Abstract

Am preluat date pentru 80 de firme din orasele Bucuresti, Brasov, Oradea, Cluj,
Constanta,Timisoara. Firme au ca activitate comertul cu ridicata sau cu amanuntul in domeniul
medical/farmceutic, textile si pielarie, materiale lemnoase, bunuri de uz gospodaresc, fucte si
legume, fierarie, produse de panificatie si lactate.

Pentru a calcula indicatorii finaciari care sa releve santatatea financiara a acestor firme, am
preluat urmatoarele date in Excel: Profit net, Profit brut, Active circulante, Active totale,
Capitaluri.

Calcularea si interpretarea variabilelor

Formulele de calcul pentru variabile se gasesc in Anexa 1

ROE=return on equity: performanta neta a capitalurilor societatii, cele aduse de investitori,

profitul curent si cel neridicat- sub forma de rezerve si profit nerepartizat;

ROA= performanta neta a activelor societatii dupa calculul impozitului pe profit

REPB= performanta bruta a activelor societatii inainte de calculul impozitului pe profit

RE=rentabilitatea economica. Marimea absoluta a rentabilitatii este profitul (pierderea), iar

gradul in care capitalurile implicate sau resursele utilizate aduc profit reprezinta rata de
rentabilitate (marime relativa de masurare a profitului).
Solv=ponderea capitalurilor din activele totale; releva capacitatea firmei de a plati datoriile
scadente

Obs: Am pastrat valoarea relativa si nu cea procentuala a variabilelor, deoarece inmultirea cu

100 duce la valori prea mari si ingreunau interpretarea rezultatelor in SAS.
 1. Identificarea OUTLIER-ilor

Analiza univariata

Tab. 1

Lowest value si Highest Value se incadreaza in intervalul (mean- 3*std dev; mean + 3*std dev).
Asadar, nu exista outlieri, deci nu se elimina nicio observatie din analiza.

Proc Corr

Tab. 2

Nu am eliminat nicio variabila din analiza.

 2. Analiza componentelor principale
Dupa standardizarea datelor am inceput analzia multivariate a datelor. Tabela ce contine datele
standardizate am denumit-o Stndtest.

2.1. Stabilirea numarului componentelor principale:

Am pastrat in analiza primele doua componente principale conform criteriiilor:

 Criteriul procentului de acoperire: prima componenta principala retine 51% din

informatie, iar a doua componenta aduna cea mai mare varianta dupa prima componenta,
38%, dar mai putin decat prima component principala. Cumulativ, primele doua
componente principale retin 89% din informatie

Tab. 3

 Criterul lui Kaiser: datele fiind standardizate, componentele principale cu valori

proprii>1 se pastreaza in analiza(primele doua asa cum se observa in Tab. 3)

 Aplicand si criteriul pantei(unghiul format de dreapta trasata pe grafic formeaza un

unghi mult diferit de zero) pentru validarea numarului de componente principale
retinute in analiza, se observa ca acelasi numar de componente principale(2) poate fi
retinut in analiza.
Fig. 1

Se poate observa ca, incepand cu componetna a treia, linia devine din ce in ce mai plata, unghiul
pantei se apropie de zero, acumulandu-se din ce in ce mai putin varianta.

Conform acestor criterii, se pastreaza in analiza doar primele doua componente principale.

Asadar, prin ACP am redus numarul de variabile observate la doua componente principale care
conserva varianta maxima.

2.2. Importanta variabilelor originale in analiza celor 2 componente principale

In tabelul vectorilor proprii, coeficienti ai combinatiilor liniare ale celor doua componente
principale cuantifica importanta fiecarei variabile originale. Coeficienti cu valori mai mari de 0.5
au inregistrat variabilele:

 Pentru prima componenta principala: Rentabilitatea economica a profitului

brut(REPB),Solventa(Solv) si Performanta activelor societatii dupa impozitarea
profitului(ROA)
 Pentru a doua componenta principala: Rentabilitatea economica(RE) si Performanta neta
a capitalului(ROE)
Dupa cum se poate observa si din tabelul Component Pattern Profiles, pentru prima componenta
principala(reprezentata prin linia continua) variabilele REPB, ROA si Solv au cei mai mari
coefiecienti de corelatie, iar pentru a doua componenta principala(linia intrerupta) variabilele
ROE si RE sunt cele mai importante in analiza acesteia.
2.3. Interpretarea componentelor principale

 Prima componenta principala ofera informatii despre performanta activelor firmelor

analizate si modul in care ele contribuie la sanatatea financiara a firmelor
 A doua componenta principala ofera informatii despre performanta capitalurilor
firmelor analizate
Obsevatiile 60 si 65 ies din norul de puncte. Despre Firma 65 se poate spune ca detine active
care performeaza bine dar nu poate monetize, in sensul ca capitalurile proprii nu performeaza la
fel de bine pemtru a asigura profitabilitatea companiei pe termen lung.

Firma 60 are probleme in a-si plati datoriile pe termen scurt si se poate afla in risc de insolventa,
deoarece atat activele, cat si capitalurile inregistreaza valori negative.

2.4. Confirmare rezultate ACP(Princomp Procedure) prin pocedura Proc Corr

Rezultatele obtinute in urma rularii procedurii proc cor confirma importanta variabilelor
originale in analiza componenetelor principale. Pentru fiecare dintre cele doua componente
principale, aceleasi variabile au demonstrat a fi cele mai importante in analiza acestora.
 3. Analiza factoriala
Matricea factor reprezinta matricea corelatiilor dintre variabilele originale si componentele
principale.

Procedura Factor/Metoda factorului initial:

3.1. Criterii de stabilire a numarului de factori:
 Criteriul Mineigen(Corespondnet Criteriului Kaiser ACP) : 2 factori
 Criteriul Pantei/Scree Plot: 2 factori
Panta imaginara care uneste punctele din grafic cunoaste o ruptura incepand cu factorul 2. Se
acumuleaza din ce in ce mai putina varianta.

3.2. Procedura factorilor rotiti

Prin rotirea axelor, coeficientii sunt mult mai bine orientati. Rezultatele ACP se confirma cu
exceptia facptului ca variabila Solventa inregistreaza un scor mai mic, 0.7.

Coeficienti mari de corelatie:

Factor 1: Acest factor poate fi numit Performanta activelor societatii, deoarece cele doua rate
masoara rentabilitatea profitului inainte de impozitare(REPB) si dupa impozitare(ROA).

Factor 2: Acest factor poate fi numit Performanta capitalurilor, deoarece cei doi indicatori
releva sursele din care provine profitul sau cauzele care provoaca pierdere la sfarsitul unui an.
Capitalurile fie sunt rezultatul unui apot direct, fie al autofinantarii. Remunerarea capitalurilor
proprii se face din profitul net.

Proportia variantei fiecarei variabile explicate de factorii retinuti dupa rotatie. Din acest tabel
rezulta ca toate variabilele sunt bine reprezentate in spatial factorilor comuni, datorita valorilor
mari ale variantelor.
 4. Analiza Cluster
4.1. Criterii de stabilire a numarului optim de clustere:

Criteriul CCC: valoarea apropiata de 4 corepunde unui numar optim de clustere egal cu 2

Criteriul Pseudo F: cea mai mare valoare din outputul SAS orienteaza catre un numar de
clustere=2

Criteriul Pseudo T2: indica un numar de 3 clustere, deoarece cea mai brusca crestere este de la
52.5 la 73.2, iar numarul “bun” de clustere este cel din dreptul valorii mai mici.

Conform criteriilor CCC si pseudo F, numarul optim de clustere este 2.

Dendrograma

Conform graficului, numarul optim de clustere este [Link] este trasata in dreptul celei mai mari
distante, rupturi.

4.2. Structura clusterelor

Clusterul 1: 79 de observatii au fost incadrate in acest cluster care releva sanatatea financiara
a firmelor. Firmele sunt capabile sa isi acopere datoriile pe termen scurt, activele si
capitalurile performeaza bine astfel incat firmele nu sunt in risc de insolventa

Clusterul 2:Observatia 65 a fost atribuita acestui cluster si se afla in risc de insolventa.

Aceeasi firma 65 a fost identificata cu fiind neperformanta din punct de vedere al
capitalurilor la Analiza Componentelor Principale. Analiza Cluster ne releva informatii mai
exacte despre aceasta, fiind atribuita clasei 2, Risc de insolventa.
 5. Analiza Discriminant
5.1. Class level information

79 de observatii au fost incadrate in prima clasa si o singura firma a fost incadrata in a doua
clasa. Aceasta este observatia/firma 65, care si in analiza Cluster a fost identificata ca fiind
neperformanta.

5.2. Liniar discriminant Function

 5.3. Resubstitution

Indicator al abilitatii de predictive a clasificatorului

Toate cele 80 de observatii(firme) au fost atribuite corect claselor reale.