CONSTANDA LAVINIA

GRUPA 1049

CUPRINS

1. Prezentarea datelor .............................................................................. pag. 3

2. Analiza componentelor principale(PCA).............................................. pag. 5
3. Analiza Cluster......................................................................................pag. 17
4. Bibliografie........................................................................................... pag. 32
5. Anexe................................................................................................................

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

Unde cei 6 indicatori financiar-contabili sunt:

a) CA Cifra de afaceri (exprimat n milioane lei) reprezint 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.
b) VT Veniturile totale(exprimate n milioane lei) reprezint totalitate avantajelor obinute de
ctre ntreprindere din desfurarea celor 3 activitii: de exploatare, financiar, i excepional.
c) VE Veniturile din activitatea de exploatare(exprimate n milioane lei) reprezint acele
avantaje dobndite de ctre ntreprinderi numai pe seam desfurrii activitii de exploatere.
d) SAL Numrul mediu anual de salariai (exprimat n numr salariai/anual)
e) AI Activele imobilizate (exprimate n milioane lei) reprezint bunuri i valori destinate a servi
o perioad ndelungat n activitatea unitilor patrimoniale (de regul mai mare de un an), deci
care nu se consum la prima lor utilizare, valoarea lor recuperndu-se treptat prin includerea n
cheltuielile mai multor exerciii financiare n funcie de durata de folosire.
f) AC Activele circulante (exprimate n milioane lei) reprezint aceea parte din capitalul tehnic
care se consum n fiecare ciclul de exploatare (de producie), participnd cu ntrega lui
expresie baneasc la formarea costurilor i se nlocuiete dup fiecare consumare, o dat cu
reluarea unui nou ciclu de exploatare.
Dup ce au fost trecute n revist toate aceste lucruri, vom trece la analiza matricei de date
prezentat n tabelul de mai sus, cu scopul de a identifica civa indicatori relevani (de regul doi sau
trei), pe baza crora s putem obine o clasificare ct mai precis a firmelor; astfel problema formulat
n acest mod ne conduce spre ideea utilizrii tehnicii analizei componentelor principale, dublat i de o
analiz a clasificrii.
2. ANALIZA COMPONEMTELOR PRINCIPALE (PCA)
Scopul acestei analize fiind ca pentru matricea noastr de date s identifice noi variabile ce s
exprime sintetic vechile variabile astfel nct cantitatea total de informaie s nu se piard dect n mod
contralat.
Astfel, dup ncarcarea matricei de date n SPSS, vom ncepe analiza prin a remarca faptul c
toate caracteristicile urmrite, anume indicatorii financiar contabili sunt variabile continue, scara lor de
msur fiind uor de identificat. Prin urmare pentru fiecare variabil n parte, pentru nceput, vom
calcula indicatorii de centrare i de mprtiere cum ar fi media, valoarea minim, valoarea maxim,
precum i abaterea standard.
Pentru aceasta n SPSS, alegem Analyse Descriptive Statistics Descriptives..., dup care
alegem toii indicatorii, iar la Options... bifm csua pentru Mean, Std. Deviation, Minimum,
Maximum i apoi dm Continue i apoi OK.

i astfel obinem urmtorul tabel:

TABELUL NR. 2
Descriptive Statistics

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.)

n aceast csua de dialog vom alege s ne

prezinte informaii legate de o variabil (medie,
dispersie etc) precum si afisarea coeficientilor
matricei de corelaie, dup care dm Continue.

2.)

Aici

vom

alege

metoda

componentelor

principale, care va fi aplicat pe matricea

corelaiilor, dar la fel de bine puteam s folosim
i matricea de covaria ntruct datele sunt
standardizate, dup ci factori dorim s facem
analiza (2) i s ne afieze graficul ataat
valorilor proprii (Sree plot), dup care Continue.

3.)

Aici alege tehnica de rotire Varimax, apoi

Continue.

4.)
Aici alegem ca scorurile firmelor pe fiecare
dintre cele dou axe analizate s fie salvate ca
variabile

tabelul

SPSS

imediat

dup

variabilele standardizate, i totodat selectnd i

a doua opiune vom obine versorii axelor u,
apoi Continue.

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

Extraction Method: Principal Component Analysis.

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

Scree Plot-ul i prezent n cele ce urmeaz:

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 Score Coefficients

CA
VT

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.

i n finalul analizei componentelor principale vom analiza informaiile privind interpretarea

componentelor principale care se obin analiznd coeficienii de corelaii calculai ntre cele trei
componente principale i indicatori financiar-contabili, acest lucru se face analiznd Component
Matrix fiind matricea corelaiilor Person ntre variabile iniiale ale modelului i noile variabile
formate, i Rotated Component Matrix folosit pentru a obine o interpretare mai clar i corect,
prin selectarea opiuni de Rotation astfel nct s se realizeze corelaii mari cu una din componente i
mici cu celelalte componente rmase.
ntorcndu-ne la aplicaia noastra, se obin aa-numiii Factor Loadings din explicitarea
tabelului SPSS Component Matrix la care se adaug i valorile proprii i ponderile lor cu privire la
cantitatea de informaie recuperat, obinndu-se urmtorul tabel:
TABELUL NR. 9
Component Matrix

14

Factor Loadings (Unrotated)

CA

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 Loadings (Rotated)

CA

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.)

n aceast csu de dialog vom alege s ne afieze n

outputul SPSS modul n care se agregreaz firmele
(variabilele) pas cu pas i matricea de proximitate de
dimensiune 25 x 25 (pentru firme) i 6 x 6 (pentru
indicatori) i simetric; dup care dm Continue.

2.)

n aceast csu de dialog vom alege s ne afieze n

outputul SPSS, reprezentarea grafic a nivelului de
agregare al firmelor (variabilelor) prin intermediul
dendogramei,

aici

bifndu-se

csua

aferent

Dendogram; dup care dm Continue.

3.)

n aceast csu de dialog vom alege metoda dup

care s se fac gruparea firmelor i anume: Nearest

18

neighbor (vecinii cei mai apropriai),

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.)

n aceast ultim csu de dialog putem alege

salvarea clusterelor obinute n urma analizei ca
variabile n matricea de date iniiale din SPSS, dar
nu dorim acest lucru i lsm opiunea None
activat, i dm apoi Continue.

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

2. Pentru Complete linkage

TABELUL NR. 13

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

Pentru Average linkage

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:

Rescaled Distance Cluster Combine

C A S E
Label Num
11
20
18
19
6
15
1
24
14
2
10
12
17
7
25
9
4
22
16
8
23
5
13
3
21

0
5
10
15
20
25
+---------+---------+---------+---------+---------+

Figura 4. Dendrogram using Single Linkage

24

Rescaled Distance Cluster Combine

C A S E
Label Num
11
20
18
19
6
15
7
25
9
10
12
1
24
2
14
17
8
5
13
4
22
16
23
3
21

0
5
10
15
20
25
+---------+---------+---------+---------+---------+

Figura 5. Dendrogram using Complete Linkage

Rescaled Distance Cluster Combine

C A S E
Label Num
11

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

Figura 6. Dendrogram using Average Linkage (Between Groups)

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

Single linkage. Clase

C1=(3,9); C2=(18,19);
C3=(6,C2)
C4=(C3,11)
C5=(1,24)
C6=(C1,14); C7=(C6,2);
C8=(10,12)
C9=(C7,C8); C10=(C4,15)
C11=(C9,C10)
C12=(4,22)
C13=(7,25); C14=(C11,17)
C15=(C12,16)
C16=(C13,9); C17=(C14,C16)
C18=(C17,C15); C19=(C18,8)
C20=(C19,23)
C21=(C20,5); C22=(C21,13)
C23=(C22,3)
C24=(C23,21)

Complete linkage. Clase

Average linkage. Clase

C1=(11,20); C2=(18,19)

C1=(11,20); C2=(18,19)

C3=(6,C2)
C4=(C3,C1); C5=(1,24)

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.

n final n dendrograma din figura 6, avem o evoluie asemntoare cu evoluia din

figura 4, putnd distenge i aici 2-3 clase omogene, dar i o firm ce se detaseaz de
celelalte, aceasta fiind tot firma 21.

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

2. Pentru Complete Linkage

TABELUL NR. 18
Nivel ul
agregrii

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

3. Pentru Average Linkage

TABELUL NR. 19
Nivel ul
agregrii

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:

Rescaled Distance Cluster Combine

C A S E
Label
Num

0
5
10
15
20
25
+---------+---------+---------+---------+---------+

28

VT
VE
AC
AI
CA
SAL

2
3
6
5
1
4

Figura 7. Dendrogram using Single Linkage

Rescaled Distance Cluster Combine

C A S E
Label
Num
VT
VE
AC
AI
CA
SAL

2
3
6
5
1
4

0
5
10
15
20
25
+---------+---------+---------+---------+---------+

Figura 8. Dendrogram using Complete Linkage

Rescaled Distance Cluster Combine

C A S E
Label
Num
VT
VE
AC
AI
CA
SAL

2
3
6
5
1
4

0
5
10
15
20
25
+---------+---------+---------+---------+---------+

Figura 9. Dendrogram using Average Linkage (Between Groups)

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

Single linkage. Clase

C1=(2,3)
C2=(C1,6); C3=(1,4)

Complete linkage. Clase

C1=(2,3)
C2=(C1,6); C3=(1,4)

Average linkage. Clase

C1=(2,3)
C2=(C1,6); C3=(1,4)

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.

Mihai RISTEA Contabilitate financiar, Editura Universitar, Bucureti, 2004.

3.

Valentina CAPOT Contabilitate. Monografii contabile, Editura Niculescu, Bucureti,

2002.
4.

http://www.rasd.ro/ (Bursa de valori Bucureti Piaa RASDAQ)

31