fapt pentru care am bifat n
csua de dialog Descriptives Save standardized values as variables, i astfel la matricea de date
iniiale se vor aduga i cei 6 indicatori standardizai (adic de medie 0 i dispersie 1), prezentai n
urmtorul tabel:
TABELUL NR. 3
COD FIRMA
F1
F2
F3
F4
F5
F6
F7
F8
F9
F10
F11
F12
F13
F14
F15
F16
F17
F18
F19
F20
F21
F22
F23
F24
F25
FIRMA
DUMBRAVA SA
ELBAC SA
FAMOS SA
FURNIMOB SA
ILEFOR SA
IMIX SA
LEMEXIM SA
MONTANA SA
METAL LEMN SA
MOBAR SA
MOBIRIS SA
MOBAM SA
MOBEX SA
MOBILEXTRA SA
MOBIHAR SA
MOBILA RAD SA
MOBICRASNA
MOBILA BAR SA
MOBICOR SA
MOV SA
SAMUS MEX SA
SIMEX SA
SAMOBIL SA
SPECIAL SA
VICTORIAMOB SA
ZCA
-0,39432
-0,21005
1,47556
0,22849
2,25156
-0,79262
-0,19611
-0,23881
-0,66914
0,02351
-0,80670
0,07764
3,04761
-0,15707
-0,67069
1,14156
-0,46881
-0,80228
-0,80339
-0,80525
-0,49260
0,67343
-0,68208
-0,47018
-0,25927
ZVT
-0,36577
-0,26713
1,59307
0,33785
-0,28870
-0,81314
-0,21594
-0,63682
-0,70519
0,20449
-0,83887
-0,03272
-0,56178
-0,17781
-0,71374
0,97937
0,26157
-0,83789
-0,82813
-0,83211
3,62122
0,65995
1,01410
-0,22276
-0,33312
ZVE
-0,34416
-0,24153
1,62346
0,37823
-0,30913
-0,79981
-0,18609
-0,63772
-0,68926
-0,14766
-0,82628
-0,00687
-0,58231
-0,16237
-0,70215
1,02792
0,28798
-0,82551
-0,81612
-0,81932
3,60502
0,62236
1,07068
-0,20140
-0,31794
ZSAL
-0,51729
-0,42566
1,04043
0,39654
1,23855
-0,88629
-0,63864
1,28561
-0,90363
-0,33898
-0,93830
-0,09133
2,80371
-0,41823
-0,63369
0,92156
0,29500
-1,00764
-0,94078
-0,95068
1,72395
0,13403
0,19594
-0,70056
-0,64360
ZAI
ZAC
-0,90837
-0,76178
1,86953
1,41576
0,87438
-1,07860
0,61936
0,13238
1,23950
-0,39352
-1,25067
-0,59553
-0,37922
-0,83442
-0,45319
0,87457
-0,13406
-1,11827
-1,12706
-1,24330
1,32410
0,87715
0,72702
-0,87647
1,20070
-0,68473
-0,01774
1,82960
0,04853
0,12490
-0,96598
0,39435
0,34296
-0,43331
-0,72121
-0,99337
-0,58825
0,66181
-0,43694
-0,85240
-0,00804
-0,00725
-1,04629
-1,00799
-1,06892
2,86367
0,40211
1,46138
-0,53287
1,23598
Dup ce am standardizat datele, prin acesta supunnd faptul c ne-am detaat de scara de
msurare a variabilelor, matricea coeficienilor de corelaii va fi echivalent cu matricea de covarian i
astfel vom ncepe analiza compomentelor principale utiliznd matricea de date strandardizate, astfel:
Pas 1 avem matricea de date standardizate n SPSS
Pas 2 apelm Analyse Data Reduction Factor...
Pas 3 Alegem variabilele dup care s se fac analiza i anume acele variabile standardizate cele care
ncep cu litera Z, dup care n parte de jos a csuei de dialog avem mai multe opiuni ca: Descriptives,
Extraction, Rotation, Scores, Options; care vor fi prezentate n urmtoarele print screen-uri:
Dup parcurgerea tuturor opiunilor din parte de jos se va da OK i se vor obine datele prezenta n Anexa Nr.1,
ceea ce conine listingul din SPSS cu privirea la analiza componentelor proncipale.
1.)
2.)
Aici
vom
alege
metoda
componentelor
3.)
4.)
Aici alegem ca scorurile firmelor pe fiecare
dintre cele dou axe analizate s fie salvate ca
variabile
tabelul
SPSS
imediat
dup
Dup parcurgerea pailor de mai sus, vom trece la interpretarea rezultatelor obinute. Astfel
primul tabel din Anexa Nr.1, ne ofer informaii cu privire la media i abatarea standard a fiecrui
indicator i avnd n vedere faptul c media este 0 iar dispersia este 1, confirm faptul c datele sunt
standardizate, dup cum putei observa n urmtorul tabel:
TABELUL NR. 4
Descriptive Statistics
Std.
Deviation
Mean
CA
Analysis N
1
25
VT
VE
SAL
AI
AC
0
0
0
0
0
1
1
1
1
1
25
25
25
25
25
Apoi pentru a vedea dac indicatori calculaii sunt independeni sau nu vom analiza matricea
coeficienilor de corelaie din tabelul urmtor:
TABELUL NR. 5
Correlation Matrix
CA
CA
VT
VE
SAL
AI
AC
1
0,164
0,156
0,769
0,378
0,327
VT
0,164
1
0,997
0,516
0,618
0,807
VE
0,156
0,997
1
0,514
0,625
0,816
SAL
0,769
0,516
0,514
1
0,477
0,648
AI
0,378
0,618
0,625
0,477
1
0,758
AC
0,327
0,807
0,816
0,648
0,758
1
La o prim vedere, putem afirma faptul c n matricea coeficienilor de corelaie, exist numai
corelaii n sens prozitiv, cele n sens negativ lipsind cu desvrire. Astfel identificm n matricea de mai
sus, un coeficient foarte mare de corelaie apropriat de valoarea 1, i anume ntre indicatorul VT (Venit
Total) i indicatorul VE (Venit din Exploatare) avnd o valoare de 0,997, existnd posibilitatea de a se
renuna la unul dintre avnd n vederea i domeniul contabil conform cruia VE intr n alctuirea VT.
Totodat se mai identific coeficieni de corelaie destul de mari ntre indicatorul CA i indicatorul SAL,
indicatorul VT i indicatorul AC, indicatorul VE i indicatorul AC, precum i ntre indicatorul AI i
indicatorul AC. Ca urmare a acestor constatrii am putea totui s eliminm unii indicatori, dar
problema este pe care s-i eliminm; pentru a elimina subiectivismul decizie, vom folosi tehnicile de
analiz a componentelor principale implementate n SPSS, i ne propunem s identificm doi indicatori
sintetici cu care ne-am mulumi n atingerea scopului propus.
Mai departe vom trece la analiza calitii norului de puncte (n cazul nostru a firmelor) urmrind
informaiile din tabelul urmtor:
TABELUL NR. 6
Total Variance Explained
Component
1
2
3
4
5
6
Eigenvalue
3,944
1,273
0,482
0,201
0,097
0,003
Eigenvalues
% of
Cumulative
Variance
%
65,733
65,733
21,220
86,953
8,033
94,986
3,355
98,341
1,614
99,955
,045
100,000
Acest tabel ne prezint n coloana Eigenvalue , toate valorile proprii asociate spectrului
matricei, n ordine descresctoare, i anume: 1 =3,944 , 2 =1,273 etc. Dar cum pe noi ne intereseaz
10
explicitarea norului de puncte prin dou axe i cum rangul matricei coeficienilor de corelaie este 6,
atunci putem s explicm uor coninutul coloanei % of Varinace, astfel: ajustnd norul de puncte
F
i
g
u
r
a
1
.
S
c
r
e
P
l
o
t
4
3
printr-o ax factorial (adic acceptnd doar un singur indicator sintetic) se explic 65,733% din totalul
variaiei datelor; apoi ajustnd norul de puncte prin dou axe factoriale (adic acceptnd doi indicatori
sintetici), recuperm nc 21,220% din variaia total, adic un total de 86,953% din aceast varian,
ceea ce reprezint un rezultat foate bun pentru analiza noastr. Iar dac am fi solicitat trei axe factoriale
am fi explicitat aproximativ 95% din variana total, dar n aceast analiz ne-am propus doar ajustarea
norului de puncte doar prin 2 axe factoriale.
Odat cu tabelul de mai sus, SPSS-ul asociaz un grafic al nivelurilor valorilor proprii, denumit
E
ig
e
n
v
a
lu
e
2
1
012C
3
4
5
6
o
m
p
o
n
e
tN
u
m
b
e
r
n continuarea analizm informaiile despre axele principale care sunt prezente n urmtorul
tabel:
TABELUL NR. 7
Component Score Coefficient Matrix
Factor 1
-0,202
0,341
Factor 2
0,632
-0,152
11
VE
SAL
AI
AC
0,344
-0,026
0,191
0,254
-0,157
0,456
0,075
0,024
Acest tabel de mai sus, de fapt este matricea ce ne d versorii axelor, iar coloana unui factor ne ofer
infornaii despre ponderile (coeficienii) cu care particip fiecare indicator financiar-contabil (CA, VT,
VE, SAL, AI, AC) la descrierea factorului respectiv. Acest factor putnd fi exprimat, prin urmare, ca o
combinaie liniar de indicatori financiari-contabili, avndu-se n vedere coeficienii cu care particip
fiecare indicator n parte.
Apoi vom avea n vedere informaiile despre scorurile firmelor, care sunt proieciile acestor
firme (considerate ca puncte n spaiul indivizilor) pe cele dou axe principale, ele fiind salvate n
matricea de date iniial, imediat dup valorile indicatorilor standardizai, fiind prezentate n urmtorul
tabel:
TABELUL NR. 8
Factor Scores
Rotation: Varimax
CODFIRMA
Factor1
F1
-0,498
F2
-0,271
F3
1,600
F4
0,472
F5
-0,492
F6
-0,821
F7
0,138
F8
-0,310
F9
-0,192
F10
-0,236
F11
-0,875
F12
-0,290
F13
-0,984
F14
-0,345
F15
-0,637
F16
0,599
F17
0,247
F18
-0,862
F19
-0,849
F20
-0,888
F21
3,511
F22
0,570
F23
1,357
F24
-0,335
F25
0,391
Factor2
-0,460
-0,306
1,095
0,322
2,149
-0,761
-0,297
0,651
-0,537
-0,195
-0,799
-0,045
3,370
-0,311
-0,549
0,897
-0,257
-0,819
-0,792
-0,807
-0,472
0,364
-0,574
-0,630
-0,237
Astfel cel dou coloane (Factor1 i Factor2) conin componentele principale sau noii indicatori sintetici
calculaii pentru cele 25 de firme. Aadar apelm Graphs Scatter/Dot... (1.) Alegem Simple
Scatter (2.)
12
1.)
2.)
(3.)
Dup care (3.) alegem cordonatele axelor X factorul 1 i Y factorul 2, iar la Label Case by
alegem CodFirma, i pentru a ne afia codurile firmelor pe grafic din Options... bifm csua
corespunztoare Display chart with case labels , apoi Continue i n final OK i vom obine urmtorul
grafic:
13
4
,3
0
0
,2
0
0
,1
0
0
,0
0
0
,-1
0
,-2
0
0
,-3
0
0
,-4
0
0
,0
0
-4
,0F
-i3
,g
0
2
,
0
1
,
0
0
,
0
1
,
0
2
,
0
3
,
0
4
,
0
u
ra
2
.S
c
o
ru
ile
fi
rm
e
lo
rn
p
la
n
u
la
x
e
lo
rp
in
c
p
a
le
1
i2
2
n acest grafic putem observa un grup destul de compact ce par a avea un comportament
asemntor n raport cu noii indicatori, dar i trei firme, anume F5, F13, F21, care se detaeaz de
grup.
14
Factor 1
0,506
Factor 2
0,829
VT
0,888
-0,379
VE
0,890
-0,386
SAL
0,777
0,525
AI
0,804
-0,034
AC
0,925
-0,129
Expl. Var
3,94
1,27
Prp. Totl
0,65
0,21
Aadar, componenta principal 1 este puternic corelat (pozitiv) cu indicatorul financiarcontabil AC (Active Circulante), dar totodat este slab corelat cu cealalt component principal,
fapt pentru care putem afirma c indicatorul AC poate fi considerat un indicator sintez pentru aplicaia
noastr. Dar n ciuda acestui fapt a doua component principal este mai greu de interpretat, ea avnd
un coeficient de corelaie relativ mare (pozitiv) cu indicatorul CA (Cifra de afaceri), dar nu nregistreaz
un coeficient de corelaie mic cu cealalt component principal.
Fapt pentru apelm la folosirea unei opiuni de rotire a axelor, cu scopul de a obine
coeficieni de corelaie ct mai mici pe cealalt component principal i pentru o analiz mai relevant
i o interpretare mai apropriat de realitate. Astfel apelm la una dintre cele mai utilizate tehnici de
rotire a axelor, i anume, tehnica Varimax n acest fel interpretarea componentelor principale devine
mai semnificativ.
Iar pentru aplicaia noastr, aplend la opiunea de rotire a axelor (Varimax), obinem
informaiile din tabelul Factor Loadings urmtor:
TABELUL NR. 10
Rotated Component Matrix
Factor 1
0,043
Factor 2
0,970
VT
0,961
0,096
VE
0,966
0,091
SAL
0,428
0,835
AI
0,721
0,358
AC
0,872
0,333
Expl. Var
3,32
1,89
Prp. Totl
0,55
0,31
i odat cu ntocmirea de ctre SPSS a tabelului de mai sus, SPSS mai asociaz i o
reprezentare grafic a celor ase indicatori financiari-contabili n spaiul rezultat ca urmare a rotirii
axelor, astfel:
15
F
a
c
to
r2
F
i
g
u
r
a
3
.
C
o
m
p
o
n
e
t
P
l
o
t
i
n
R
o
t
a
e
d
S
p
a
c
e
,0
1
0
,5
,-0
0
,-1
5
,0-1
,0-0
,5F
,a
0
0
,
5
1
,
0
c
to
r1
Astfel de data aceasta se observ c am obinut coeficieni de corelaie mari pentru cte o
component i mici pentru cealalt component principal. Acum componenta principal 1 poate fi
interpretat n termenii indicatorul VT sau eventual VE (corelaie pozitiv), dar cum matricea
corelaiilor ne arat c acetia sunt puternic corelai ntre ei, coeficientul de corelaie alor avnd
valoarea de 0,997, putem aa bine s renunm la unul dintre ei, astfel renunam la indicatorul VE
deoarece el intr i n alctuirea indicatorului VT.
Componenta principal 2 este cum a fost interpretat i mai devreme, tot n termenii
indicatorului CA (corelaie pozitiv), adic este un indicator sintetic reprezentnd volumul tuturor
ncasrilor de pe urma rezultatelor obinute n activitatea de exploatare a ntreprinderii i este unul
dintre cei mai reprezentativi indicatori ai volumului de activitate al unei ntreprinderi.
n final dup ce am dat o interpretare a acestor 2 componente principale,putem s obinem o
clasificare a firmelor, utiliznd proieciile n planul axelor principale, i astfel ne folosim de scorurile
acestor firme i graficul din figura 2, dar mai nanite de acestea remarcm faptul c cele dou
componente principale au scorul cu att mai bun cu ct acesta este mai mare, lucru datorat corelaie
pozitive prezente. Prin urmare, cele 25 de firme n planul indicatorilor CA i VT se clasific astfel:
Clasa 1. Conine firmele F3, F4, F16, F22 care au scoruri bune pe ambele componente;
16
Clasa 2. Conine firmele F5, F8, F13 care au scoruri bune la indicatorul Cifra de afaceri dar au
o situaie mai proast la indicatorul Venit total;
Clasa 3. Conine firmele F9, F17, F21, F23, F25 care au scoruri mai slabe la indictorul Cifra de
afaceri dar o situaie mai bun la indicatorul Venit total;
Clasa 4. Conine firmele F1, F2, F6, F7, F10, F11, F12, F14, F15, F18, F19, F20, F24 care au
scoruri slabe la ambii indicatori de sintez, att la Venit total ct i la Cirfa de afaceri.
3. ANALIZA CLUSTER
n continuare, tot pentru aceiai matrice a datelor standardizate vom aplica tehnici de clasificare
bazate pe algoritmi ierarhici pentru a putea exemplifica att gruparea firmelor ct i gruparea
indicatorilor.
n vederea aplicrii tehnicii de clasificare n SPSS vom parcurge urmtorii paii:
Pas 1 avem matricea de date standardizate n SPSS
Pas 2 apelm Analyse Classify Hierarchical Cluster...
Pas 3 Alegem variabilele dup care s se fac analiza i anume acele variabile standardizate cele care
ncep cu litera Z, dup care n parte de jos a csuei de dialog avem mai multe opiuni ca: Statistics,
Plots, Merhod, Save; care vor fi prezentate n urmtoarele print screen-uri:
17
Dup parcurgerea tuturor opiunilor din parte de jos se va da OK i se vor obine datele prezenta n Anexa Nr.2,
ceea ce conine listingul din SPSS cu privirea la analiza cluster. Dar tot n aceast fereastr, avem de ales la
cmpul Cluster ntre Cases (ceea ce ne va permite aplicarea tehnicilor de clasificare pentru gruparea firmelor
n clase ct mai omogene, lund n considerare toi cei 6 indicatori) i Variables (ceea ce ne va permite
aplicarea tehnicilor de clasificare pentru gruparea celor 6 indicatori n clase ct mai omogene)
1.)
2.)
aici
bifndu-se
csua
aferent
3.)
18
Furthest
neighbor ( vecinii cei mai ndeprtai ), sau Betweengroups sau Within-groups linkage (nlnuirea prin
medii ) deci vom avea 3 aplicaii cte una pentru
fiecare metod. Tot aici alegem i modul de calcul a
distanei dintre dou obiecte (clase), i anume
distana euclidian. i tot aici dac datele nu erau
standardizate am fi putut alege s fie standardizate la
Transform Values, dup care dm Continue.
4.)
Dup ce am trecut n revist principalii pai de urmat n SPSS pentru analiza cluster, vom trece
pentru nceput la gruparea firmelor n clase ct mai omogene, lund n considerare toi cei 6 indicatori,
i folosind cei trei algoritmi nvaai i anume: vecinii cei mai apropriai, vecinii cei mai deprtaii i
agregarea prin medii. Dar mai nti de toate va fi calculat matricea de proximitatea (de dimensiune 25
x 25, simetric), n care care fiecare element al ei este reprezentat de distana euclidian ntre firmele
corespunztoare, distan calculat n funcie de toi cei 6 indicatori observai (folosind distana
euclidian ca msur a disimilaritii). Aceast matrice fiind prezentat n urmtorul tabel:
19
TABELUL NR. 11
Proximity Matrix
0,00
0,73
5,26
2,86
3,73
0,90
1,90
2,36
2,27
0,91
1,01
0,86
5,01
0,45
0,76
3,43
1,59
1,02
0,97
1,03
7,36
2,81
3,43
0,32
2,86
0,73
0,00
4,72
2,52
3,40
1,47
1,46
2,04
2,24
0,96
1,57
0,81
4,67
0,45
1,21
3,08
1,24
1,59
1,54
1,62
6,88
2,36
2,89
0,65
2,34
5,26
4,72
0,00
2,91
3,44
6,08
3,97
4,28
4,95
4,55
6,22
4,52
4,64
4,85
5,54
2,29
3,91
6,20
6,16
6,25
3,71
2,52
2,73
5,15
3,76
2,86
2,52
2,91
0,00
2,44
3,56
1,62
2,17
2,23
2,18
3,73
2,24
4,37
2,58
2,91
1,50
1,71
3,67
3,64
3,74
5,60
0,92
2,07
2,82
1,93
3,73
3,40
3,44
2,44
0,00
4,39
3,11
2,65
3,73
3,17
4,52
3,05
2,26
3,44
3,89
2,18
3,16
4,50
4,46
4,54
6,79
2,36
3,89
3,83
3,35
0,90
1,47
6,08
3,56
4,39
0,00
2,43
2,87
2,39
1,72
0,19
1,73
5,62
1,33
0,71
4,28
2,38
0,16
0,09
0,21
8,15
3,62
4,14
1,04
3,29
1,90
1,46
3,97
1,62
3,11
2,43
0,00
2,08
1,36
1,61
2,59
1,70
4,87
1,69
1,86
2,71
1,46
2,53
2,50
2,62
6,43
1,69
2,27
1,78
1,04
2,36
2,04
4,28
2,17
2,65
2,87
2,08
0,00
2,61
2,25
3,01
2,04
3,67
2,21
2,38
2,85
1,70
3,02
2,96
3,05
6,65
2,45
2,94
2,48
2,42
2,27
2,24
4,95
2,23
3,73
2,39
1,36
2,61
0,00
2,16
2,56
2,35
5,60
2,31
1,76
3,57
2,33
2,45
2,45
2,57
7,41
2,70
3,33
2,24
1,82
0,91
0,96
4,55
2,18
3,17
1,72
1,61
2,25
2,16
0,00
1,85
0,45
4,66
0,68
1,32
2,63
1,19
1,82
1,78
1,85
6,79
2,08
2,99
0,91
2,62
1,01
1,57
6,22
3,73
4,52
0,19
2,59
3,01
2,56
1,85
0,00
1,85
5,70
1,43
0,89
4,41
2,51
0,16
0,13
0,08
8,26
3,76
4,27
1,14
3,45
0,86
0,81
4,52
2,24
3,05
1,73
1,70
2,04
2,35
0,45
1,85
0,00
4,41
0,54
1,38
2,60
1,08
1,85
1,80
1,86
6,75
2,11
2,98
0,91
2,68
5,01
4,67
4,64
4,37
2,26
5,62
4,87
3,67
5,60
4,66
5,70
4,41
0,00
4,73
5,29
3,76
4,54
5,74
5,69
5,73
7,52
4,17
5,27
5,16
5,08
0,45
0,45
4,85
2,58
3,44
1,33
1,69
2,21
2,31
0,68
1,43
0,54
4,73
0,00
1,10
3,06
1,29
1,45
1,40
1,46
6,99
2,44
3,10
0,44
2,66
0,76
1,21
5,54
2,91
3,89
0,71
1,86
2,38
1,76
1,32
0,89
1,38
5,29
1,10
0,00
3,75
1,91
0,82
0,79
0,90
7,74
3,06
3,68
0,90
2,75
3,43
3,08
2,29
1,50
2,18
4,28
2,71
2,85
3,57
2,63
4,41
2,60
3,76
3,06
3,75
0,00
2,25
4,39
4,35
4,43
5,04
1,13
2,46
3,40
3,10
1,59
1,24
3,91
1,71
3,16
2,38
1,46
1,70
2,33
1,19
2,51
1,08
4,54
1,29
1,91
2,25
0,00
2,51
2,46
2,54
5,89
1,67
2,03
1,51
2,23
1,02
1,59
6,20
3,67
4,50
0,16
2,53
3,02
2,45
1,82
0,16
1,85
5,74
1,45
0,82
4,39
2,51
0,00
0,08
0,14
8,27
3,73
4,26
1,14
3,40
0,97
1,54
6,16
3,64
4,46
0,09
2,50
2,96
2,45
1,78
0,13
1,80
5,69
1,40
0,79
4,35
2,46
0,08
0,00
0,13
8,22
3,69
4,22
1,10
3,37
1,03
1,62
6,25
3,74
4,54
0,21
2,62
3,05
2,57
1,85
0,08
1,86
5,73
1,46
0,90
4,43
2,54
0,14
0,13
0,00
8,29
3,79
4,31
1,16
3,49
7,36
6,88
3,71
5,60
6,79
8,15
6,43
6,65
7,41
6,79
8,26
6,75
7,52
6,99
7,74
5,04
5,89
8,27
8,22
8,29
0,00
5,27
4,23
7,18
6,27
2,81
2,36
2,52
0,92
2,36
3,62
1,69
2,45
2,70
2,08
3,76
2,11
4,17
2,44
3,06
1,13
1,67
3,73
3,69
3,79
5,27
0,00
1,82
2,72
2,04
3,43
2,89
2,73
2,07
3,89
4,14
2,27
2,94
3,33
2,99
4,27
2,98
5,27
3,10
3,68
2,46
2,03
4,26
4,22
4,31
4,23
1,82
0,00
3,25
2,21
0,32
0,65
5,15
2,82
3,83
1,04
1,78
2,48
2,24
0,91
1,14
0,91
5,16
0,44
0,90
3,40
1,51
1,14
1,10
1,16
7,18
2,72
3,25
0,00
2,74
2,86
2,34
3,76
1,93
3,35
3,29
1,04
2,42
1,82
2,62
3,45
2,68
5,08
2,66
2,75
3,10
2,23
3,40
3,37
3,49
6,27
2,04
2,21
2,74
0,00
20
Dup care pentru exemplificarea agregrii firmelor prezentm n tabelul urmtor etapele de constituire a claselor, n care se poate observa modul
de formare a uni grup precum i nivelul de agregare corespunztor pentru fiecare algoritm n parte, astfel:
1. Pentru Single linkage
TABELUL NR. 12
Nivel ul
agregr
ii
0,078
C11
C20
0,079
C18
C19
0,088
C6
C18
C19
0,125
C6
C18
C19
0,323
C1
C24
0,438
C1
C24
C14
0,445
C1
C24
C14
0,446
C10
C12
0,536
C1
C24
C14
C2
C10
C12
0,709
C6
C18
C19
C11
C20
C15
0,758
C1
C24
C14
C2
C10
0,919
C4
C22
1,040
C7
C25
1,083
C1
C24
C14
C2
1,129
C4
C22
C16
1,362
C7
C25
C9
1,459
C1
C24
C14
1,622
C1
C24
1,701
C1
C24
1,820
C1
2,179
C1
2,257
2,286
3,708
C11
C20
10
11
12
13
14
15
16
C12
C6
C18
C19
C11
C20
C15
C10
C12
C6
C18
C19
C11
C20
C15
C17
C2
C10
C12
C6
C18
C19
C11
C20
C15
C14
C2
C10
C12
C6
C18
C19
C11
C20
C14
C2
C10
C12
C6
C18
C19
C11
C20
C24
C14
C2
C10
C12
C6
C18
C19
C11
C24
C14
C2
C10
C12
C6
C18
C19
C11
C1
C24
C14
C2
C10
C12
C6
C18
C19
C1
C24
C14
C2
C10
C12
C6
C18
C19
C1
C24
C14
C2
C10
C12
C6
C18
C19
17
18
19
C17
C7
C25
C9
C15
C17
C7
C25
C15
C17
C7
C25
C20
C15
C17
C7
C20
C15
C17
C7
C11
C20
C15
C17
C11
C20
C15
C17
C11
C20
C15
C17
20
21
22
23
24
C9
C4
C22
C16
C9
C4
C22
C16
C8
C25
C9
C4
C22
C16
C8
C23
C25
C9
C4
C22
C16
C8
C23
C5
C7
C25
C9
C4
C22
C16
C8
C23
C5
C13
C7
C25
C9
C4
C22
C16
C8
C23
C5
C13
C3
C7
C25
C9
C4
C22
C16
C8
C23
C5
C13
C3
25
C2
C21
21
Nivel ul
agregr
ii
0,078
C11
C20
0,079
C18
C19
0,155
C6
C18
C19
0,207
C6
C18
0,323
C1
C24
0,445
C2
C14
0,446
C10
C12
0,727
C1
0,904
0,919
10
11
C19
C11
C20
C24
C2
C14
C6
C18
C19
C11
C20
C15
C4
C22
0,961
C1
C24
C2
C14
C10
C12
1,040
C7
C25
1,496
C4
C22
C16
1,587
C1
C24
C2
C14
C10
C12
C17
1,817
C7
C25
C9
2,257
C5
C13
2,457
C4
C22
C16
C23
2,479
C1
C24
C2
C14
C10
C12
C17
C8
2,859
C1
C24
C2
C14
C10
C12
C17
C12
C17
12
13
14
15
16
17
C8
C7
C25
C9
C8
C7
C25
C9
C6
C18
C19
C11
C20
C15
18
19
20
21
22
23
24
2,911
C3
C4
C22
C16
C23
3,490
C1
C24
C2
C14
C10
5,272
C3
C4
C22
C16
C23
C5
C13
6,254
C1
C24
C2
C14
C10
C12
C17
C8
C7
C25
C9
C6
C18
C19
C11
C20
C15
C3
C4
C22
C16
C23
C5
C13
8,289
C1
C24
C2
C14
C10
C12
C17
C8
C7
C25
C9
C6
C18
C19
C11
C20
C15
C3
C4
C22
C16
C23
C5
C13
25
C21
22
3.
TABELUL NR. 14
Nivel ul
agregr
ii
0,078
C11
C20
0,079
C18
C19
0,121
C6
C18
C19
0,158
C6
C18
C19
0,323
C1
C24
0,444
C1
C24
0,446
C10
C12
0,608
C1
C24
C14
C2
0,822
C6
C18
C19
C11
C20
C15
0,822
C1
C24
C14
C2
C10
C12
0,919
C4
C22
1,040
C7
C25
1,313
C4
C22
C16
1,318
C1
C24
C14
C2
C10
C12
C17
1,534
C1
C24
C14
C2
C10
C12
1,589
C7
C25
C9
2,115
C4
C22
C16
C23
2,257
C5
C13
2,370
C7
C25
C9
C8
2,431
C1
C24
C14
C2
C10
2,612
C3
C4
C22
C16
C23
3,457
C1
C24
C14
C2
4,218
C1
C24
C14
C2
6,737
C1
C24
C14
C2
C11
C20
10
11
12
13
14
15
16
17
C17
C6
C18
C19
C11
C20
C15
C12
C17
C6
C18
C19
C11
C20
C10
C12
C17
C6
C18
C19
C11
C10
C12
C17
C6
C18
C19
C11
C10
C12
C17
C6
C18
C19
C11
18
19
20
21
22
C15
C7
C25
C9
C8
C20
C15
C7
C25
C9
C20
C15
C7
C25
C9
C20
C15
C7
C25
C9
23
24
C8
C3
C4
C22
C16
C23
C8
C3
C4
C22
C16
C23
C5
C13
C8
C3
C4
C22
C16
C23
C5
C13
25
C14
C21
23
Pentru algoritmii mai sus prezentaii, n SPSS se ntocmete cte o dendrogram pentru fiecare
n parte, i sunt prezentate n cele ce urmeaz:
0
5
10
15
20
25
+---------+---------+---------+---------+---------+
24
0
5
10
15
20
25
+---------+---------+---------+---------+---------+
0
5
10
15
20
25
+---------+---------+---------+---------+---------+
25
20
18
19
6
15
10
12
1
24
14
2
17
7
25
9
8
4
22
16
23
3
5
13
21
Iar n final, nainte de a trage concluziile acestei analize cluster a firmelor, prezentm ntr-un
mod mai sintetizat, etapele de grupare ale firmelor pentru cele trei metode de agregare Single linkage
(vecinii cei mai apropiai), Complete linkage (vecinii cei mai ndeprtai) i Average linkage (nlnuirea
prin medii), n urmtorul tabel:
TABELUL NR. 15
Nivelul de
agregare
<0,1
0,1 0,2
0,2 0,4
0,4 0,5
0,5 0,8
0,8 1,0
1,0 1,2
1,2 1,5
1,5 1,9
1,9 2,5
2,5 4,0
C1=(11,20); C2=(18,19)
C1=(11,20); C2=(18,19)
C3=(6,C2)
C4=(C3,C1); C5=(1,24)
C6=(2,14); C7=(10,12)
C6=(C5,14); C7=(10,12)
C8=(C5,C6)
C8=(C6,2)
C9=(C4,15); C10=(4,22)
C11=(C8,C7)
C9=(C4,15); C10=(C8,C7)
C11=(4,22)
C12=(7,25)
C12=(7,25)
C13=(C10,16)
C13=(C11,16); C14=(C10,17)
C14=(C11,17); C15=(C12,9)
C15=(C14,C9); C16=(C12,9)
C16=(5,13); C17=(C13,23)
C18=(C14,8)
C19=(C18,C15); C20=(3,C17)
C17=(C13,23); C18=(5,13)
C19=(C16,8); C20=(C15,C19)
C21=(3,C17); C22=(C20,C21)
26
>4,0
C21=(C19,C9)
C22=(C20,C16); C23=(C21,C22)
C24=(C23,21)
C23=(C22,C18); C24=(C23,21)
Pentru a trage concluziile acestei analize cluster, vom analiza cele trei dendrograme asociate
fiecrei metode nparte, astfel cteva concluzii sunt evidente:
-
n dendrograma din figura 4 putem distinge dou grupe de firme i anume grupa
format din firmele (F11, F20, F18, F19, F6) i (F1, F24, F2, F10, F12), n rest firmele
par destul de omogene, cu excepia uneia (F21), care ntoate cele trei dendrograme se
detaeaz evident fa de celelate firme, lucru ce poate sugera c algoritmul celor mai
apropriai vecini nu este indicat de folosit n acest caz.
n schimb n dendrograma din figura 5 apar unele clase distincte, mai precis 4 grupe
disticte formate astfel (F11, F20, F18, F19, F6) , (F7, F25, F9) , (F10, F12, F1, F24,
F2, F14, F17, F8) i (F5, F13, F4, F22, F16, F23, F3), dar i o firm ca n cazul
anterior ce se detaeaz evident de celelalte, aceasta fiind tot firma F21.
i facnd o paralel ntre clasele de firme formate n planul primelor dou axe factoriale, este
interesant de vzut dac clasele obinute prin tehnicile analizei cluster, bazate pe distana euclidian, ne
conduce la acelai rezultate. Acest lucru poate fi luat n discuie numai n cazul aplicrii metodei
vecinilor celor mai ndeprtaii i a nlnuirii bazate pe medii, putem afirma c existe i firme ale cror
poziionare n clase se pstreaz (de exemplu putem Clasa 1 (F3,F4, F16,F22) ), dar i firme care care
se grupeaz cu altele ce nu aparineau niial n clasa lor, dar n general clasificarea realizat conform
componentelor principale este mult mai elocvent i explicativ.
n finalul acestui proiect prezentm i o grupare a celor 6 indicatori financiar contabili n clase
ct mai omogene, i pentru aceasta vor fi urmai paii descrii la nceputul analizie cluster, numai c n
prima fereastr de dialog la cmpul Cluster n loc de Cases alegem Variables, i mai nti vom
obine n outputul SPSS, matricea distanelor euclidiene ntre coloanele matricei, rezultnd astfel
matricea simetric a disimilaritilor (matrice de ordin 6 x 6), n urmtorul tabel:
TABELUL NR. 16
0,0
6,3
6,4
3,3
5,5
5,7
6,3
0,0
0,4
4,8
4,3
3,0
6,4
0,4
0,0
4,8
4,2
3,0
3,3
4,8
4,8
0,0
5,0
4,1
5,5
4,3
4,2
5,0
0,0
3,4
5,7
3,0
3,0
4,1
3,4
0,0
27
Dup care pentru exemplificarea agregrii indicatorilor prezentm n tabelul urmtor etapele de
constituire a claselor, n care se poate observa modul de formare a uni grup precum i nivelul de
agregare corespunztor pentru fiecare algoritm n parte, astfel:
1. Pentru Single Linkage
TABELUL NR. 17
Nivel ul
agregrii
0,374
I2
I3
2,970
I2
I3
3,329
I1
I4
3,408
I2
I3
I6
I5
4,111
I1
I4
I2
I3
I6
I5
I6
0,374
I2
I3
3,042
I2
I3
3,329
I1
I4
4,282
I2
I3
I6
I5
6,364
I1
I4
I2
I3
I6
I5
I6
0,374
I2
I3
3,006
I2
I3
3,329
I1
I4
3,979
I2
I3
I6
I5
5,327
I1
I4
I2
I3
I6
I5
I6
Pentru algoritmii mai sus prezentaii, n SPSS se ntocmete cte o dendrogram pentru fiecare
n parte, i sunt prezentate n cele ce urmeaz:
0
5
10
15
20
25
+---------+---------+---------+---------+---------+
28
VT
VE
AC
AI
CA
SAL
2
3
6
5
1
4
2
3
6
5
1
4
0
5
10
15
20
25
+---------+---------+---------+---------+---------+
2
3
6
5
1
4
0
5
10
15
20
25
+---------+---------+---------+---------+---------+
Iar n final, nainte de a trage concluziile acestei analize cluster a indicatorilor, prezentm ntr-un
mod mai sintetizat, etapele de grupare ale firmelor pentru cele trei metode de agregare Single linkage
(vecinii cei mai apropiai), Complete linkage (vecinii cei mai ndeprtai) i Average linkage (nlnuirea
prin medii), n urmtorul tabel:
TABELUL NR. 20
Nivelul de
agregare
<2
24
29
>4
C4=(C2,5)
C5=(C3,C4)
C4=(C2,5)
C5=(C3,C4)
C4=(C2,5); C5=(C3,C4)
Dup cum se poate observa n informaiile de mai sus, pentru toate cele trei metode folosite
obinem aceleai grupri ale indicatorilor n clase, doar nivelul agregrii n clase diferind de la o metod
la alt, fapt pentru care n vederea extragerii a unor concluzii privind omogenitatea celor 6 indicatori
financiar-contabili, putem urmrii etapele constituirii claselor numai pentru una dintre metode, i fie
aceasta metoda ce folosete algoritmul agregrii vecinilor celor mai ndeprtaii (Complete Linkage).
Atunci cei mai apropriaii, la un nivel minim de 0,374, sunt indicatorul VT (Venit total) i
indicatorul VE (Venit din exploatare) formnd o prim clas. Dup care urmeaz un salt foarte mare de
aproximativ 2,668 pn la un nivel de 3,042, unde primei clase formate i se adug i indicatorul AC
(Active circulante). Dup aceea la un nivel de 3,329 se formeaz o a doua clas din indicatorul CA
(Cifra de afaceri) i indicatorul SAL (Numr mediu de salariai anual). Urmnd ca mai apoi la nivelul de
4,282 primei clase formate s se mai aduge i indicatorul AI (Active Imobilizate). i n final cele dou
clase formate se agreg la nivelul de 6,364.
Concluzia interpretrii prezentat n paragraful anterior, este aceea c folosind algoritmul de
clasificare putem supune c indicatori financiar-contabili urmriii prin nivelele lor pentru cele 25 de
firme se pot grupa n dou clase:
C1 format din indicatorii VT, VE, AC i AI
C2 format din indicatorii CA i SAL
i n final vom compara clasele de indicatori obinute pe baza matricei euclidiene cu gruparea
indicatorilor dup coeficienii lor de corelaie liniar claculaii n etapa de analiz a componentelor
principale, i avem urmtorul tabel:
TABELUL NR. 21
CA
CA
VT
VE
SAL
AI
AC
VT
VE
C1
Corelaie
puternic
C2
SAL
Corelaie
puternic
AI
AC
Corelaie
puternic
Corelaie
puternic
C1
C2
C1
Corelaie
puternic
C1
Astfel pentru comparaie putem urmrii tabelul anterior ce ne informeaz att despre corelaiile
puternice ntre indicatorii financiar-contabili, corelaii exprimate prin coeficienii de corelaie mari, ct
i despre clasa cruia aparie un indicator (informaiile de pe diagonala principal), clas obinut prin
tehnica agregrii. i care urmare a acestui lucru, putem observa c mparirea indicatorilor n clasele
30
mai sus memionate este just, acest lucru fiind ntrit i de anumite informaii din domeniul financiarcontabil, conform crora cifra a afacerii ca indicator de output este corelat cu numrul de salariai care
este un indicator de input n cadrul activitii unei firme, iar venitul total care are n componena sa i
venitul de exploatare reprezint tot nite indicatori de output rezultaii ca urmare a intrrii n procesul
de desfurarea al activitii firmei a unor indicatori de input ca activele imobilizate i activele
circulante.
4. BIBLIOGRAFIE
1.
Liliana SPIRCU Analiza datelor. Aplicaii economice , Editura ASE, Bucureti, 2005
2.
3.
2002.
4.
31