Page 101 - 臺大管理論叢第33卷第1期

NTU Management Review Vol. 33 No. 1 Apr. 2023

降維消除變數之間的共線性問題。另外，主成分分析也存在諸如精度降低、分析得
出的主變數解釋性較差等問題，因此需要對主成分分析結果進行 KMO 和 SMC 檢
驗，具體的檢驗結果在下文呈現。
本文選取特徵值大於 1 的前五的主成分作為構建物流企業治理水準指數的依
據，相關因數載荷矩陣如下表 2：

表 2 前五的主成分因數載荷分析結果

二級指標 指標縮寫 Comp1 Comp2 Comp3 Comp4 Comp5
股權集中度 G 1 -0.050 0.013 0.167 0.504 -0.664
A 股流通比例 G 2 -0.214 -0.246 -0.173 0.100 0.466
是否同時境外上市 G 3 -0.047 0.224 -0.103 -0.626 -0.303
董事會持股比例 G 4 0.383 -0.040 0.247 -0.116 0.097
高管持股比例 G 5 0.390 -0.003 0.230 -0.071 0.077
職位重疊 D 1 0.180 0.117 -0.147 0.292 0.046
董事會規模 D 2 -0.244 0.039 0.458 -0.190 -0.023
獨立董事比例 D 3 0.150 0.109 -0.535 -0.042 -0.180
董事會薪酬 X 1 0.011 0.404 0.102 0.196 0.371
高管薪酬 X 2 -0.041 0.433 0.013 0.120 0.141
解釋占比 21.51% 20.38% 14.08% 11.76% 10.44%

每一列的數值表示對應主成分與該指標間的相關係數，前五主成分的總體代表
性為 78.17%，進一步將上述主成分進行處理，更進一步使用各個主成分相關係數乘
以該主成分方差解釋度再除以總的累計解釋度，得出各個主成分基於方差貢獻下的

相關係數；各個主成分對應變數係數橫向相加計算出綜合相關指標係數，歸一化處
理得出物流企業治理水準綜合評價指標：

G index = -0.0139G –0.1564G –0.2190G +0.2744G +0.3000G +0.2107D –0.0125D –
5
4
1
1
3
2
2
0.1160D +0.4184X +0.2864X 。
1
2
3
接續我們對主成分分析結果進行 KMO 和 SMC 雙重檢驗，以評價運用主成分
分析的合理性及結果的有效性，具體結果如下表 3：
KMO 檢驗是對變數之間相關性強弱常用的測試方法，取值為 0 ~ 1，目前學界
普遍認為 KMO > 0.9 表示變數之間相關性很強，非常適合使用主成分分析進行降維；
KMO > 0.8 為合適；KMO > 0.7 則主成分分析效果一般；KMO < 0.6 主成分分析失效。
上列表 2 中各個變數的 KMO 值均大於 0.6，除各別指標外其他指標均大於 0.7，表
示使用主成分分析是合理的有效的。又，SMC 檢驗也是對變數之間進行的相關性測
試，值越大表明變數之間的相關性越強，越適合使用主成分分析應對多指標之間的

93