1. 如何用excel做因子分析
一、什么是回归分析法
“回归分析”是解析“注目变量”和“因于变量”并明确两者关系的统计方法。此时，我们把因子变量称为“说明变量”，把注目变量称为“目标变量址(被说明变量)”。清楚了回归分析的目的后，下面我们以回归分析预测法的步骤来说明什么是回归分析法：
回归分析是对具有因果关系的影响因素（自变量）和预测对象（因变量）所进行的数理统计分析处理。只有当变量与因变量确实存在某种关系时，建立的回归方程才有意义。因此，作为自变量的因素与作为因变量的预测对象是否有关，相关程度如何，以及判断这种相关程度的把握性多大，就成为进行回归分析必须要解决的问题。进行相关分析，一般要求出相关关系，以相关系数的大小来判断自变量和因变量的相关的程度。
二、回归分析的目的
回归分析的目的大致可分为两种：
第一，“预测”。预测目标变量，求解目标变量y和说明变量(x1，x2，…)的方程。
y=a0+b1x1+b2x2+…+bkxk+误差（方程A）
把方程A叫做(多元)回归方程或者(多元)回归模型。a0是y截距，b1，b2，…，bk是回归系数。当k=l时，只有1个说明变量，叫做一元回归方程。根据最小平方法求解最小误差平方和，非求出y截距和回归系数。若求解回归方程．分別代入x1，x2，…xk的数值，预测y的值。
第二，“因子分析”。因子分析是根据回归分析结果，得出各个自变量对目标变量产生的影响，因此，需要求出各个自变量的影响程度。
希望初学者在阅读接下来的文章之前，首先学习一元回归分析、相关分析、多元回归分析、数量化理论I等知识。
根据最小平方法，使用Excel求解y=a+bx中的a和b。那么什么是最小平方法？
分别从散点图的各个数据标记点，做一条平行于y轴的平行线，相交于图中直线(如下图)
平行线的长度在统计学中叫做“误差”或者‘残差”。误差(残差)是指分析结果的运算值和实际值之间的差。接这，求平行线长度曲平方值。可以把平方值看做边长等于平行线长度的正方形面积(如下图)
最后，求解所有正方形面积之和。确定使面积之和最小的a(截距)和b(回归系数)的值(如下图)。
使用Excel求解回归方程；“工具”→“数据分析”→“回归”，具体操作步骤将在后面的文章中具体会说明。
线性回归的步骤不论是一元还是多元相同，步骤如下：
1、散点图判断变量关系（简单线性）；
2、求相关系数及线性验证；
3、求回归系数，建立回归方程；
4、回归方程检验；
5、参数的区间估计；
6、预测；
一元线性回归操作和解释
摘要
一元线性回归可以说是数据分析中非常简单的一个知识点，有一点点统计、分析、建模经验的人都知道这个分析的含义，也会用各种工具来做这个分析。这里面想把这个分析背后的细节讲讲清楚，也就是后面的数学原理。
什么是一元线性回归
回归分析（Regression Analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。举个例子来说吧：
比方说有一个公司，每月的广告费用和销售额，如下表所示：
案例数据
如果我们把广告费和销售额画在二维坐标内，就能够得到一个散点图，如果想探索广告费和销售额的关系，就可以利用一元线性回归做出一条拟合直线：
拟合直线
这条线是怎么画出来的
对于一元线性回归来说，可以看成Y的值是随着X的值变化，每一个实际的X都会有一个实际的Y值，我们叫Y实际，那么我们就是要求出一条直线，每一个实际的X都会有一个直线预测的Y值，我们叫做Y预测，回归线使得每个Y的实际值与预测值之差的平方和最小，即（Y1实际-Y1预测）^2+（Y2实际-Y2预测）^2+ …… +（Yn实际-Yn预测）^2的和最小（这个和叫SSE，后面会具体讲）。
现在来实际求一下这条线：
我们都知道直线在坐标系可以表示为Y=aX+b，所以（Y实际-Y预测）就可以写成（Y实际-（aX实际+b）），于是平方和可以写成a和b的函数。只需要求出让Q最小的a和b的值，那么回归线的也就求出来了。
简单插播一下函数最小值怎么求：
首先，一元函数最小值点的导数为零，比如说Y=X^2，X^2的导数是2X，令2X=0，求得X=0的时候，Y取最小值。
那么实质上二元函数也是一样可以类推。不妨把二元函数图象设想成一个曲面，最小值想象成一个凹陷，那么在这个凹陷底部，从任意方向上看，偏导数都是0。
因此，对于函数Q，分别对于a和b求偏导数，然后令偏导数等于0，就可以得到一个关于a和b的二元方程组，就可以求出a和b了。这个方法被称为最小二乘法。下面是具体的数学演算过程，不愿意看可以直接看后面的结论。
先把公式展开一下：
Q函数表达式展开
然后利用平均数，把上面式子中每个括号里的内容进一步化简。例如
Y^2的平均
则：
上式子两边×n
于是
Q最终化简结果
然后分别对Q求a的偏导数和b的偏导数，令偏导数等于0。
Q分别对a和b求偏导数，令偏导数为0
进一步化简，可以消掉2n，最后得到关于a，b的二元方程组为
关于a,b的 二元方程组
最后得出a和b的求解公式：
最小二乘法求出直线的斜率a和斜率b
有了这个公式，对于广告费和销售额的那个例子，我们就可以算出那条拟合直线具体是什么，分别求出公式中的各种平均数，然后带入即可，最后算出a=1.98，b=2.25
最终的回归拟合直线为Y=1.98X+2.25，利用回归直线可以做一些预测，比如如果投入广告费2万，那么预计销售额为6.2万
评价回归线拟合程度的好坏
我们画出的拟合直线只是一个近似，因为肯定很多的点都没有落在直线上，那么我们的直线拟合程度到底怎么样呢？在统计学中有一个术语叫做R^2（coefficient ofdetermination，中文叫判定系数、拟合优度，决定系数，系统不能上标，这里是R^2是“R的平方”），用来判断回归方程的拟合程度。
首先要明确一下如下几个概念：
总偏差平方和（又称总平方和，SST，Sum of Squaresfor Total）：是每个因变量的实际值（给定点的所有Y）与因变量平均值（给定点的所有Y的平均）的差的平方和，即，反映了因变量取值的总体波动情况。如下：
SST公式
回归平方和（SSR，Sum of Squares forRegression）：因变量的回归值（直线上的Y值）与其均值（给定点的Y值平均）的差的平方和，即，它是由于自变量x的变化引起的y的变化，反映了y的总偏差中由于x与y之间的线性关系引起的y的变化部分，是可以由回归直线来解释的。
SSR公式
残差平方和（又称误差平方和，SSE，Sum of Squaresfor Error）:因变量的各实际观测值(给定点的Y值)与回归值（回归直线上的Y值）的差的平方和，它是除了x对y的线性影响之外的其他因素对y变化的作用，是不能由回归直线来解释的。
这些概念还是有些晦涩，我个人是这么理解的：
就拿广告费和销售额的例子来说，其实广告费只是影响销售额的其中一个比较重要的因素，可能还有经济水平、产品质量、客户服务水平等众多难以说清的因素在影响最终的销售额，那么实际的销售额就是众多因素相互作用最终的结果，由于销售额是波动的，所以用上文提到的每个月的销售额与平均销售额的差的平方和（即总平方和）来表示整体的波动情况。
回归线只表示广告费一个变量的变化对于总销售额的影响，所以必然会造成偏差，所以才会有实际值和回归值是有差异的，因此回归线只能解释一部分影响
那么实际值与回归值的差异，就是除了广告费之外其他无数因素共同作用的结果，是不能用回归线来解释的。
因此SST（总偏差）=SSR（回归线可以解释的偏差）+SSE（回归线不能解释的偏差）
那么所画回归直线的拟合程度的好坏，其实就是看看这条直线（及X和Y的这个线性关系）能够多大程度上反映（或者说解释）Y值的变化，定义
R^2=SSR/SST 或 R^2=1-SSE/SST, R^2的取值在0，1之间，越接近1说明拟合程度越好
假如所有的点都在回归线上，说明SSE为0，则R^2=1，意味着Y的变化100%由X的变化引起，没有其他因素会影响Y，回归线能够完全解释Y的变化。如果R^2很低，说明X和Y之间可能不存在线性关系
还是回到最开始的广告费和销售额的例子，这个回归线的R^2为0.73，说明拟合程度还凑合。
四、相关系数R和判定系数R^2的区别
判定系数R^2来判断回归方程的拟合程度，表示拟合直线能多大程度上反映Y的波动。
在统计中还有一个类似的概念，叫做相关系数R（这个没有平方，学名是皮尔逊相关系数，因为这不是唯一的一个相关系数，而是最常见最常用的一个），用来表示X和Y作为两个随机变量的线性相关程度，取值范围为【-1，1】。
当R=1，说明X和Y完全正相关，即可以用一条直线，把所有样本点（x,y）都串起来，且斜率为正，
当R=-1，说明完全负相关，及可以用一条斜率为负的直线把所有点串起来。
如果在R=0，则说明X和Y没有线性关系，注意，是没有线性关系，说不定有其他关系。
就如同这两个概念的符号表示一样，在数学上可以证明，相关系数R的平方就是判定系数。
变量的显著性检验
变量的显著性检验的目的：剔除回归系数中不显著的解释变量（也就是X），使得模型更简洁。在一元线性模型中，我们只有有一个自变量X，就是要判断X对Y是否有显著性的影响；多元线性回归中，验证每个Xi自身是否真的对Y有显著的影响，不显著的就应该从模型去掉。
变量的显著性检验的思想：用的是纯数理统计中的假设检验的思想。对Xi参数的实际值做一个假设，然后在这个假设成立的情况下，利用已知的样本信息构造一个符合一定分布的（如正态分布、T分布和F分布）的统计量，然后从理论上计算得到这个统计量的概率，如果概率很低（5%以下），根据“小概率事件在一次实验中不可能发生”的统计学基本原理，现在居然发生了！（因为我们的统计量就是根据已知的样本算出来的，这些已知样本就是一次实验）肯定是最开始的假设有问题，所以就可以拒绝最开始的假设，如果概率不低，那就说明假设没问题。
其实涉及到数理统计的内容，真的比较难一句话说清楚，我举个不恰当的例子吧：比如有一个口袋里面装了黑白两种颜色的球一共20个，然后你想知道黑白球数量是否一致，那么如果用假设检验的思路就是这样做：首先假设黑白数量一样，然后随机抽取10个球，但是发现10个都是白的，如果最开始假设黑白数量一样是正确的，那么一下抽到10个白的的概率是很小的，但是这么小概率的事情居然发生了，所以我们有理由相信假设错误，黑白的数量应该是不一样的……
总之，对于所有的回归模型的软件，最终给出的结果都会有参数的显著性检验，忽略掉难懂的数学，我们只需要理解如下几个结论：
T检验用于对某一个自变量Xi对于Y的线性显著性，如果某一个Xi不显著，意味着可以从模型中剔除这个变量，使得模型更简洁。
F检验用于对所有的自变量X在整体上看对于Y的线性显著性
T检验的结果看P-value，F检验看Significant F值，一般要小于0.05，越小越显著（这个0.05其实是显著性水平，是人为设定的，如果比较严格，可以定成0.01，但是也会带来其他一些问题，不细说了）
下图是用EXCEL对广告费和销售额的例子做的回归分析的结果（EXCEL真心是个很强大的工具，用的出神入化一样可以变成超神），可以看出F检验是显著的（Significance F为0.0017），变量X的T检验是显著的（P-value为0.0017），这俩完全一样也好理解，因为我们是一元回归，只有一个自变量X。
用Excel做线性回归分析
还有一点是intercept（截距,也就是Y=aX+b中的那个b）的T检验没有通过，是不显著的，一般来说，只要F检验和关键变量的T检验通过了，模型的预测能力就是OK的。
2. excel 因子分析
1、首先我们打开电脑里的Excel软件，输入数据。这里是探讨的是光照和PH两因素是否对冬虫夏草子实体长度的作用。
2、然后我们点击数据，选择菜单栏最右边数据分析。
3、在弹出的窗口可以看多有很多选项，选择无重复方差分析，点击确认。
4、选择输入区域，即你的数据。选择输出数据，有三个选项，随便选择一个，这里演示为新工作表。另外，标志可以勾选。点击确认。
5、在这里我们可以看到分析出来的数据了，有方差，平均值。一般我们看F值和F crit值得大小就可以了。如果F>Fcrit，说明这个因素对结果有显著作用。在这里，明显可以看多F都小于F crit，说明PH和光照对虫草的出草长度无显著性差异。
3. excel求因子
主要介绍了如何在Excel2010中，对数据进行“数据分析-描述统计（汇总统计，平均数置信度等）相关方面的操作。
工具/原料
Excel2010
电脑
方法/步骤
1、打开Excel2010，输入数据，准备进行描述统计；
2、点击菜单栏的“文件”中的“选项”如图；
3、出现新的弹窗，点击“加载项”，在点击“转到”；
4、出现新的弹窗，将前面的“方框”都点上“对勾”，点击确定；
5、点击菜单栏“数据”，接着点击“数据分析”，如图；
6、出现新的弹窗，选择你需要的，在这里选择“描述统计”，点击“确定”；
7、出现新的弹窗，点击选择要做分析的数据区域，点击“确定”；
8、选择数据区域，返回如图；
9、选择输出数据的区域，返回如图；
10、在相应的方框前面到上对勾，并点击“确定”如图
11、出现分析结果，如图结束；
4. excel能做因子分析吗
1.打开excelg表格,点击文件,在弹出的下拉菜单中选择选项
2.选择加载项,在右边找到分析工具库,选中后点击转到
3.在弹出的加载宏对话框中,勾选分析工具库,并点击确定,成功把模块添加到数据分析中
4.点击菜单上的数据,选择数据分析,在方差分析里面选择无重复双因素分析, 再点击确定
5. 怎样做因子分析
因子分析法是指从研究指标相关矩阵内部的依赖关系出发，把一些信息重叠、具有错综复杂关系的变量归结为少数几个不相关的综合因子的一种多元统计分析方法。基本思想是：根据相关性大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量不相关或相关性较低，每组变量代表一个基本结构一即公共因子
6. excel做因子分析操作
在“数据”选项下的“分析”“分析工具”中，选择“方差分析：可重复的双因素分析”，确定后，选择输入区域、每一样本的行数及参数以及输入选项，确定，即可完成分析。
如果“数据”选项下，没有“分析工具”，请在Excel选项的“加载项”中，将“分析工具”添加到Excel加载项中。
扩展资料：
怎样用excel表进行可重复的双因素方差分析
1、首先我们打开电脑里的Excel软件，输入数据。这里是探讨的是光照和PH两因素是否对冬虫夏草子实体长度的作用。
2、然后我们点击数据，选择菜单栏最右边数据分析。
3、在弹出的窗口可以看多有很多选项，选择无重复方差分析，点击确认。
4、选择输入区域，即你的数据。选择输出数据，有三个选项，随便选择一个，这里演示为新工作表。另外，标志可以勾选。点击确认。
5、在这里我们可以看到分析出来的数据了，有方差，平均值。一般我们看F值和F crit值得大小就可以了。如果F>Fcrit，说明这个因素对结果有显著作用。在这里，明显可以看多F都小于F crit，说明PH和光照对虫草的出草长度无显著性差异。
7. 因子分析具体步骤
理论上，每一个案件都应该能够通过三段论的逻辑推理得出正确的结论。即便是疑难案件，我们也可以通过对法律和事实做出解释，使之最终完全吻合，得到一个满意的结论。实践中，对同一个事实、同一个法律规定，因为各种各样因素的影响，往往会造成不同的理解，最终使得结果大相径庭。法官的职责是解决纠纷或者处理一个问题。适用法律只是手段之一，所以案件事实和法律规定仅是影响法官作出裁判的因素之一。
实践中，法官个人的认知能力、知识结构、职级地位；当事人的情况；社会影响；法律本身等等都会成为法官作出最终裁判的影响因素。一个裁判总是在各种利益和价值充分冲突之后产生的，程序在某种程度上仅是这种冲突的表现或者载体。在一个案件中，各种价值取向往往难以取舍，影响价值衡量的因素具体而复杂。断定一个裁判者在接触案件之初就确定了裁判结果是不准确的。在裁判者视角，价值判断与法律和结果是相互作用的，一定是在各种因素充分发挥作用后，在综合利益权衡下做出的最终判断。
一、法律规范本身的限制
（一）法律漏洞的影响
法律的漏洞不可避免的存在，在实践中，对于法律漏洞的填补，特别依赖裁判者的认识。只有充分了解理论与实践的争议，才能更好的启发裁判者，与裁判者沟通并达成共识。这也给我们在制定诉讼方案时，选取何种诉讼策略、寻找何种法律依据提出了更高的要求。
（二）法律与实践的矛盾的影响
我国的社会经济生活，发展迅速，造成了法律跟不上实践的脚步。新生事物与法律的滞后性发生冲突。在具体的裁判中，对这种矛盾的理解也会影响裁判者的决定。
1. 司法解释
为了跟上社会发展的步伐，在法律制定后，通常会用司法解释做出细化规定或应对新问题的出现。甚至司法解释在相当程度上有替代法律的功能，或者某些法院为了避免一些冲突或批评刻意规避某一司法解释。所以在司法解释的选取上，法官有一定的操作空间，对司法解释不同的理解和运用使得司法解释一定程度被架空，有时候还不如各地法院内部的指导意见或会议精神更具有指向性，虽然判决并不援引这些意见。
司法解释也不是万能的，司法解释也可能出现相互冲突或者不同的法官诠释角度不同等问题。只要有进一步诠释的空间，在操作中就不可避免的产生分歧和争议，增加案件结论的不确定性。
2. 新法、旧法交替
社会快速发展，也会促进立法工作加速。我们不得不面对大量的新法旧法交替的场景。新法和旧法的问题实际上是法的溯及力的问题。新旧交替的阶段，可能会出现法院内部通过业务工作会等形式在本地区、本审判庭形成的倾向性意见更替。这就容易出现认识不同，并导致裁判结果的差异。比如新法酝酿或公布但未施行阶段就会有的激进法官采用新观点，或者新法施行后，对于应当适用旧法的案件，但旧法又规定不明确的情况，可能按照新法处理更具合理性。
法不溯及既往，但是为了体现公平正义，综合考量长远发展的要求，也可能在特例下，参照适用新法精神。
总之，法律规范本身是非常重要的，它不仅是价值衡量的工具，也影响着裁判者的价值衡量。
二、司法体系内的影响因素
（一）法官个人因素
1. 法官个人会对自己经常处理的案件形成类型化思维
在特定类型的案件，特定法官可能在阅卷、询问方法、责任分配比例等方面都有自己的思维定势。长期的思维定势会让法官认为自己的处理方式就是正确的，从而减弱探究法律意义的动力、抵触相反意见等等。而类型化思维对律师的专业性就提出了更高的要求。如此才能达到说服法官的目的。
2. 法官的知识结构也会对裁判产生影响
比如老法官相对受教育水平不高，甚至很多是退伍军人转业，老法官的关注点更多在解决问题，往往会导致和稀泥的局面。年轻法官多受精英法学教育，理论水平更高，但也可能过分注重法律的适用，囿于法条，导致教条主义。老法官和年轻法官对新事物的接受程度和理解程度也是不同的。所以基于法官个人的成长经历，认知能力的不同，律师在与法官对话时，也要适当的切换到法官的知识结构范围内。在相同的语境才更好沟通，不能一味的自说自话。
3. 法官的个人情感因素
每一个法官因为世界观、价值观、人生观的不同，导致在面对案件时，不可避免的夹杂感情因素。不同的法官关注的层面和角度不同，就会有不同的思路。法官的情绪会在沟通的过程中或者在相关文书中表露，律师需要做的是充分重视法官的个人情感因素的蛛丝马迹，做到有眼力见，有的放矢的引导法官把关注点放到案件本身，而不是过多被个人情绪左右。
4. 法官的职位也会对法官的判断产生影响
一位最高院的庭长指出“一般的法官更多的是考虑法律规范的具体运用和法律的逻辑演绎，考虑法律的技术层面操作；审判庭庭长在把握法律规则的基础上，可以更多地考虑司法政策的体现、引导和运用，注重裁判的政策导向性；法院院长在把握规则和司法政策的基础上，更多的是做政治考量，善于把握政治形势、政治目标、政治需求、政治价值”。
（二）审级对裁判的影响
不同的审级，法官的视野和肩负的功能、需要处理的利益是不同的，层级越高，裁判中的政治和政策考量越重，裁判中的法律适用越具有灵活性和创造性。反之，法院层级越低，固守法律规则的色彩越浓厚，法律适用的灵活性越小。所以律师要重视不同审级对裁判的影响。
1. 关于再审
法律重视预期和稳定，再审制度只是我国特殊形势下的变通产物，从维持既判力的角度，再审申请和改判的难度都是极大的。一般大错可能改判，小错一般都会被维持。当然再审作为捍卫正义的最后一道防线，肯定是主要起到纠错功能的，实践中，往往再审做成了解决纠纷、化解矛盾的功能也是需要重视的。
2. 关于二审
民商事案件的一二审，多集中于基层法院和中院。再审案件提一级，故再审案件多集中于中级以上法院。再如有些地区会规定，如果再审改判，二审是维持原判，责任在一审，二审是改判，责任在二审。现实中，为了和中院取得一致意见，基层法院也会设法与中院在裁判前进行沟通。综合各种因素和压力，二审多倾向维持原判。这就要求律师对案件的分析更加简单明了才行。
3. 关于一审
所有审级，肯定是基层法院的办案压力最大。一年需要办结几百个案件，巨大的压力使得法官难以保证每一个案件的裁判都是高质量的。一审法院发展情况不平衡性明显。经济发展水平，办案经验不同，最终得到的结果也会不一样。
总之，不同的审级有不同的视野，也有不同的关系需要平衡，在具体分析法官的因素及同类参考判例等情形时，审级都是不容忽视的问题。实践中，不能单纯地以对方当事人或以原审作为进攻对象，不能简单认为驳倒了对方的理由或驳倒了原审的裁判理由就会当然取得胜诉效果。
（三）法院运行机制的影响
1. 审判监督机制
法院在审判中，主要受同级人大、检察院、新闻媒体监督。人大监督主要从人常可以决定院长任命，人大代表可以对法院的工作报告进行投票。两个角度影响裁判。一些社会影响较大的案子，受到人大的关注，往往可能产生为了照顾社会效果而弱化法律效果的结果。检察院则通过抗诉和检查建议对裁判结果造成影响。新闻媒体对社会影响较大的案件的介入，也可能最终造成舆论断案的局面，所以新闻媒体的态度往往也会受到法院内部的重视。这一方面提示我们要注意规避这些影响力，另一方面也提示我们可以有效的利用各种监督机制，达到己方的诉讼目标。
2. 合议庭制度
实践中合议庭制度的效果并不明显，或因为案件多压力大，法院依然采用一人主办，其他法官临时拼凑的工作形式。庭长，院长，审委会在最终决定上有过大的权力，使得最终合议庭不能完全发挥作用，造成审者不能判，判者没有审的局面。
3. 审判考核机制
错案追究制度，结案率、调解率等等指标都在影响着法官在处理案件时的具体选择。这些考核奖惩机制使得法官要么不敢轻易判案，事事请示汇报。要么避重就轻，趋利避害。在法官自由裁量权的范围内，案件结果就会很不一样。
（四）司法政策的影响
司法政策一般体现在最法院不以司法解释形式发布的司法文件、会议纪要、谈话精神等当中。这些政策可能不予案件事实和法律规范直接相关，但却可以影响事实的认定和法律的适用，可以为裁判的不同结果提供依据。
1. 能动司法
主要说的是，法院的政策要积极回应党和国家重大工作部署，积极回应重大社会生活事件，积极回应时代变革带来的司法需求。
2. 裁判要取得法律效果和社会效果的统一
社会效果最高法没有明确的界定，大体就是指通过审判活动使得法的本质特征得以实现，实现法的正义、自由、秩序、效益等基本价值，从而使审判结果得到社会的公认，树立法律的公信力和权威。通俗的理解就是，一个裁判作出后，各方反应比较平静，都能服判。
3. 调解优先
由于办案压力巨大，调解是贯穿诉讼的全部过程的，有些类型的案件，法院也特别注重调解，甚至出现以判压调的现象。调解意味着妥协，让步。在提前预估案件走势，设计合理的诉讼方案是律师要充分考虑的。
总之，司法政策不止上述三种，各种司法政策，以及各地法院对司法政策的理解与执行情况又有不同，是导致同案不同判的重要因素。是律师设计诉讼方案，梳理具体诉讼理由时必须考虑的。不同的法院，有不同的人，不同的制度，需要面对不同的党政机关，服务不同的地区经济社会发展。使得各个法院出台不同的指导意见则需要具体问题具体分析。
三、司法体系外的影响因素
（一）当事人因素
1. 经济实力对裁判可能会产生影响
比如地方经济的龙头企业，税收支柱，在诉讼中，法院可能出于为地方经济保驾护航的角度，做适当倾斜。再如劳动争议案件，涉及赔偿金额可左可右的情况，法院会倾向让企业多出一点，一方面出于保护弱势群体，另一方面也是因为这笔金额对企业是小数，对劳动者是大事，劳动者因为不满申诉，上访也会带来更多的麻烦。另外当事人的诉讼成本也会影响裁判的结果，诉讼成本过高也利于推动当事人之间进行谈判，妥善解决纠纷。
2. 主观意愿是否强烈，也会对裁判产生影响
积极应诉，势在必得，这样的决心和积极性也可以感染裁判者。相反诉讼过程像走过场，各方面都不积极，也没有求胜欲望。自然在裁判中受到的倾斜照顾会少一些。
3. 对裁判结果的承受能力和关注重点也会在一定程度上影响裁判结果。
比如侵权人社会地位较高，可能他更注重自己的声誉，绝不能接受公开赔礼道歉，法官可能就会在裁判中协调确定赔偿金额多一些。如果一个裁判可能造成当事人闹出更大的事件，精神或物质承受不了，法官也会予以一定程度的考虑。
（二）社会经济政策的影响
在我国政治性是法院的本质属性，人民法院担负着重要的政治功能和职责，是国家治理和社会治理不可缺少的环节。
1. 国家政策对司法的影响
司法服务经济社会发展大局是一贯的，司法对国家政策的回应主要体现在司法文件积极回应政治要求；法院直接援引国家政策。有明文规定的，按法律办；没有明文规定的，按政策办；法律和政策都没有明文规定的，一切从实际出发。按符合“三个有利于”的标准衡量。
2. 部门及地方政策对司法的影响
对部门和地方的政策，法院在司法过程中会给予充分尊重。部门和地方的意见、态度，代表了重要的利益，往往会影响司法解释的制定。部门和地方在司法解释制定过程中的影响，包括司法部门主动考虑也包括部门和地方积极推动。在具体个案，涉及重大影响，重大利益，法院和部门及地方也会积极联动，法院可能主动适用部门或地方政府规章，取得更适合对方利益的结果，部门和地方也可能主动施压，以在个案中取得倾向性的结果。
总而言之，一个诉讼案件往往并非单纯的法律纠纷，裁判需要考虑的因素非常复杂和具体。每个裁判者关注的角度和方面又不一样。法院和法官只能做到相对独立，有时候是案件事实和法律规则本身决定一个案件，有时候法官决定一个案件，有时候法院决定一个案件，有时候政治社会经济环境决定一个案件，更多的是多种因素交织在一起共同产生影响。作为律师必须精心设计诉讼方案，运用有利因素，避免和限制不利的因素，尽可能为当事人争取最大的利益。
8. 什么样的数据适合做因子分析
我们通常把财务分析分为两类：
第一类：狭义的财务分析 - 以财务报表为基础。
第二类：广义的财务分析 - 结合企业实际经营情况。
第一类，简单介绍一下分析的内容：财务管理建设模型。
第二类：框架、思维与要点：集团型企业的 BI 经营分析如何做？
财务管理建设模型
建立财务驾驶舱，指标：资产、负债、利润、现金流、存货等，以下 by 派可数据财务分析案例（ 数据均已脱敏 ）。
利润分析。分析企业利润总额、累计利润总额、净利润、累计净利润、营业利润率、净利润率及同环比情况。
营业利润趋势分析、年利润对比分析、月利润对比分析情况。
收入分析。营业总收入、累计营业总收入、主营业务收入、累计主营业务收入、其他业务收入、累计其他业务收入及同环比情况。
年收入分析趋势，联动月收入情况趋势分析。
主要收入类型占比情况 —— 主营业务收入、营业外收入、其他业务收入及趋势分析情况。
成本费用分析。营业成本、主营业务成本、期间费用、财务费用、管理费用、销售费用及同环比情况。
不同年份费用率对比情况 —— 期间费用率、成本费用利润率、财务费用率、管理费用率、销售费用率年及月度趋势情况。
年期间费用对比分析，联动到期间费用占比分析。
年成本对比分析，联动到月成本对比分析。
资产负债分析，资产合计、负债合计、所有者权益合计等。
资产负债率月度趋势分析。
资产负债总体情况分析，通过下钻可以看到不同月份不同资产、负债和所有者权益情况。
各项目分析钻取分析，例如通过下钻流动资产可以看到货币资金、应收账款、其他应收款、交易性金融资产、应收股利等情况。
应收账款、应付账款月度趋势分析，及同环比情况。
资产负债总体分析，可以通过下钻钻取到不同的项目。
资产总体情况、资产变化趋势等。
资产项目分析，流动资产、非流动资产分析。
不同的资产项目占比分析，例如流动资产中应收账款、应收票据、预付款项、存货、交易性金融资产等分析。
负债与所有者权益情况分析。
财务能力指标分析 – 净资产收益率、存货周转率、流动比率、总资产报酬率、应收账款周转率、速动比率分析等。
盈利能力指标分析 —— 净资产收益率、营业利润率、营业毛利率、成本费用利润率、净利润率、总资产净利率、营业净利率、主营业务毛利率、主营业务利润率、总资产报酬率、资本收益率、股本报酬率分析等。
营运能力指标分析 —— 固定资产周转率、应收账款周转率、股东权益周转率、存货周转率、总资产利润率、流动资产周转率、应收账款周转天数、存货周转天数等趋势分析。
偿债能力分析 —— 流动比率、速动比率、现金比率、资产负债率、营运比率、长期负债比率等。
发展能力分析 —— 总资产增长率、固定资产增长率、资本保值增值率分析等。
其他能力分析 —— 销售费用率、管理费用率、财务费用率、期间费用率、固定资产比率、应付账款周转率、主营业务成本率、销售利润率等趋势分析。
税负分析 —— 税金合计、应交增值税、应交所得税、应交城市维护建设税、应交教育附加、印花税等同环比分析、年度、月度趋势及占比情况。
框架、思维与要点：集团型企业的 BI 经营分析如何做？
在目前国内大部分的商业智能 BI 项目中，项目的发起与启动都是从单一的业务领域或者部门发起的，比如财务、销售、运营等部门，基本上都是由小往大、由点及面，很少一上来直接就从集团层面从顶层全面铺开整体规划。一方面有资金、人力投入成本因素的考虑，另外一方面在于项目的磨合、经验的积累。就如同打仗一样，先从小规模的作战、局部战争开始积累与培养人才与技术经验，再到最后大手笔来组织兵团级别的战役。
但也有越来越多的自身 IT 基础信息化能力沉淀比较好的集团性企业，为了更加长远的规划与考虑，需要从一开始就要有一个相对明确的建设方向和思路，因此整体性和框架性思维就很重要。
派可数据集团经营分析案例
基于我们多年在集团型企业项目建设上的经验，给大家简单总结一下。
说明：本文案例所演示的数据均已做脱敏处理，包括部分维度数据。为了突出一些比较，有些数据在实际业务中可能并不合理，请读者忽略，重点在于理解一些分析思路与框架。
一. 集团型企业成长轨迹与挑战
在讲集团化企业 BI 经营分析建设之前，先了解一下集团型企业的成长轨迹。集团型企业在早期都是通过单一业务开始的，逐步随着我国改革开放的进程以及经济宏观政策的调整，出现了很多新的经济热点。
这些企业在参与社会经济建设的过程中也成功的抓住了这些经济热点并得以壮大发展，通过兼并重组、新设、合资等逐步进入了新的事业领域，最后对外就呈现出来了一种多组织、多业务、多业态的企业集团。
当然，集团化的企业在发展过程中也会面临各种各样的挑战，例如战略协同、集团化管控、财务与风险管控、人才管理与激励等等，这就要求集团化企业需要通过 IT 技术信息化的手段来梳理企业的各类业务协同与管理流程，提升透明度和加快工作效率。
同时，集团化企业在面对这些挑战的时候就不得不对其增长模式、盈利模式、耦合模式做出更加深入的思考，而这些模式的背后一切都离不开数据的支撑，对数据分析结果的论证、判断与决策。
二. 集团型企业经营分析框架
对于集团型企业的经营分析还是一个比较复杂的、系统性的工程，对参与到经营分析的团队和个人需要具备整体性的框架分析思维，也需要具备局部细节的探究能力，更需要具备例如财务、业务、组织管理、行业知识等相关学习和总结能力，同时还要求对数据有比较高的敏感性和很强的数据逻辑能力、洞察力。
对于不同规模、不同行业、不同形态、不同管理方式的集团型企业分析的深度和广度无法完全囊括，但对于很多分析思路而言还是有很多共通性的。比如财务报表分析，基本对每一家企业而言都是相对标准和统一的，可以从比较宏观的角度了解一家企业的财务与经营业绩。
但单纯的财务报表分析是无法全面衡量企业具体职能领域和具体业务活动的业绩表现，所以更多的时候是需要结合财务与实际的业务一起形成联动，对企业的经营做全盘的了解。
专业的财务分析不在本篇文章展开，对于专业的财务分析可以看一些上市公司的年报，这里只从集团型企业经营分析的视角结合一定的财务视角来展开。
集团收入、利润、资金与预算情况
从集团层面首先重点应关注的就是集团收入、利润、资金以及预算执行情况。从营业收入了解到集团目前的收入规模，离预算指标差额、完成率情况；从利润了解到集团目前的利润、预算指标及完成率执行情况；包括目前的资金（主要是流动资金）情况和营业收入、利润近今年的同比情况。
集团经营分析总体指标
如果单纯的从集团层面看以上这些指标分析不出来什么问题，所以就要从构成集团的重要结构，即业务板块来分析。
集团板块收入与预算执行情况
从上面的三张图中基本上对集团的重点业务一目了然，可以清晰的看出在这家集团型企业中房地产的收入以 130亿的收入规模贡献达到了 80%，其次新能源的达到了 17%，家具制造业 1.4%，其它的基本上就可以忽略不计，都在1%以下。所以对于这家集团，房地产板块的业务就是它的主营业务，新能源次之。
实际上，每一家集团对自己的重点的主营业务太熟悉太了解了，基本上不用分析就能知道，在这里重点实际上要关注的有几个方面的点：
第一，集团有无需要战略转型的业务要开拓与发展，当前这个业务发展的如何。尽管这个新开展的业务可能暂时收入规模还不大，但总体趋势可能是比较不错的，所以重点分析的实际上反而是新领域、新业务的拓展情况。
第二，在战略转型的过程中，目标是既要保持集团总体收入规模的增长，同时也要下降主营业务的比重。这一点意思就很明确，主营业务也要增长，其它重点新开拓的业务也要增长，但是其它重点业务增长的速度要远远高于主营业务。
集团板块利润与预算执行情况
单纯的看集团的利润分析感觉不到太大的问题，但是结合收入来看，对比就会很强烈。房地产行业的收入贡献在集团达到了 80%，但是利润贡献却只有 30%左右，0.32 亿元。反而，新能源的收入贡献只有 17%，但对集团的利润贡献却达到了41%，0.43亿元。同时，有一个在收入规模上完全被忽略掉的家具制造业以 2.36亿，1.4%的收入占比贡献了 28% 的利润贡献。
因为数据做了一些处理，我们暂且忽略行业和数据真实性，来思考以下几个问题：
1. 在一家集团型企业中是否存在收入规模大，但是盈利不足的业务板块比如 A 板块。但同时也存在着收入贡献占比不多，但是盈利能力却很强的业务板块，例如 B 板块 ？
2. A 板块是朝阳产业、还是夕阳产业，在未来的 5-10 年中是否能够维持这种规模收入增长，在以往的几年时间收入增长率怎么样 ？
3. B 板块是朝阳产业、还是夕阳产业，在未来的 5-10 年中是否有足够的市场增长空间和天花板，目前的增长速度能够保持多长时间 ？
这种思考都是战略层面的深度思考，进攻的产业有哪些？ 防守的产业有哪些？防守到什么时候就可以抛弃？ 进攻到什么阶段会遇到阻力，这种阻力能够承受到什么时候？
最后又看了下资金情况，可以按照主产业与次要产业看看货币资金、应收票据、应收账款、存货的情况。有多少现金在手上，有多少是别人欠我的，主要是哪些板块欠的比较多，还有多少压在手上、仓库里没有卖出去。
以上的几个点基本上要重点体现出来的就是：收入决定发展规模，利润决定发展质量。还有，整个过程完成的好不好，有没有达到预算执行目标，每个数据的表现都是需要仔细考虑和反馈的。为什么完成的比较好，为什么没有完成，都需要认真思考。
毛利、毛利率的分析定位
在分析上面的收入和利润过程中，大家可能会感觉总少了一点什么，比如毛利、毛利率。确实如此，毛利、毛利率的分析非常重要，但之所以没有放到集团层面去考虑主要有这么几个重点因素：
第一，毛利比较高的业务板块不一定是企业集团的重点收入板块，单纯比较毛利是比较局限的。比如上面有些业态即使毛利再高，但是由于收入规模很小，最终利润贡献也会小到忽略不计，达不到集团重点的经营分析层面。
第二，集团层面的毛利分析一定是放在重点收入业务板块和重点、新关注的业务板块。重点收入业务板块在很大程度上决定了企业集团的收入规模大小，它的毛利对最终利润水平非常重要。重点、新关注的业务板块代表了集团未来的重点业务、新领域、新市场的开拓，在未来收入达到一定的增速、水平和规模的时候，毛利的高低直接影响最终利润的规模大小。
所以对于集团型企业而言，对于毛利水平的分析一定是围绕收入规模占比大的业务板块或是决定未来集团战略转型的新业务板块，或者是老业务板块中的新产品线。因此，关于毛利和毛利率的分析是需要从集团层面下沉到具体的业务板块、业务板块的重点企业、重点企业的重点产品线或新产品线这样的一种分析和比较。
简单总结，毛利、毛利率的分析结构：
1. 集团 -> 重点业务板块 -> 重点企业 -> 重点产品线。
2. 集团 -> 重点业务板块 -> 重点企业 -> 新产品线。
3. 集团 -> 新业务板块。
财务报表视角下的企业
在上面提到的经营分析中，实际上也会涉及到大量的财务分析指标，可以结合集团企业的实际情况从宏观的例如盈利能力、风险控制能力、成长能力三个层面、六个关键点来评价企业整体财务表现。
1. 盈利能力主要体现在获利性和资产使用效率两个方面：
获利性 —— 在同等业务量和营业收入水平下，降低成本以产生更多利润的能力，即如何最大化利润表的 最终行 Bottom Line （净利润）。
资产使用效率 —— 在同等资源占用和生产能力（资产规模）下，取得更高业务量、营业收入或现金流入的能力，即如何最大化利润表的第一行 Top Line （营业收入）或最大化经营利润的变现速度。
2. 财务风险控制能力主要体现在流动性、偿付性和财务结构三个方面：
流动性 —— 现金是否足够支撑日常运营的支出，以及流动负债是否可由足够的流动资产来偿还，即评价企业的短期偿债能力。
偿付性 —— 企业是否可以偿还长期负债，企业的长期偿债能力如何。
财务结构 —— 资本中不同股权与债权的比例，不同比例下财务杠杆作用以及对利润的影响。
3. 成长能力主要体现在经营增长方面：
经营增长 —— 企业在长期发展中业务量规模的扩张程度，资源投入的增加速度，以及所带来的收入和盈利的增长速度。
反映以上三个层次六大关注点的财务指标有很多，集团型企业也需要根据自身运营特点，围绕这个基本的财务分析框架来选择合适的财务指标进行科学评价。
行业影响、市场影响因素
任何数据的解读都离不开行业性，尤其是集团型的在收入规模达到一定水平下的企业，行业与市场因素对收入、毛利、利润的影响都会非常大，以下面几个行业为例：
光伏发电行业 - 资金密集性行业，主要以自有资金、银行借款、融资性租赁来筹措资金，整体负债较高。如未来宏观经济形势发生不利变化或信贷收缩，公司业务的持续发展可能会受到不利影响。同时，光伏电站项目投产到进入补贴名录时间较长，可再生能源基金收缴结算周期较长等因素，导致国家财政部发放可再生能源补贴存在一定的滞后，对标的公司现金流压力比较大。
医药行业 - 第一，容易受市场政策影响，例如：2019年国家卫健委发布的《关于印发第一批国家重点监控合理用药药品目录（化药及生物制品） 的通知》，对西医开具中药处方加强了管理，可能会导致中药品种在部分医院的处方和推广面临困难。第二，医保和基药目录产品进入医院需要通过药品招标采购流程，受医保支付压力影响，近年的招标采购中降价成为普遍的趋势。 第三，国家对通过一致性评价的产品实施带量采购，药品价格降幅明显。包括受环保等政策影响，近年来化学原料药价格大幅上涨，未来几年仍可能继续小幅上涨。
化工行业 - 化工行业主要上游行业为石化行业，市场波动受国际原油价格直接影响，下游行业多为民生行业，受宏观经济影响很大。包括主要原材料价格波动引发的成本增加无法直接向市场客户进行转移，利润空间缩小。同时，因安全生产监管、环保监管等各个方面的原因，企业的生产经营也会受到比较大的影响。
通过行业分析，了解所在行业整体发展收入规模、行业收入增速、整体毛利、利润情况对比集团各业务板块实际发展情况，以及在行业中处于一个什么样的市场位置基本上就可以大概判断出集团主要业务板块在市场的竞争力表现。行业收入增速快，但业务板块收入水平明显低于行业平均水平，是市场品牌宣传力度不够、市场没有打开还是产品竞争力不够，到底是哪些因素的影响 ？ 行业细分领域毛利率整体水平高，但在该行业业态下的企业毛利率水平低下，又是哪些因素导致的 ？只有将数据置身于行业水平来对比了解，这样才更容易找到与行业内头部企业的差距，以及不断思考怎样做才能做得更好。
业态 - 企业 - 产品线，企业重点调整与决策影响的考虑
对于重点业态下的重点企业，重点业态下的重点产品线以及涉及到集团产业升级、战略调整目标下的新业态、新业务领域、新产品线均应该纳入到集团经营层面进行深入分析，重点仍然分析的是收入、成本、毛利、费用与利润。
重点业态追求效率。对重点业态的关注除了对收入规模的关注外，重点关注的是利润水平，因为重点业态的发展跟随行业发展水平可能增速已经达到一定的瓶颈，在发展增速能够保持在一定水平的前提下，通过对成本、费用的控制来提升利润率水平，本质上追求的是效率的提升。
新业态追求规模和占有率。对新业态的关注重点放在收入增长规模的变化，代表了集团型企业未来变革、升级转型的趋势和方向，寻找增长第二级，以市场占有率为目标，本质上这个阶段追求的是市场规模。
同时，也应该注意到集团型企业在未来一到两年重点决策的改变对各个业态下在收入、成本、毛利、费用和利润以及资金运作等方面的影响。例如在北京地区，因为产业调整、环保政策、安全等各个方面的原因，对很多企业特别是传统生产制造、化工行业就有很大的影响，特定环境下的停工停产、人力成本的上升、上下游产业链的重塑、物流成本的增加等都促使集团型企业需要从整体来考虑如何应对。
三. 总结
基本上到这里，围绕集团型企业的重点经营分析的介绍就可以告一个段落，大家也可以从中看到其复杂性，实际上是综合了财务、业务、经营管理、行业因素等各个方面的考虑，最终要形成一个对集团高层管理决策有价值的一种可视化分析，让他们能够从各种不同的视角对集团经营有一个相对比较全面的了解。
在这个过程中，我始终认为业务永远是第一位的，商业智能 BI 的作用和目的是用以一种更加便捷和简单的方式来解读业务，从总到分、自上而下的回答在业务解读过程中的各种问题。这就要求在项目建设过程中，商业智能 BI 实施交付的方法论要紧扣业务本身，呈现重点目标数据、体现集团经营管理思路、定位问题和发现问题。最终，商业智能 BI 仍然要回归到业务、回归到管理本身，帮助企业提升决策的效率与质量。
9. 因子分析可以用面板数据吗
进行因子分析的前提条件是,各变量之间应该低度相关。 因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的,但又无法直接测量到的隐性变量。因此因子分析的首要前提就是各个变量之间应该具有一定的相关度,不要求相关度过高,只是低度相关。
比如,如果要测量学生的学习积极性,课堂中的积极参与，作业完成情况，以及课外阅读时间可以用来反应积极性。而学习成绩可以用期中，期末成绩来反应。在这里，学习积极性与学习成绩是无法直接用一个测度测准，它们必须用一组测度方法来测量，然后把测量结果结合起来，才能更准确地把握。
- 相关评论
- 我要评论
-
