一、问题提出

最早对竞争力（Competitiveness）进行系统研究的当属美国产业经济学家Michael Porter，他研究的主要是企业竞争力，认为劳动生产率就是企业竞争力，而商业银行是一个特殊的金融企业，商业银行竞争力也属于企业竞争力。在商业银行竞争力研究方面，国外多用的是效率（Efficiency）的字眼，对商业银行效率的研究主要经历了三个阶段：规模效率，即商业银行规模和其效率之间的关系，主要有Gilbert R A(1984)[1]；范围效率，即商业银行业务种类的增加和地域的扩展是否有助于效率的提高，如Klein and Saidenberg(2000)；前沿效率，包括 Leibenstein H(1966)对X-效率（一种相对效率，人力资本、技术等投入能否提高银行效率）的研究[2]，Berger A N and Humphrey D B(1997)对利润效率（商业银行利润增加与效率提高）、Ngoc-Anh Vo Thi and Dev Vencappa(2007)对成本效率（商业银行成本降低与效率提高）。

国内学者对我国商业银行竞争力水平的研究多集中在国有商业银行和股份制商业银行，但城商行和农商行已经成为我国多层次金融体系中举足轻重的组成部分。2016年8月2日，江苏银行在上交所挂牌上市，接下来掀起了一阵城商行、农商行的上市小高潮，2016—2017年我国共有9家城商行和农商行集中在A股上市，加上2007年上市的3家城商行，目前已上市城商行和农商行数量已达12家①文中的已上市城商行、农商行均指的是在我国A股上市的城商行和农商行。。2017年仍有10家银行在A股排队IPO，包括盛京银行、徽商银行、哈尔滨银行、威海市商业银行、兰州银行、苏州银行、青岛银行7家城商行和浙江绍兴瑞丰农商行、江苏紫金农商行、青岛农商行3家农商行。城商行和农商行上市不仅可以补充资本金、扩大业务规模，更要接受市场和投资者检验，促进银行的转型升级[3]。我国已上市城商行和农商行的竞争力究竟如何？随着城商行和农商行上市热潮的涌现，近几年国内学术界也开始关注城商行和农商行的竞争力水平，主要研究有：

对城商行或农商行竞争力指标体系构建的研究，吴军海（2010）从资产质量、资本状况、盈利能力、流动性等方面选择相应财务指标构建了城商行的竞争力评价体系。陆跃祥和曹永栋（2011）将城商行的竞争力分为潜在竞争力和现实竞争力，并构建了一个包括27个指标的全面科学的城商行竞争力评价指标体系。陈一洪（2017）认为风险管控能力、盈利创造能力和持续成长能力是城商行核心竞争力的主要构成要素，并因此相应构建指标评价体系；对城商行或农商行竞争力影响因素的研究，朱南和吴中超（2012）从地理位置、改制时间长短、企业管理水平和组织成熟度等方面对农商行的竞争力水平的差异进行解释。程惠芳和姚遥（2013）将城商行竞争力的影响因素分为内部和外部（微观和宏观）两类；王玲、谢玉梅、胡基红（2013）通过研究得出创新能力和经营管理能力是影响农商行效率的最关键因素；从不同角度来研究城商行或农商行的竞争力，黄志伟（2007）研究了城市金融生态对城市商业银行竞争力的影响；周月书和韩乔（2016）对股权结构、信贷行为和农商行的经营绩效进行分析；陈一洪（2014、2015、2016）分析了股权结构、非利息收入、利息市场化对城商行经营绩效的影响。

综上，对于城商行和农商行竞争力的研究多是分开进行，鲜有将两者进行对比研究。本文欲将我国A股上市的12家城商行和农商行放在一起作为样本进行观察（如表1所示），而2016年是城商行和农商行的集中上市年度，共有4个城商行和4个农商行上市，本文欲采用这12家城商行和农商行2016年的年报数据对它们的竞争力进行分析。本文在研究之前提出两个假设：（1）关于综合竞争力排名，是否已上市的城商行优于已上市的农商行，是否早上市的优于晚上市的？（2）关于物以类聚，是否城商行和农商行分别集中，或者以上市时间集中，以及地域集中（江苏省、浙江省、其他地区）？②从这12家银行的地理分布来看，江苏省7个，浙江省2个，上海市、北京市、贵州省各1个，分布极不均衡。基于以上两个假定，本文欲采用因子和聚类分析结合的方法来对这12家银行的竞争力进行比较研究。

 

表1 样本选择

  

名称省份上市时间2007-07-19 2007-07-19 2007-09-19 2016-08-02 2016-08-16 2016-10-27 2016-11-16 2016-09-02 2016-09-23 2016-09-30 2016-11-29 2017-01-24城商行农商行宁波银行南京银行北京银行江苏银行贵阳银行杭州银行上海银行江阴银行无锡银行常熟银行吴江银行张家港行浙江省江苏省北京市江苏省贵州省浙江省上海市江苏省江苏省江苏省江苏省江苏省

二、模型的设定和研究方法

（一）指标选择和数据处理

为了全面综合地比较我国已上市城商行和农商行的竞争力，除了将传统的考察银行竞争力必备的安全性、流动性、营利性指标纳入，还加入了成长性和创新性，最开始选择了营利性指标（基本每股收益、成本收入比、总资产收益率、加权净资产收益率）、创新性指标（非利息收入比例、手续费及佣金净收入占比③非利息收入比例=（营业收入-利息收入）/营业收入，手续费及佣金净收入占比=手续费及佣金净收入/营业收入。）、流动性指标（存贷款比率、流动性比率、资产负债率）、安全性指标（资本充足率、不良贷款率、拨备覆盖率）、成长性指标（净资产增长率、总资产增长率、营业收入增长率、净利润增长率、营业利润增长率）等，但在实证分析过程中，考虑到做因子分析时样本数量和指标数量的最起码要求（样本数量≥指标数量）以及模型的结果等，最终对各经济指标进行了取舍调整，最终确定了11个变量，如表2所示。

 

表2 指标选择

  

创新性指标（2）营利性指标（3）流动性指标（2）安全性指标（2）成长性指标（2）非利息收入比例x1手续费及佣金净收入占比x2基本每股收益x3加权净资产收益率x4成本收入比x5存贷款比率x6流动性比率x7不良贷款率x8拨备覆盖率x9净利润增长率x10营业利润增长率x11正向指标（%）正向指标（%）正向指标（%）正向指标（元）逆向指标（≤45%）适度指标（≤75%）适度指标（≥25%）逆向指标（≤5%）正向指标（≥150%）正向指标（%）正向指标（%）

其中，不良贷款率和成本收入比是逆向指标（值越小越好），存贷款比率和流动率比例是适度指标（需要综合衡量的指标），其他都是正向指标（值越大越好），逆向指标通过X′=1-X，适度指标适度通过X′=1/(1+|X-A|)（X′为调整后的值、X为调整前的值，A为X的均值）来调整[4]。另外，本文是以主成分法pcf进行因子分析，而且聚类分析中变量的量纲不同会导致聚类结果错误，因此为了消除量纲带来的不合理影响，需要对这些数据采用均值为0方差为1的Z分数法（Z-Score法）进行标准化处理，之前的11个财务指标x1-x11标准化后表示为z1-z11，本文采用的统计软件是STATA13.1。

这时候，兔妈妈正巧回家了。她把狐狸赶跑后，追上老母猪，怒不可遏地痛斥：“你这个老而不尊的东西，良心坏透了，居然见死不救，幸亏还是老邻居！”

（二）研究方法

下面再考虑联通和移动同时涨价的情况。如果两家公司同时涨价，虽然可以获得相比(50,50)更优的支付(70,70)但无论联通还是移动都有强烈的意愿但方面改变涨价策略，去抢占对方的市场份额，获得更优的支付，所以策略组合(涨价，涨价)是不稳定的。在不考虑外力的情况下，博弈将先滑向(涨价，不涨价)或者(不涨价，涨价)，然后滑向(不涨价，不涨价)达到均衡。

其中，vi,k和xi,k分别代表第i个粒子在第k次迭代时的速度和位置；pi,k代表第i个粒子自身在前k次迭代中适应度最高的粒子，也即是个体最优；pg,k代表所有粒子在前k次迭代中适应度最高的粒子，也即是全局最优；ω代表惯性权重，它是上一代粒子飞行速度惯性在当代粒子飞行速度中的体现，若需要粒子群具有较强的全局搜索能力则需要较大的惯性权重，当需要粒子群提高局部搜索能力时应选择较小的惯性权重；r1和r2是取值在0和1之间的独立随机数；a1和a2是加速因子，分别代表了粒子自我学习和向粒子群中优秀个体学习的能力。

1．因子分析法

因子分析（Factor Analysis）是将变量根据相关性大小来分组，使得组内变量的相关性较大，而组间变量的相关性较小，每组变量代表一个基本结构，这就是公共因子。通过将原始变量分解为公共因子和特殊因子，从而利用降维的思想通过少数几个公共因子去描述若干个原始变量之间的相关关系。因子分析的步骤主要包括初始公因子和因子载荷矩阵的求解、因子旋转、因子得分以及针对因子得分的进一步分析等。

对提取的3个公因子fl、f2、f3建立因子载荷矩阵，根据旋转后因子载荷矩阵（见表6）可得：第1公因子f1在不良贷款率、拨备覆盖率、净利润增长率、营业利润增长率载荷较大，主要反映的是城商行和农商行的安全性和成长性，因此f1为安全和成长性因子。

聚类分析法（Cluster Analysis）是统计学中研究“物以类聚”问题的一种方法。聚类分析根据分类对象的不同，可以分为R型聚类分析（对变量分类）和Q型聚类分析（对样本分类）两种。聚类分析的经典方法主要有系统聚类法和K-均值法。其中，系统聚类法是聚类分析分析中最常用的方法，系统聚类法的群间距离测度方法有最短（长）距离法、（未）加权的类间平均法、（未）加权的类间重心法以及离差平方和法7种。其中，离差平方和法（Wardslinkage）被认为是一种理论上和实际上都非常有效的聚类方法，应用较为广泛，本文也将采用此方法进行聚类分析[5]。

因子分析和聚类分析都是利用降维的思想，属于多元统计方法。

由3个公因子的方差贡献率可以看出，这12家银行的竞争力评价体系中，首先是安全和成长性因子所占比重最大（37.46%），其次是盈利和创新性因子（30.71%），最后是流动性因子（17.21%）。

 

表3 原始变量的描述性统计

  

变量x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11观察值12 12 12 12 12 12 12 12 12 12 12平均值0.1646417 0.1244 1.178333 0.13645 0.3082417 0.6389333 0.5144333 0.0146917 2.413642 0.0893167 0.0561333标准差0.0676548 0.0757156 0.7171133 0.0367452 0.0513694 0.1118072 0.1137151 0.0043289 0.8489165 0.0646173 0.0834838最小值0.0705 0.0201 0.42 0.0948 0.2289 0.3897 0.3977 0.0087 1.7014-0.0449-0.0826最大值0.2785 0.2557 2.61 0.2167 0.374 0.7819 0.7864 0.0241 4.5732 0.1935 0.204

 

表4 KMO检验

  

变量z1 z2 z3 z4 z5 z6 z7 z8 z9 z10 z11 KMO 0.5264 0.5539 0.7586 0.6166 0.5773 0.3383 0.3669 0.6869 0.5494 0.5271 0.4974 0.5507

由表3可知，拨备覆盖率x9标准差最大，最大值为457%（南京银行）；不良贷款率x8标准差最小，最小值0.87%（南京银行），南京银行在安全性方面表现良好；除净利润增长率x10和营业利润增长率x11的最小值外，其他数据均为正值，这两个负值属于江阴银行，江阴银行在成长性方面表现不佳；另外结合表2给出的部分指标的监管要求，存贷比x7的最大值为78.19%（北京银行），超过了75%，不过2015年10月1日已经取消了对存贷比的要求，所以样本银行在5个监管指标方面均符合要求。

三、实证分析

（一）因子分析及其结果

本文采用Q型聚类分析的系统聚类法的离差平方和法（Wardslinkage）进行分类并作聚类图（见图2）。

 

表5 总方差分解

  

旋转前旋转后因子1 2 3特征值6.42021 1.86380 1.10780贡献率%0.5837 0.1694 0.1007累计贡献率%0.5837 0.7531 0.8538特征值4.12089 3.37745 1.89347贡献率%0.3746 0.3070 0.1721累计贡献率%0.3746 0.6817 0.8538

 

表6 旋转后的因子载荷矩阵

  

变量z1 z2 z3 z4 z5 z6 z7 z8 z9 z10 z11 f1 0.4692 0.5596 0.2564 0.5072 0.1895-0.3166 0.2999 0.8492 0.8313 0.8738 0.9289 f2 0.7199 0.7325 0.8851 0.6218 0.8212-0.1648 0.2470 0.4237 0.1967 0.3500 0.2223 f3 0.0990 0.1079-0.0127-0.5666-0.0542 0.8677 0.8719 0.1013-0.0839-0.0897-0.0968

从表5可以看出，虽然旋转后的因子模型相比于原模型对因子有所调整，但仍然支持提取前3个因子作为公共因子。另外，只有前3个成分具有大于1的特征值，并且提取的3个公因子的累计方差贡献率达到85.38%，说明一方面这些公因子充分保留了原始变量的信息，另一方面明显减小了统计分析的难度。

2．聚类分析法

第2公因子f2主要解释了非利息收入比例、手续费及佣金净收入占比、基本每股收益、加权净资产收益率、成本收入比5个指标，主要反映的是城商行和农商行的创新性和营利性，因此f2为盈利和创新性因子。

本着“远来都是客”和对“独在异乡为异客”的同情，不得不说，日常执法中，我们可能对于异乡人多少都会客气些，也会更有耐心：出门在外，都不容易；咱们执法工作更要将心比心，换位思考。

第3公因子f3主要由存贷款比率、流动性比率确定，它们主要反映的是城商行和农商行的流动性，因此将f3命名为流动性因子[6]。

  

图1 碎石图

从碎石图（见图1）也可以看出，从第3个变量开始特征值变化的趋势已经趋于平稳，所以选择前3个因子作为公因子是合适的。

为了假设 H1，参考 Harford et al.（2008）的研究，本文构造了如下所示的模型（1）来检验独立董事的海外背景对企业现金持有水平的影响。

挤密桩试验的布桩试验施工完成后，在土挤密桩形成强度7d后，应委托第三方检测机构进行检测，检测从处理面起至设计深度每隔1m取样，进行室内土工试验，检测项目有：土的含水量、密度、比重、饱和度、孔隙率、液限、塑限、压缩系数、塑性指数、压缩模量、抗剪强度、湿陷系数。在设计指标能够满足的情况下尽可能使桩间距增大以节省投资，若不能满足，则继续缩小桩间距或增大孔径。取样完成后的取样孔回填中粗沙，灌水沉降稳定。依靠此实验确定满足设计参数后，才能进入正式施工。

 

表7 因子得分系数矩阵

  

变量z1 z2 z3 z4 z5 z6 z7 z8 z9 z10 z11 f1-0.03427 0.00479-0.20237-0.01327-0.21305-0.04793 0.09657 0.25650 0.32191 0.28578 0.35863 f2 0.24419 0.21833 0.41841 0.17664 0.40614 0.01650 0.02883-0.06663-0.19057-0.11740-0.21147 f3 0.07310 0.08231 0.00172-0.28200-0.02359 0.45100 0.48206 0.09471-0.00456-0.00625-0.00671

根据回归法计算出因子得分系数矩阵（见表7），可以得出3个因子与11个指标的线性组合关系为：

 

根据各公因子的解释能力可以得到最终竞争力f的计算公式为：

综上所述，在老年冠心病介入手术患者的管理中，应用护理风险管理方案的护理效果更为显著，可降少护理缺陷发生，提高护理质量，提高患者满意度，值得进一步的推广。

 

通过把因子得分变量作为新变量进行聚类分析,就可以把这12家城商行和农商行进行分类，分清这12家银行中哪些竞争力类似、谁的竞争力最强。

 

表8 因子得分、排名及聚类结果①

  

资料来源：根据STATA软件处理结果整理①表3中有些已上市农商行和城商行的竞争力得分为负，这是由于在实证分析中对数据进行了标准化处理所导致的，并不表示其竞争力为负，其仅代表各已上市农商行和城商行的相对竞争力水平。

 

银行名称聚类结果f1安全和成长性因子得分得分1.731 1.827-0.043 0.246-0.254-0.449-0.613-1.684-0.174 0.515-0.219-0.885排名排名排名排名7 9 6 4 1 2 1 5 4 8 9 1 0 11 2 2 1 1 1 2 5 4 8 6 3 1 6 7 3 5 2 4 1 9 1 0 1 3 1 2 7 9 1 0宁波银行南京银行北京银行江苏银行贵阳银行杭州银行上海银行江阴银行无锡银行常熟银行吴江银行张家港行6 3 7 1 2 f2盈利和创新性因子得分得分0.266-0.146 0.823 0.289 1.036 0.476 1.987-0.717-0.779-1.395-1.182-0.658 12 11 8 f3流动性因子得分得分-0.024-0.107 0.064 0.534-2.745 0.922 1.125-0.608 0.729-0.194-0.026 0.329 0 8 5综合得分得分0.850 0.728 0.290 0.320-0.292 0.160 0.673-1.119-0.209-0.315-0.527-0.559 11 1 1 2 2 1 2 2 3 3 3 3 3

这12家银行中，除贵阳银行以外，已上市城商行的综合竞争力得分均在零分以上，说明我国已上市城商行的综合竞争力较强，排名依次是宁波银行（虽然在各方面的单独表现都不是最突出，但都还不错，所以最终赢得了第一的综合排名）、南京银行、上海银行、江苏银行（各项得分排名都较为接近）、北京银行、杭州银行、贵阳银行；已上市农商行的综合竞争力得分均在零分以下，排名最靠后的依次是江阴银行（各项得分均是负值）、张家港行、吴江银行、常熟银行、无锡银行，说明我国已上市农商行的综合竞争力较弱，有待提高。另外，城商行中表现最不佳的是贵阳银行，除盈利和创新性因子得分外，其他各项得分均为负，综合排名掉进了农商行中，而农商行中的无锡银行表现良好，挤进了城商行中。样本银行中最高的综合得分为0.850，最低综合分值为-1.119，说明这12家银行在2016年的综合竞争力水平差距较大（见表8）。

在安全和成长性方面，南京银行得分最高，排名第一，但在其他指标方面表现较靠后，因此其最终排名第二；在这12家银行中，安全和成长性方面得分大于零的只有4家，仅占样本总数的三分之一，说明这12家银行整体的安全成长性较弱。在盈利和创新性方面，上海银行数据整体表现不错，遥遥领先于我国已上市的其他城商行和农商行，并且其在流动性方面的表现也最佳，但是其在安全和成长性方面表现不足，所以影响了其综合竞争力排名（排名第三）；在这12家银行中，盈利和创新性方面、流动性方面得分大于零的均有6家，占样本总数的一半，说明这12家银行整体的盈利创新性、流动性也有待提高。

（二）聚类分析及其结果

在进行因子分析之前需要判断原始数据是否适合做因子分析，一般选取KMO指标，即KMO抽样精度(Kaiser-Meyer-Oklin Measure of Smapling Adequacy)来检验因子分析的恰当性。参考Kaiser给出的适合做因子分析的KMO标准，本文的KMO值为0.5507＞0.5，说明变量间的共同因子较多，可用因子分析进行精简，做因子分析是合适的（见表4）。

  

图2 聚类谱系图

无锡银行和吴江银行（9和11）、北京银行和江苏银行（3和4）是最少差异的对，它们首先聚合，在高度约为4处形成了最早的聚类。而后是9-11和常熟银行（10）、江阴银行和张家港行（8和12）、3-4和杭州银行（6）、宁波银行和南京银行（1和2）是较为相似的对，它们在相异性为10以下的位置聚合。接下来是3-4-6和上海银行（7）、8-12-9-11-10、1-2和贵阳银行（5）接二连三地在高度40以下的位置聚合。而1-2-5-3-4-6-7和8-12-9-11-10这两个聚类在相异性110的水平处才最终聚合[7]。

按照竞争力水平高低的先后顺序可以将这12家银行分为三类（见表9）。第一类有宁波银行、南京银行和贵阳银行，都是城商行，前两个2007年上市，后一个是2016年上市，在安全成长性方面表现较好，其次是盈利创新性，最后是流动性。

三要更好发挥个体项目与整体设计之间的协同效应。贫困山区的产业发展需要量力而行、因地制宜，需要统筹规划县域范围内各扶贫开发项目和产业类型之间的关系，实现协同互补，而不是互相拆台、此消彼长。很多地处山区的贫困地区，海拔落差大，温差也较明显，这其实很适于针对不同的区位优势进行立体式梯度开发。这需要产业规划部门和各级分管领导，跳出各自为战的本位视角，算大账、顾大局，形成合力。个别贫困地区仍存在“拍脑袋”决策，这也要求产业扶贫项目的选择和确定，必须充分考虑相关配套设施、社会化服务和前期基础设施建设。

 

表9 聚类结果整理表

  

资料来源：根据STATA软件处理结果整理

 

第一类宁波银行（1）南京银行（2）贵阳银行（5）第二类北京银行（3）江苏银行（4）杭州银行（6）上海银行（7）第三类江阴银行（8）无锡银行（9）常熟银行（10）吴江银行（11）张家港行（12）

第二类是北京银行、江苏银行、杭州银行、上海银行，除北京银行外，其他都是2016年上市的城商行，在盈利创新性、流动性方面表现差不多，而安全成长性方面表现不佳。

第三类有江阴银行、张家港行、无锡银行、吴江银行、常熟银行，都属于农商行，各项排名都比较靠后（无锡银行和常熟银行在流动性、安全成长性方面排名分别为第三）。可见与城商行相比，我国农商行的综合竞争力较弱。

《绿野仙踪》是在作者广泛阅读前人小说的基础上创作的，故事素材的选取和创作难免受到前世小说的影响，有的故事是对之前故事的化用，有的是对前人小说情节的续写和补写，这些都可以在之前的小说中找到蛛丝马迹。

综上，聚类分析结果和主成分分析的综合得分排名能够基本保持一致，但仍有所差别。这是由于聚类法是以离差平方和为分析依据，把差异较小或相似性较大的归到一类，而不是独立计算各样本得分进行比较[8]。

四、研究结论

本文选择我国在A股上市的12家城商行和农商行为样本，以这12家银行2016年的年报为基础，同时选取11个财务指标从营利性、创新性、安全性、流动性、成长性等方面对这12家银行的竞争力进行科学合理评价。研究结果表明，12家银行中，7家城商行的综合竞争力较强（宁波综合排名第一），而5家已上市农商行的综合竞争力较弱（江阴银行综合排名倒数第一）；南京银行在安全成长性方面夺冠，上海银行在盈利创新性、流动性方面表现都最佳。

在这12家银行的竞争力评价体系中，首先是安全和成长性因子所占比重最大，其次是盈利和创新性因子，最后是流动性因子,而安全和成长性方面得分大于零的占比33%，盈利和创新性方面、流动性方面得分大于零的占比50%，综合得分大于零的占比50%。可见这12家银行的整体竞争力较弱，安全和成长性最有必要加强。

把因子得分变量作为新变量进行聚类分析，按照竞争力水平的高低可以将我国已上市的12家城商行和农商行分为三类。针对前文的假设，可以做出如下回答，总体来看，我国已上市的城商行的综合实力确实优于已上市的农商行（贵阳银行和无锡银行除外），但2007年上市的城商行并不比2016年上市的城商行表现好；同时城商行和农商行的确物以类聚，农商行分布较为集中，而2007年和2016年上市的城商行综合竞争力差距较大，分布较为分散，地域集中没有反映。

城商行和农商行是我国金融改革创新的产物，已经成为我国多层次金融机构体系的重要组成部分。在我国经济由高速增长阶段转向高质量发展阶段，以及互联网、大数据、人工智能等技术不断涌现的背景下，城商行和农商行应该借助整合优势资源，加快转型发展，实施差异化经营、错位竞争和特色定位，打造核心竞争力，同时防控金融风险、深化金融改革，实现自身的安全健康发展，更好地服务地方经济、服务小微企业、服务城乡居民，拓宽金融服务的规模和覆盖面，发展普惠金融，成为服务实体经济的生力军。此外，农商行还应该积极践行乡村振兴战略，支持“三农”发展，加快创新农村金融服务模式，全面提升农村金融服务水平，在提升自身竞争力的同时也可以为乡村振兴战略提供有效的金融服务。

参考文献：

[1] Gilbert R A.Bank Market Structure and Competition:A Survey[J].Journal of Money,Credit and Banking,1984,16(4):617-644.

[2] Leibenstein H.Allocative Efficiency vs X-efficiency[J].The American Economic Review,1966,56(3):392-415．

[3] 魏蓉蓉，余昭朋．金融新常态下我国拟上市城商行价值影响因素实证分析[J]．管理现代化，2016（7）：13-15．

[4] 郭翠荣，刘亮．基于因子分析法的我国上市商业银行竞争力评价研究[J]．管理世界，2012（1）：176-177．

[5] 张鹏伟，李嫣怡．STATA统计分析与应用[M]．北京：电子工业出版社，2013：321-327．

[6] 张慧，周春梅．我国旅游上市公司经营业绩的评价与比较：基于因子分析和聚类分析的综合研究[J]．宏观经济研究，2012（3）：85-92．

[7] 劳伦斯．汉密尔顿．应用STATA做统计分析[M]．郭志刚，译．重庆：重庆大学出版社，2011：296-301．

[8] 孙锐，石金涛．基于因子和聚类分析的区域创新能力再评价[J]．科学学研究，2006，24（6）：986-990．