主成分分析法能够较为准确的对企业效益进行分析，因此本文将采用主成分分析法。

1。2服装上市公司现状

从最近服装上市公司发布的财务报表来看，这些公司的业绩下滑或缓慢增长成为普遍现象。究其原因，一方面是受到中国经济增速放缓，消费者信心不足等宏观环境的影响，整个服装行业很难保持以往的增长速度；另一方面是由于经营成本增加，品牌红利增长模式难以再续；此外，市场竞争激烈，服装行业需求依旧疲软，终端销售压力增大，盈利空间减少，导致公司的利润下滑。同时还发现，由于受到气候因素的影响，使得公司积累了大量库存，公司为了处理存货不得不采取降价销售，从而也导致公司的利润减少，影响了公司的效益。因此，我们必须对服装公司的效益进行分析，找到公司未来变革与调整的方向，改变服装行业的经营模式，提高服装公司的经营效率。

第二章  主成分分析概述

2。1主成分分析研究状况

主成分概念是由K。皮尔森提出的的，但是只是针对非随机变量来讨论的。然后H。霍特林将这个概念推广到随机向量，它是多元统计的重要内容。现在，主成分分析已经开发成多类应用软件，比如在SPSS , SAS中都可以直接运用。主成分分析还可以与其他方法结合起来使用，如与回归分析结合就是主成分回归，它能够克服回归问题中因为自变量之间的高度相关而产生的困难。

如今，主成分分析被广泛的运用于多个邻域，如主成分分析对企业的效益分析与预测，主成分分析对教育发展状况的评价，主成分分析在蛋白质质谱中的研究，主成分分析在高光谱遥感矿物信息特征中的研究，其研究结果与实际情况基本一致，因此具有很强的实际意义。

2。2主成分分析原理

主成分分析是将多个指标化为几个综合指标的一种方法，在实际问题中，我们经常会遇到多变量的问题。在大多数情况下，不同的变量间具有一定的相关性。由于变量之间具有相关性，就意味着观测的数据所反映的信息有一定程度的重叠，并且变量较多时增加了分析问题的复杂性。主成分分析将多余的变量去掉，得到两两不相关的新变量，同时根据实际需要，使新变量尽可能多的代表原来变量的信息。

2。3主成分分析内容

2。3。1基本思想：

在实际问题的研究中，为了能够全面科学的分析问题，我们必须考虑众多的因素，而这些因素在统计分析中称为变量。而变量之间具有一定的相关性，主成分分析是设法把原来众多具有相关性的指标，重新组合成一组新的无关的综合指标。通常的做法是将原来的指标组成线性组合，来作为新的指标。但线性组合可以有很多，我们该如何选取呢？将选取的第一个综合指标记为U1，我们当然希望U1能够尽可能的反映原来指标的信息，这里的信息最经典的表达方法就是用U1的方差来表示，方差越大，表明U1包含的信息越多。所以，U1是所有线性组合中方差最大的，把U1称为第一主成分。如果U1不能够完全代表原来指标的信息，就选取第二个主成分U2，而且U1的信息不再出现在U2中，依次类推，来构造第三，四······个主成分。不难知道这些主成分之间是不相关的，并且它们的方差是递减的。在实际工作中，我们只需挑选前面几个最大的主成分，虽然这样会遗漏一些信息，但它也使我们抓住了主要矛盾并且提取了一些新的信息，在实际问题的解决中利大于弊，有利于问题的分析和处理。文献综述