表2.1 描述性统计结果

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation Variance

净资产收益率 40 2.57 20.72 9.0025 4.93879 24.392

总资产报酬率 40 .86 6.91 3.0002 1.64678 2.712

资产负债率 40 11.16 89.80 39.0105 21.39949 457.938

总资产周转率 40 .01 .45 .1418 .14040 .020

总资产增长率 40 5.15 74.31 28.4800 18.49338 342.005

产权比率 40 29.35 449.00 1.9677E2 107.49238 1.155E4

销售增长率 40 .05 .74 .2842 .18486 .034

资本积累率 40 .01 .19 .0857 .04260 .002

Valid N (listwise) 40

    表2.1给出了描述性统计分析的结果，从表中可以看出净资产收益率的最小值为2.57、最大值为20.72、均值为9.0025、标准差为4.93876、方差为24.392；总资产报酬率的最小值为0.86、最大值为6.91、均值为3.0002、标准差为1.64678、方差为2.712；资产负债率的最小值为11.16、最大值为89.80、均值为39.0105、标准差为21.39949、方差为457.938,其他的指标以此类推。

3  方差分析

    方差分析又称“变异数分析”或“ 检验”，用于两个及两个以上样本均数差别的显著性检验[3]。方差分析从对观测变量的方差分解入手，通过推断控制变量各水平下各观测变量总体的均值是否存在显著差异，分析控制变量是否给观测变量带来了显著影响，进而再对控制变量各个水平对观测变量影响的程度进行剖析。其中，观测变量为一个以上的方差分析称为多元方差分析。

3.1  广义线性模型（GLM）下多元正态分布相关方差分析文献综述

     广义线性模型（generalized linear model, GLM)[4]是简单最小二乘回归（ordinarily least squares OLS)的扩展，在 的假设中，响应变量是连续数值，数据且服从正态分布，而且响应变量期望值与预测变量之间的关系是线性关系。而广义线性模型则放宽其假设条件，首先响应变量可以是正整数或分类数据，其分布为某指数分布族。其次响应变量期望值的函数（连接函数）与预测变量之间的关系为线性关系。