第 12 章因子分析
12.1 因子分析的理论与方法
12.1.1 因子分析的基本思想
多元统计分析处理的是多变量问题。由于变量较多，增加了分析问题的复杂性。但在实
际问题中，变量之间可能存在一定的相关性，因此，多变量中可能存在信息的重叠。人们自然希望通过克服相关性、重叠性，用较少的变量来代替原来较多的变量，而这种代替可以反映原来多个变量的大部分信息，这实际上是一种“降维”的思想。
因子分析(factor analysis)就是一种降维、简化数据的技术。它通过研究众多变量之间的内部依赖关系，探求观测数据中的基本结构，并用少数几个“抽象”的变量来表示其基本的数据结构。这几个抽象的变量被称作“因子”，能反映原来众多变量的主要信息。原始的变量是可观测的显在变量，而因子一般是不可观测的潜在变量。例如，在商业企业的形象评价中，消费者可以通过一系列指标构成的一个评价指标体系，评价百货商场的各个方面的优劣。但消费者真正关心的只是三个方面：商店的环境、商店的服务和商品的价格。这三个方面除了价格外，商店的环境和服务质量，都是客观存在的、抽象的影响因素，都不便于直接测量，只能通过其它具体指标进行间接反映。
因子分析是一种通过显在变量测评潜在变量，通过具体指标测评抽象因子的统计分析方法。又比如，在研究区域社会经济发展中，描述社会与经济现象的指标很多，过多的指标容易导致分析过程复杂化。一个合适的做法就是从这些关系错综复杂的社会经济指标中提取少数几个主要因子，每一个主要因子都能反映相互依赖的社会经济指标间共同作用，抓住这些主要因素就可以帮助我们对复杂的社会经济发展问题进行深入分析、合理解释和正确评价。
12.1.2 因子分析的数学模型
因子分析中的公共因子是不可直接观测但又客观存在的共同影响因素，每一个变量都可
以表示成公共因子的线性函数与特殊因子之和，即
1122iiiimmXaFaFaFε=++++L，（1,2,,ip=L）
式中的，，称为公共因子，1FL,2FmFiε
称为的特殊因子。该模型可用矩阵表示
为：
iX
XAFε=+
这里
12pXXXX..
..
..=
..
..
....
M，，
111212122212mmpppmaaaaaaAaaa.. ..
..=
..
..
....
LLLLLLL12mFFFF..
..
..=
..
..
..
M，
12pεεεε..
..
..=
..
..
....
M
且满足：
（1）； mp≤
（2）(,)0CovFε=，即公共因子与特殊因子是不相关的；
（3）
101()
01FmDDFI..
..
.===
..
..
..
O，即各个公共因子不相关且方差为1；
（4）
212220()
0pDDεσσεσ..
..
.==..
..
....
O，即各个特殊因子不相关，方差不要求相等。
模型中的矩阵A称为因子载荷矩阵，称为因子“载荷”，是第i个变量在第ijaj个因子
上的负荷，如果把变量iX看成维空间中的一个点，则表示它在坐标轴上的投影。 mijajF 12.1.3 因子载荷阵的求解
因子载荷阵的求解方法有很多，这里仅介绍最为常用的主成分分析法。为了节省篇幅，
不加证明地给出使用主成分分析法求解因子载荷阵的一般步骤：
1. 计算原始数据的协差阵Σ。
2. 计算协差阵Σ的特征根为，相应的单位特征向量为。 10pλλ≥≥≥L12,,,pTTTL
3. 利用Σ的特征根和特征向量计算因子载荷阵：
1122(,,,ppATTTλλλ=L
由于因子分析的目的是减少变量个数，因此，因子数目m应小于原始变量个数p。所
以在实际应用中，仅提取前个特征根和对应的特征向量，构成仅包含个因子的因子载
mm
1122(,,,mmATTTλλλ=L
12.1.4 因子载荷阵的统计意义
1. 因子载荷
对于因子模型
1122iiiijjimmXaFaFaFaFε=++++++LL 1,2,,ip=L 我们可以得到，iX与的协方差为： jF
(,)(,
mijikkijkmikkjijkijCovXFCovaFFCovaFFCovFaεε=
=
=+
=+
=
ΣΣ
如果对iX作了标准化处理，iX的标准差为1，且的标准差为1，因此 jF
,
(,)
(,)
()()ijijXFijijijCovXFrCovDXDF==
那么，从上面的分析，我们知道对于标准化后的iX，是ijaiX与的相关系数，它一
方面表示
jFiXjF
对的依赖程度，绝对值越大，密切程度越高；另一方面也反映了变量jFiX对
公共因子的相对重要性。了解这一点对我们理解抽象的因子含义，即因子命名，有非常重要的作用。
2. 变量共同度
设因子载荷矩阵为A，称第i行元素的平方和
2211,2,,
miijjhai=
==ΣL
为变量iX的共同度。
由因子模型，知
22211222221222()()()()()
()
iiiimmiiiimiiiDXaDFaDFaDFDaaaVarhεεσ=++++
=++++
=+
LL
上式说明，变量iXi
的方差由两部分组成：第一部分为共同度，它描述了全部公共因
2ihiX的总方差所作的贡献，反映了变量iX的方差中能够被全体因子解释的部分。第
二部分为特殊因子ε对变量iX的方差的贡献，也就是变量iX的方差中没有被全体因子解释的部分。变量共同度越高，说明该因子分析模型的解释能力越高。
3. 因子的方差贡献
设因子载荷矩阵为A，称第j列元素的平方和
2211,2,,
pjijigaj=
==ΣL
为因子对jFX的贡献，即表示同一因子对各变量所提供的方差贡献之总和，它是衡2jgjF
量每一个因子相对重要性的一个尺度。
由12.1.3节因子载荷阵的表达式：
1122(,,,mmATTTλλλ=L
可知，A中第j列元素的平方和为()()jjjjjjjjTTTTλλλλjT（是单位特征向量），
即有
221pjijiagλ=
==Σ
这说明，第j个公因子的方差贡献就等于样本协差阵的第2jgj大特征根。
在实际应用中，有两种常用的确定因子提取个数m的方法。一是仅提取方差贡献
（
2jgjλ）大于1的因子；而是利用因子的累积方差贡献率
11pmΣ
来确定公因子提取的
个数，也就是寻找一个使得
11pmjjjλλ==
ΣΣ达到较大百分比的自然数。 m
12.1.5 因子命名与因子旋转
因子分析的目标之一就是要对所提取的抽象因子的实际含义进行合理解释，即对因子进
行命名。有时直接根据特征根、特征向量求得的因子载荷阵难以看出公共因子的含义。例如，可能同一个变量在多个公共因子上都有较大的载荷，也可能多个变量在同一个公共因子上都有较大载荷，说明该因子对多个变量都有较明显的影响作用。这种因子模型反而很难对因子的实际背景进行合理的解释。这时需要通过因子旋转的方法，使每个变量仅在一个公共因子上有较大的载荷，而在其余的公共因子上的载荷比较小，至多达到中等大小。这时对于每个公共因子而言（即载荷矩阵的每一列），它在部分变量上的载荷较大，在其它变量上的载荷较小，使同一列上的载荷尽可能地向靠近1和靠近0两极分离。这时就突出了每个公共因子和其载荷较大的那些变量的联系，该公共因子的含义也就能通过这些载荷较大的变量做出合理的说明。
因子旋转方法有正交旋转和斜交旋转两类，这里我们重点介绍正交旋转。对公共因子作
正交旋转就是对载荷矩阵作一正交变换，右乘正交矩阵AΓ，使得旋转后的因子载荷阵
有更鲜明的实际意义。旋转以后的公共因子向量为BA=Γ**
12,,FFB*F′=Γ，它的各个分量
也是互不相关的公共因子。根据正交矩阵*,mFLΓ的不同选取方式，将构造出不同
的正交旋转的方法。实践中常用的方法是最大方差旋转法，其原理是使得旋转后因子载荷阵的每一列元素的方差之和达到最大，从而实现使同一列上的载荷尽可能地向靠近1和靠
近0两极分离的目的。
值得说明的是，旋转后的因子载荷阵B与旋转前的因子载荷阵相比，各因子的方差贡献发生了变化，已经不再等于样本协差阵的第
A2jgj大特征根，但提取出的全部个因子m
的总方差贡献率211pmjjjg==
ΣΣ却不会改变，仍然等于
11pmjjjλλ==
Σ另外，因子旋转在改
变因子载荷阵的同时，也改变了因子得分。
12.1.6 因子得分
因子得分是因子分析的最终体现。当因子载荷阵确定以后，便可以计算各因子在每个样
本上的具体数值，称为因子得分。得到了因子得分之后，就可以像主成分分析那样，用因子得分来代替原始变量，从而达到降维的效果。
在因子分析模型XAFε=+
F
中，如果不考虑特殊因子的影响，当且mp=
FA可逆时，
我们可以非常方便地从每个样品的指标取值X计算出其在因子上的相应取值：
，即该样品在因子上的“得分”情况，简称为该样品的因子得分。 1FAX.=
但是因子分析模型在实际应用中要求mp<，因此，不能精确计算出因子的得分情况，
只能对因子得分进行估计。估计因子得分的方法也有很多，常用的方法包括回归法（Regression）、巴特莱特法（Bartlett）、安德森－鲁宾法（Anderson-Rubin）等。
可以证明，如果使用回归法，则因子得分可以由下面的式子给出：
1FAX.′=Σ
其中，为样本协差阵。称Σmp×的矩阵1WA.′=Σ为因子得分系数矩阵。
应该注意，如果因子载荷阵经过了旋转，则上式中的因子载荷阵应该是旋转后的因
子载荷阵。
A
12.1.7 因子分析的出发点
从前面的介绍我们知道，因子分析的一切计算都是从样本协差阵Σ出发的，其结果受变
量单位的影响。不同的变量往往有不同的单位，对同一变量单位的改变会产生不同的因子分析结果。为使因子分析能够均等地对待每一个原始变量，消除由于单位的不同可能带来的影响，我们常常先将各原始变量作标准化处理，即令
*()
()
iiiXEXXDX.
= 1,,ip=L
可以证明，经过标准化的数据***
1(,,)pXXX′=L的协方差矩阵就是X的相关系数矩阵
R。也就是说，如果因子分析的一切计算都直接从样本相关系数矩阵R而不是协差阵出
发的话，就等价于先对数据进行标准化，然后再从协差阵出发进行因子分析。
Σ
12.2 因子分析的实例
本例中采用的是2003年沪、深两市证券交易所48家上市公司的13个财务指标数据。
13个财务指标分别为：流动比率(X1)、速动比率(X2)、总资产周转率(X3)、存货周转率(X4)、营运资本(X5)、每股收益(X6)、净利润增长率(X7)、每股收益增长率(X8)、主营业务毛利率(X9)、主营业务利润率(X10)、成本费用利润率(X11)、净资产收益率(X12)、总资产利润率
(X13)。这些指标有些之间具有很强的相关性，如果利用所有的13个财务指标对这50家公
司进行财务分析，难免出现信息的重叠，而利用因子分析可以解决这个问题。
12.2.1 SPSS操作步骤
1. 选择菜单项Analyze→Data Reduction→Factor，打开Factor Analysis对话框，如图 12-1。将原始变量x1—x13移入Variables列表框框中。
如果不想使用全部的样本进行分析，且数据文件中存在一个选择变量的话，将该选择变
量移入Selection Variable 框中，并单击右边的Value按钮，在跳出的窗口中输入一个筛选值，
这样，只有选择变量的值等于输入的筛选值的观测才能参与因子分析。
图 12-1 Factor Analysis对话框
2. 点击Descriptives按钮，打开Descriptives子对话框，如图 12-2。该对话框共有两个选
项栏，用于设置输出的结果。
Statistics选项栏中，Univariate descriptives表示输出原始变量的基本描述统计量；Initial
solution表示输出因子分析的初始解，包括样本协差阵（相关系数矩阵）的全部p个特征根、方差贡献率以及累积贡献率。这里选择Initial solution复选项。
Correlation Matrix选项栏用于指定输出衡量原始变量之间相关性的统计量和统计表。如
前所述，因子分析的目的是从众多的原始变量中综合出少数具有代表性的因子，这里就有一个潜在的前提，即原始变量之间应该具有较强的相关性，否则因子分析就失去了必要性。Correlation Matrix选项栏中各选项的含义如下：
.. Coefficients：给出原始变量之间的简单相关系数矩阵；
.. Significance levels：给出每个相关系数的显著性检验，检验的原假设是相关系数等
于0；
.. Determinant：给出相关系数矩阵的行列式；
.. Inverse：给出相关系数矩阵的逆矩阵；
.. Reproduced：再生相关阵，此项给出因子分析后的的相关阵，还给出残差，即原始相关与再生相关之间的差值；
.. Anti-image：给出反映像相关矩阵，如果原始变量之间具有较强的相关性，则反映像相关矩阵对角线上元素的值接近于1，其他元素绝对值均较小；
.. KMO and Bartlett’s test of sphericity：给出KMO检验和Bartlett球形检验。KMO统计量的取值在0和1之间，KMO值越接近于0表明原始变量相关性越弱，越
接近于1表明原始变量相关性越强，通常认为KMO的度量标准是：0.9以上表示非常适合
进行因子分析，0.8以上表示比较适合，0.7表示一般，0.6表示不太适合，0.5以下表示极不
适合。Bartlett球形检验的原假设是：原始变量的相关系数矩阵是单位阵，即主对角线元素为1，其他元素均为0。
在本例中，我们选择Coefficients、Significance levels和KMO and Bartlett’s test of sphericity三个选项。
图 12-2 Descriptives子对话框
3. 点击Extraction按钮，打开Extraction子对话框，如图 12-3，设置有关因子提取的选项。
在
Principal components，即“主成分法”。
在Analyze选项栏中指定用于提取因子的分析矩阵，分别为相关系数矩阵（
ix）和协方差矩阵（Covariance matrix）。如果选择相关系数矩阵，则表示首先对原始数
据进行标准化，然后再进行因子分析；如果选择协方差矩阵，则表示直接对原始数据进行因子分析。这里我们选择默认的相关系数矩阵。
在Display选项栏中指定与因子提取有关的
出旋转前的因子方差贡献表和旋转前的因子载荷阵；Scree Plot表示输出因子碎石图。
因子碎石图其实就是样本协差阵的特征根按大小顺序排列的折线图，可以用来帮助确定提取多少个因子。典型的碎石图会有一个明显的拐点，拐点之前是较大特征根连接形成的陡峭折线，拐点之后是较小特征根连接形成的平缓折线，一般选择拐点之前的特征根数目为提取因子的数目。这里我们将两个选项都选中。
在Extract选项栏中指定因子提取的数
输入框中设置提取的因子对应的特征值的范围，系统默认值为1，即要求提取那些特征
值大于1的因子；第二种设置方法是直接在Number of factors后的输入框中输入要求提取的
公因子的数目。这里我们保持默认选项。
图 12-3 Extraction子对话框
4. 点击Rotation按钮，打开Rotation子对话框，如图 12-4，设置有关因子旋转的选项。
Method选项栏用于设置因子旋转的方法，可供选择的方法包括方差最大旋转法（Varimax）、直接斜交旋转法（Direct Oblimin）、四次方最大正交旋转法（Quartmax）、平均
正交旋转法（Equamax）、斜交旋转法（Promax），如果选择None选项，则不进行旋转。
Display选项栏用于设置与因子旋转有关的输出项。其中，Rotated factor solutions表示输出旋转后的因子方差贡献表和旋转后的因子载荷阵；Loading plots表示输出旋转后的因子
载荷散点图图，旋转后因子散点图是以因子为坐标轴，以旋转后因子载荷为坐标的散点图，从该散点图中可以直观地观察因子载荷在各因子上的分布状况。
这里我们在Method选项栏中选择Varimax(方差最大旋转)，并选择Display栏中的Rotated solution复选框。
图 12-4 Rotation子对话框
5. 点击Scores按钮，打开Factor Scores子对话框，如图 12-5，设置有关因子得分的选项。选
因子则会在数据文件中保存几个因子得分变量，变量名为“facm_n”，其中，m表示第
m个因子，n表示进行第n次因子分析的结果。
选中Display factor score coefficient matrix复选
数矩阵。
图 12-5 Factor Scores子对话框
6. 点击Options按钮，打开Options子对话框，如图 12-6，设置对缺失值的处理方法和因子载荷阵的显示方法。
Missing values选项栏用于设置对缺失值的处理方法。其中，Exclude case listwise表示如果某个观测的所有分析变量中只要由一个带有缺失值，则这个观测就不参与分析；Exclude case pairwise表示在计算两个变量的协方差或相关系数时，只把这两个变量中带有缺失值的
观测删除，即如果一个观测在正在进行相关系数计算的变量中没有缺失值，则即使其它变量中有缺失值，也不影响它参与计算；Replace with mean表示如果某变量存在缺失值，则用该
变量的均值替代缺失值。
Coefficient Display Format选项栏用于设置因子载荷阵的显示方式。其中，Sorted by size 表示因子载荷阵按照因子载荷的大小顺序排列，使同一因子上具有较大载荷的变量排在一起，便于观察；Suppress absolute values less than表示不显示绝对值太小的因子载荷，如果提
取的因子很多，则该选项可以突出载荷较大的变量，便于观察。
图 12-6 Options子对话框
7. 在主对话框中单击OK按钮，执行因子分析命令。
12.2.2 实例结果分析
2-1和表 12-2给出了原始变量之间的相关性检验结果。
2-1的上半部分是原始变量的相关系数矩阵，可以看到，矩阵中存在许多比较高的相关
系数；表 12-1的下半部分是相关系数显著性检验的p值，其中存在大量的小于0.05的值，这些都说明原始变量之间存在着较强的相关性，具有进行因子分析的必要性。
2-2给出了KMO检验统计量与Bartlett球形检验结果。KMO统计量等于0.718，Bartlett球形检验的p值为0.000，这些也都说明本例中的数据比较适合进行因子分析。
表 12-1 相关系数矩阵及相关显著性检验
Correlation
Matrix1.000.861-.05-.2.733.127.112.153.084.158.240.177.172.8611.0.105.082.917.35 1.261.263.233.345.427.378.409-.054.1051.0.746.136.602.327.337.0.357.397.587.581-.166.082.7461.0.121.522.306.319.009.318.408.538.541.733.917.136.1211.0.354.266.2 42.192.307.367.348.393.127.351.602.522.3541.0.598.560.470.777.777.933.952.112.26 1.327.306.266.5981.0.958.197.363.464.625.565.153.263.337.319.242.560.9581.0.223. 293.533.633.546
.084.233-.02.009.192.470.197.2231.0.499.643.530.553.158.345.357.318.307.777.363. 293.4991.0.819.834.819.240.427.397.408.367.777.464.533.643.8191.0.906.867.177.37 8.587.538.348.933.625.633.530.834.9061.0.965.172.409.581.541.393.952.565.546.553 .819.867.9651.0.000.359.130.000.194.224.150.285.142.050.114.121.000.240.289.000. 007.036.036.055.008.001.004.002.359.240.000.178.000.012.010.455.006.003.000.000. 130.289.000.206.000.017.014.477.014.002.000.000.000.000.178.206.007.034.049.095. 017.005.008.003.194.007.000.000.007.000.000.000.000.000.000.000.224.036.012.017. 034.000.000.090.006.000.000.000.150.036.010.014.049.000.000.064.022.000.000.000. 285.055.455.477.095.000.090.064.000.000.000.000.142.008.006.014.017.000.006.022. 000.000.000.000.050.001.003.002.005.000.000.000.000.000.000.000.114.004.000.000. 008.000.000.000.000.000.000.000.121.002.000.000.003.000.000.000.000.000.000.000X 1X2X3X4X5X6X7X8X9X10X11X12X13X1X2X3X4X5X6X7X8X9X10X11X12X13CorrelationSig.
X1X2X3X4X5X6X7X8X9X10X11X12X13
表 12-2 KMO检验与Bartlett球形检验
KMO and Bartlett's Test.718839.69378.000Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-SquaredfSig.
Bartlett's Test ofSphericity
2-3给出了13个原始变量的变量共同度。变量共同度反映每个变量对提取出的所有公共
因子的依赖程度。从表 12-3来看，几乎所有的变量共同度都在80%甚至90%以上，说明提
取的因子已经包含了原始变量的大部分信息，因子提取的效果比较理想。
表 12-3 变量共同度
Communalities1.000.8771.000.9651.000.8581.000.8251.000.8781.000.8901.000.9731.00 0.9801.000.7841.000.8091.000.8851.000.9741.000.956X1X2X3X4X5X6X7X8X9X10X11X12X13 InitialExtractionExtraction Method: Principal Component Analysis.
2-4给出了因子分析各个阶段的特征根与方差贡献表。
其中，Initial Eigenvalues栏给出初始的样本相关系数矩阵或协差阵的特征根，用于确定哪些因子应该被提取，共有三项： Total列为各因子对应的特征根，本例中共有4个因子对应的特征根大于1，因此应提取相应的四个公因子；% of Variance列为各因子的方差贡献率；Cumulative %列为各因子的累积方差贡献率。
Extraction Sums of Squared Loadings栏给出提取出的因子方差贡献表，提取出的4个因子按方差贡献的大小自上而下列出。同时可以看出，前四个因子已经可以解释原始变量
89.651%的方差，已经包含了大部分的信息。
Rotation Sums of Squared Loadings栏给出提取出的公因子经过旋转后的方差贡献情况。从中可以看到，由于经过了旋转，4个因子的方差贡献已经发生了变量，但是4个因子总的累积方差贡献率并没有改变，依然是89.651%。
表 12-4 特征根与方差贡献表
Total Variance Explained6.64451.10651.1066.64451.10651.1064.16432.03232.0322.39318.40569.5112.3 9318.40569.5112.76721.28253.3141.41110.85380.3641.41110.85380.3642.45618.89372.2 071.2079.28789.6511.2079.28789.6512.26817.44389.651.4433.41093.061.2862.20495.26 5.2632.02297.287.1491.14598.432.106.81999.252.044.33699.588.031.23999.827.017.12 799.954.006.046100.000Component12345678910111213Total%
ofVarianceCumulative%Total% ofVarianceCumulative%Total% ofVarianceCumulative% Initial EigenvaluesExtraction Sums of SquaredLoadingsRotation Sums of SquaredLoadingsExtraction Method: Principal Component Analysis.
2-7给出了因子的碎石图。图中横坐标为因子的序号，纵坐标为相应特征根的值。从图
中可以看到，第4个因子以前的特征根普遍较高，连接成了陡峭的折线，而第4个因子之后的特征根普遍较低，连接成了平缓的折线，这进一步说明提取4个因子是比较适当的。
Scree PlotComponent Number13121110987654321Eigenvalue76543210
图 12-7 因子碎石图
2-5给出旋转前的因子载荷阵，根据该表可以写出每个原始变量的因子表达式：
11232123312340.3090.8690.1480.0550.5430.7930.1550.1310.5810.4060.4190.424XFFFXFF FXFFF=+++
=+++
=.++
…………
从表 12-5可以看出，每个因子在不同原始变量上的载荷没有明显的差别，为了便于对
因子进行命名，还需要对因子载荷阵进行旋转。
表 12-5 旋转前的因子载荷阵
Component
Matrixa.970-.155-.096.008.957-.126-.126.088.924-.174-.055.056.894-.016-.291.006. 802-.053-.374.151.678-.112.364-.606.676-.103.366-.614.581-.406.419.424.542-.450. 393.418.309.869.148.055.543.793.155.131.519.735.206.160.529.062-.687-.168X12X13X 6X11X10X7X8X3X4X1X2X5X91234ComponentExtraction Method: Principal Component Analysis.
4 components extracted.a.
2-6给出旋转后的因子载荷阵，从表中可以看出，经过旋转后的载荷系数已经明显地两
极分化了。第一个公共因子在指标X6、X9、X10、X11、X12、X13上有较大载荷，说明这
6个指标有较强的相关性，可以归为一类，从财务指标类型来看这六个指标属于公司获利能力指标，因此可以把第一个因子命名为“获利因子”；第二个公共因子在指标X1、X2、X5
上有较大载荷，同样可以归为一类，这三个指标同属于公司变现能力指标，因此可以把第二个因子命名为“变现因子”；同理，X3和X4归到第三类，属于公司运营能力指标，因此把
第三个因子命名为“运营因子”；X7和X8归到第四类，属于公司成长能力指标，因此可以
把第四个因子命名为“成长因子”。
表 12-6 旋转后的因子载荷阵
因果分析法 因果分析法(Causal Factor Analysis，CFA) [编辑] 什么是因果分析法 因果分析法是通过因果图表现出来，因果图又称特性要因图、鱼刺图或石川图，它是1953年在日本川琦制铁公司，由质量管理专家石川馨最早使用的，是为了寻找产生某种质量问题的原因，发动大家谈看法，做分析，将群众的意见反映在一张图上，就是因果图。用此图分析产生问题的原因，便于集思广益。因为这种图反映的因果关系直观、醒目、条例分明，用起来比较方便，效果好，所以得到了许多企业的重视。 按事物之间的因果关系，知因测果或倒果查因。因果预测分析是整个预测分析的基础。 因果分析法（技术）运用于项目管理中，就是以结果作为特性，以原因作为因素，逐步深入研究和讨论项目目前存在问题的方法。因果分析法的可交付成果就是因果分析图。如下图所示： 一旦确定了因果分析图，项目团队就应该对之进行解释说明，通过数据统计分析、测试、收集有关问题的更多数据或与客户沟通来确认最基本的原因。确认了基本原因之后，项目团队就可以开始制定解决方案并进行改进了。 [编辑]
因果关系的类型 在社会经济现象之间，因果关系大致可分为函数关系、相关关系、因子推演关系等几种不同的类型。 1、函数关系 函数关系是指几种社会经济现象之间存在着确定的数量关系。在预测具有此种函数关系的经济事物中。常用的方法有直线回归模型、二次曲线模型、指数曲线模型等预测方法。 2、相关关系 相关关系指两种或两种以上的社会经济现象间存在着相互依存关系，但在数量上没有确定的对应关系。在这种关系中，对于自变量的每一个值，因变量可以有几个数值与之相对应，表现出一定的波动性、随机性，但又总是围绕着它们的平均数并遵循着一定规律而变动。相关关系与函数关系是性质不同的两类变量间的关系。变量之间存在着确定性数量对应规律的称为函数关系，可以用数学函数式表达。变量间不存在确定性数量对应规律的要用统计学的方法来研究。统计学上研究有关社会经济现象之间相互依存关系的密切程度叫做相关系数。相关分析可以得到一个表明相关程度的指标，称为相关系数。这种方法对于不能在实验室用实验方法分析的社会经济现象显得特别重要。通过相关分析，还可以测定和控制预测的误差，掌握预测结果的可靠程度，把误差控制在一个范围内。 社会经济现象之间的相互关系是非常复杂的，表现出不同的类型和形态。从变量之间相互关系的方向来看。分为正相关和负相关。在某些经济现象之间，当自变量x的值增加时，因变量y的值也随之相应地增加，这佯的相关关系就是正相关。当自变量x的值增加时，因变量y的值随之而呈减少的趋势，这种关系就是负相关。 从变量之间相互关系的表现形式来看，可分为直线相关与非直线相关。当x值发生变动时，y值随之发生大致均等的变动(增加或减少)，表现在图形上，其观察点分布于狭长的带形区域之内，并近似地表现为直线形式，这样的关系通称为直线关系。当x值变动时，y值随之呈不均等变动(增加或减少)，表现在图形上，其观察点的分布近似地表现为各种不同的曲线形式，这种相关关系通称为非直线相关。相关关系法重要的是确定判断变量相关系数。 3、因子推演法 因子推演法即根据引起某种社会经济现象变化的因子，来推测某种现象变化趋势。例如，每年新建立的家庭数目是住房需要量的因子；青年结婚的数量是家俱和衣服的销售量的因子；婴儿出生人数是玩具需要量的因子；汽车的销售量是汽车配件需求量的因子等等。根据某经济现象的因子就可以预测它的需求量变化趋势。 [编辑] 因果关系的分析方法 因果关系分析法，是从事物变化的因果关系质的规定性出发，用统计方法寻求市场变量之间依存关系的数量变化函数表达式的一类预测方法。这类预测方法，在市场预测中常用的方法有两种： (一)回归分析法 当预测目标变量(称因变量)由于一种或几种影响因素变量(称自变量)的变化而发生变化，根据某一个自变量或几个自变量的变动，来解释推测因变量变动的方向和程度，常用回归分析法建立数学模型。 回归分析法：在掌握大量观察数据的基础上，利用数理统计方法建立因变量与自变量之间的回归关系函数表达式，来描述它们间数量上的平均变化关系。这种函数表达式称回归方程式。 回归分析中，当研究的因果关系只涉及因变量和一个自变量时，叫做一元回归分析；当研究的因果关系涉及因变量和两个或两个以上自变量时，叫做多元回归分析。
鱼骨图Cause & Effect/Fishbone Diagram 第1章概念与来源 鱼骨图又名特性因素图是由日本管理大师石川馨先生所发展出来的，故又名石川图。鱼骨图是一种发现问题“根本原因”的方法，它也可以称之为“因果图”。鱼骨图原本用于质量管理。 问题的特性总是受到一些因素的影响，我们通过头脑风暴找出这些因素，并将它们与特性值一起，按相互关联性整理而成的层次分明、条理清楚，并标出重要因素的图形就叫特性要因图。因其形状如鱼骨，所以又叫鱼骨图（以下称鱼骨图），它是一种透过现象看本质的分析方法，又叫因果分析图。同时，鱼骨图也用在生产中，来形象地表示生产车间的流程。下图为鱼骨图基本结构： 一般可转化为三种类型： A、整理问题型鱼骨图（各要素与特性值间不存在原因关系，而是结构构成关系,对问题进行结构化整理） B、原因型鱼骨图（鱼头在右，特性值通常以“为什么……”来写） C、对策型鱼骨图（鱼头在左，特性值通常以“如何提高/改善……”来写） 第2章应用场景 鱼骨图常用于查找问题的根因时使用，如对于现场客户的需求进行分析整理时可使用该工具分析用户的本质需求。 第3章使用步骤 制作鱼骨图分两个步骤：分析问题原因/结构、绘制鱼骨图。 分析问题原因/结构
A、针对问题点，选择层别方法（如人机料法环测量等）。 B、按头脑风暴分别对各层别类别找出所有可能原因（因素）。 C、将找出的各要素进行归类、整理，明确其从属关系。 D、分析选取重要因素。 E、检查各要素的描述方法，确保语法简明、意思明确。 分析要点： a、确定大要因（大骨）时，现场作业一般从“人机料法环”着手,管理类问题一般从“人事时地物”层别，应视具体情况决定； b、大要因必须用中性词描述（不说明好坏），中、小要因必须使用价值判断（如…不良）； c、脑力激荡时，应尽可能多而全地找出所有可能原因，而不仅限于自己能完全掌控或正在执行的内容。对人的原因，宜从行动而非思想态度面着手分析； d、中要因跟特性值、小要因跟中要因间有直接的原因-问题关系，小要因应分析至可以直接下对策； e、如果某种原因可同时归属于两种或两种以上因素，请以关联性最强者为准（必要时考虑三现主义：即现时到现场看现物，通过相对条件的比较，找出相关性最强的要因归类。） f、选取重要原因时，不要超过7项，且应标识在最未端原因； 绘制鱼骨图 鱼骨图做图过程一般由以下几步组成： 1．由问题的负责人召集与问题有关的人员组成一个工作组(work group)，该组成员必须对问题有一定深度的了解。 2．问题的负责人将拟找出原因的问题写在黑板或白纸右边的一个三角形的框内，并在其尾部引出一条水平直线，该线称为鱼脊。 3．工作组成员在鱼脊上画出与鱼脊成45°角的直线，并在其上标出引起问题的主要原因，这些成45°角的直线称为大骨。 4．对引起问题的原因进一步细化，画出中骨、小骨……，尽可能列出所有原因 5．对鱼骨图进行优化整理。 6．根据鱼骨图进行讨论。完整的鱼骨图如图2所示，由于鱼骨图不以数值来表示，并处理问题，而是通过整理问题与它的原因的层次来标明关系，因此，能很好的描述定性问题。鱼骨图的实施要求工作组负责人(即进行企业诊断的专家)有丰富的指导经验，整个过程负责人尽可能为工作组成员创造友好、平等、宽松的讨论环境，使每个成员的意见都能完全表达，同时保证鱼骨图正确做出，即防止工作组成员将原因、现象、对策互相混淆，并保证鱼骨图层次清晰。负责人不对问题发表任何看法，也不能对工作组成员进行任何诱导。 鱼骨图使用步骤 (1)查找要解决的问题； (2)把问题写在鱼骨的头上； (3)召集同事共同讨论问题出现的可能原因，尽可能多地找出问题； (4)把相同的问题分组，在鱼骨上标出； (5)根据不同问题征求大家的意见，总结出正确的原因；
因果图分析法研究与实现 因果图分析法是编写测试用例的重要方法之一,属于黑盒测试的范畴。因果图分析法原理简单,步骤明确,应用广泛。但目前诸多参考教材对于该方法的介绍基本都采用了相对复杂而且相类似的实例,对学习者来说有一定的困难。结合多年软件测试用例设计的经验,在实践的前提下,就因果图分析法设计测试用例给出了详尽的介绍,特别是针对因果图转换成判定表这一步骤,提出了明确简洁的转换办法并结合浅显易懂的实例加以实现,从而进一步简化了因果图分析法的应用,也为广大学习者提供了一定的参考价值。 标签：黑盒测试;测试用例;因果图;判定表 1引言 随着软件质量受重视程度的日益增加,软件测试在国内软件项目开发中也越来越受重视,并得以迅速发展,而测试用例是软件测试全部过程的核心,是测试执行环节的基本依据。因果图分析法是设计测试用例的重要方法之一,它属于黑盒测试的范畴。因果图分析法原理简单,步骤明确,但由于目前诸多参考教材对于该方法的介绍基本都采用了相对复杂实例,特别当把因果图转换成判定表这一步骤,目前还没有提出过明确性的方法,所有的实例都是直接给出答案,而没有解释方法,这样就给学习者在理解上造成一定的困难,本文在教学实践前提下,就因果图如何转换为判定表提出了一种简易可行的方法,并结合实例加以实现。 2方法介绍 2.1因果图定义 因果图(cause effect graphics)是一种形式化语言,是一种组合逻辑网络图。它是把输入条件视为“因”,把输出或程序状态的改变视为“果”,将黑盒看成是从因到果的网络图,采用逻辑图的形式来表达功能说明书中输入条件的各种组合与输出的关系。因果图法的基本原理是通过因果图,把用自然语言描述的功能说明转换为判定表,然后为判定表的每一列设计一个测试用例。 2.2产生背景 等价类划分法和边界值分析方法都是着重考虑输入条件,但没有考虑输入条件的各种组合、输入条件之间的相互制约关系。这样虽然各种输入条件可能出错的情况已经测试到了,但多个输入条件组合起来可能出错的情况却被忽视了。如果在测试时必须考虑输入条件的各种组合,则可能的组合数目将是天文数字,因此必须考虑采用一种适合于描述多种条件的组合、相应产生多个动作的形式来进行测试用例的设计,这就需要利用因果图。因果图法是一种帮助人们系统地选择一组高效率测试用例的方法。
【示例一】因果分析 逆境出人才 （论点）逆境出人才。（事例）司马迁受宫刑之后，承受着身心的巨大折磨，感受着世态人情的炎凉，奋笔疾书，用充满血泪的文字写成了“史家之绝唱、无韵之离骚”的《史记》, 才得以青史留名。（评析）为什么司马迁在逆境中能成就一番事业呢？是因为他在逆境中坚持不懈，努力奋斗，所以成就了一番事业。由此可见，逆境让生命升华，让生命闪光，让生命变得更有价值！ 【示例二】假设分析法 有志者事竟成 （论点）有志者事竟成。（事例）王羲之9岁就开始练字，立志要做书法家。无论酷暑严寒，还是刮风下雨从不间断，池水都被他洗笔砚洗黑了，他的俊秀飘逸的字体，千百年来被人们奉为瑰宝。（评析）假如王羲之根本没有想过当什么书法家，只是平庸过日子，那么他绝不可能有什么坚强的意志去练字，那么王羲之其人也不为我们后人所知。由此可见，立志对一个人的成功来说是多么重要呀！ 【示例赏析三】同类归纳分析法 （观点）只有付出，才有收获。（事例）左思为写《三都赋》闭门谢客，数载耕耘。三九严冬，笔耕不辍；三伏酷暑，意兴犹酣。多少白日，三餐忘食；多少夜晚，独对孤灯。“衣带渐宽终不悔”的执着，换来了丰硕的成果，《三都赋》轰动全城，一时洛阳纸贵。英国物理学家法拉第，为了揭示电和磁的奥秘整整奋斗了十年，十年中，他不懈地努力，却不断地失败；不断地失败，却又不懈地努力。十年之后，他成为揭示电磁奥秘的第一人。（分析）左思和法 拉第，不同时代，不同国籍，不同的研究领域，而他们成功的道路却是相同的一一付出，无悔地付出。（结论）付出心血和汗水，付出精力和智慧，必定有收获。 整篇议论文的规范结构第一节：引出观点（主旨）；第二节：分析评议观点（主旨）；第三节：第一分论点；第四节：第二分论点；第五节：第三分论点； 第六节：联系实际，深化论点；（现实社会? ? ? ?，现如今 ... ） 第七节：结尾 【例四】论点：生活需要宽容
运用5M因素法（鱼骨图）分析及解决问题的实际操作案例 背景：某民营房地产集团公司下属商贸分公司，在自有房产基础上经营有超市5家， 经营业种以生鲜食品、传统食品、日用日化为主，总营业面积10000平方米；百货一家， 主要经营业种为服装针织、皮具、皮鞋、化妆品，小吃，营业面积4500平方米；正在筹备 中的购物中心18000平方米。 问题1 :经过统计商贸公司2001年9月一2002年3月的销售，总体毛利率为不到8%，注意：此毛利率是在公司无低毛利的家电以及百货毛利率近20%的基础上产生的总体毛利 率，相对于市场状况以及竞争对手来讲，此毛利率偏低，从中反映了占销售比重近80%的超市经营毛利不正常。 问题2 :经过进一步的市场调查，针对超市每个业种安排如下数量的市调（按销售数量排名），得出以下数据比较： 注：甲连锁店为一国营零售企业，在本地有34家连锁店，拥有诸多食品、日化产品的代理批发权； 乙连锁店为一民营连锁零售企业，现有18家分店，拥有部分食品、日化产品的批发代理权； 丙为一家200平方米左右的便利店； 将市调数据经过进一步分析，发现价格问题----[b]我司进价比竞争对手售价高[/h]的情况如下（先忽略在正常供价基础上零售价格异常状况）： 感觉到问题的严重性，公司紧急召开了采购人员的专项会议，要求在规定时间内（一周） 针对以上问题各采购主任做出解释并及时与供应商进行谈判，希望能得到实质性的解决。
一周过去了，供价问题依然没有得到明显的改善，高出比例依然居高不下。总结各采购主任的解释，主要如下： 1、甲、乙对手拥有诸多敏感商品的控制权，近水楼台先得月，人家有权利及有实力去进行降价； 2、公司政策对于供应商的通道利润要求过高，厂商在无奈情况下，只有提高供价，保持其基本利润，如果要求供应商降价，只有舍弃部分通道利润才可行； 3、公司要求的经营方式过于呆板，竞争对手部分商品是从批发市场上进行铲货来冲击市场，而公司没有此先例，都是以正常方式进行经营； 4、公司的付款方式问题：由于现金进货与押款进货的供价有区别，但是公司最低的付款要求为7 天付款，因此在价格上没有办法降低； 5、竞争对手的恶意竞争行为：牺牲利润，亏本赚吆喝； 6、人手不够，杂事多，没有办法集中时间与精力与供应商谈判。 针对以上解释，公司明确回复：如果在有把握的情况下，以上由于公司自身原因造成的供价高的问题，可以放宽尺度与供应商进行交涉。 但是，一周时间过去了，问题仍然没有得到改善。 真的就是以上问题造成的吗？是主要的原因呢还是有其他的原因？ 没有过多的责怪各采购主任，在随后的中层干部例会上，我将此问题谈了出来，然后让大家了解了什么是鱼骨图分析法（5M 因素分析法），希望通过大家的理解来讨论这个问题产生的根源所在，主要问题主要出现在哪些环节，哪些是需要重点解决的问题，哪些是虽然是先天的因素，但是可以通过努力去改进的环节，哪些是虽然由于条件的限制暂时不能改进但是可以通过改进其他问题予以弥补的问题。 5M 因素包括人、机、料、法、环5 个方面，“人”指的是造成问题产生人为的因素有哪些；“机”通俗一点就象战斗的武器，通指软、硬件条件对于事件的影响；“料”就如武器所用的子弹，指基础的准备以及物料；“法” 与事件相关的方式与方法问题是否正确有效；“环” 指的是内外部环境因素的影响。 5 个方面就象鱼的“主刺”一样，每个主刺上还有很多的小刺，这些小刺就是与主刺相关的问题，来构成了一条难以下咽的鱼骨头，如果不拔掉，一不小心就会卡住喉咙，让人痛苦不堪。
编号：SY-AQ-01646 ( 安全管理) 单位：_____________________ 审批：_____________________ 日期：_____________________ WORD文档/ A4打印/ 可编辑 鱼骨图分析法(完整篇) Fishbone diagram analysis
鱼骨图分析法(完整篇) 导语：进行安全管理的目的是预防、消灭事故，防止或消除事故伤害，保护劳动者的安全与健康。在安全管理的四项主要内容中，虽然都是为了达到安全管理的目的，但是对生产因素状态的控制，与安全管理目的关系更直接，显得更为突出。 鱼骨分析法是咨询人员进行因果分析时经常采用的一种方法，其特点是简捷实用，比较直观。现以上面提到的某炼油厂情况作为实例，采用鱼骨分析法对其市场营销题进行解析。 鱼骨分析法简介 鱼骨图是由日本管理大师石川馨先生所发展出来的，故又名石川图。鱼骨图是一种发现问题“根本原因”的方法，它也可以称之为“因果图”。鱼骨图原本用于质量管理。 问题的特性总是受到一些因素的影响，我们通过头脑风暴找出这些因素，并将它们与特性值一起，按相互关联性整理而成的层次分明、条理清楚，并标出重要因素的图形就叫特性要因图。因其形状如鱼骨，所以又叫鱼骨图（以下称鱼骨图），它是一种透过现象看本质的分析方法。 头脑风暴法（BrainStorming——BS）：一种通过集思广益、
发挥团体智慧，从各种不同角度找出问题所有原因或构成要素的会议方法。BS有四大原则：严禁批评、自由奔放、多多益善、搭便车。 鱼骨图的三种类型 A、整理问题型鱼骨图（各要素与特性值间不存在原因关系，而是结构构成关系） B、原因型鱼骨图（鱼头在右，特性值通常以“为什么……”来写） C、对策型鱼骨图（鱼头在左，特性值通常以“如何提高/改善……”来写） 鱼骨图制作 制作鱼骨图分两个步骤：分析问题原因/结构、绘制鱼骨图。 1、分析问题原因/结构。 A、针对问题点，选择层别方法（如人机料法环等）。 B、按头脑风暴分别对各层别类别找出所有可能原因（因素）。 C、将找出的各要素进行归类、整理，明确其从属关系。 D、分析选取重要因素。
质量管理工具因果图,如何绘制因果分析图（又称特性要因图、鱼刺分析图）2010-01-313:38如何绘制因果分析图（又称特性要因图、鱼刺分析图） 1.因果图的概念因果图(causeandeffectdiagram)是描述、整理、分析质量问题（结果）与影响质量的因素（原因）之间关系的图，因其形状如鱼刺，故又称鱼刺图(fishbonediagram)。通过对影响质量的因素进行全面系统地整理和分析，可为明确影响质量的因素与质量问题之间的因果关系，最终找出解决问题提供有力支持。因果图分析法即是用因果分析图分析各种问题产生的原因和由此原因可能导致后果的一种管理方法。由于因果分析图形状象鱼刺，所以又称为鱼刺图。它由结果、原因和枝干三部分组成。结果：表示期望进行改善、追查和控制的对象。原因：表示对结果可能施加影响的因素。枝干：表示原因与结果、原因与原因之间的关系。中央的枝干为主干，用双箭头表示。从主干两边依次展开的枝干为大枝(大原因即直接原因)，大枝两侧展开的枝干为中枝(间接原因)，中枝两侧展开的枝干为小枝(造成间接原因的上一层原因)，用单箭头表示。在一个系统中，下一阶段的结果，往往是上一阶段的原因造成的。用因果图分析法，通过一张图，可把引起事故的错综复杂的因果关系，直观地表述出来，用以分析事故产生的原因和研究预防事故的措施。消防工作人员应用因果分析法可以用来追查复杂的火灾原因和分析复杂的火险隐患，以期采取相应的处置措施；也可以用来分析工作状况以及工作中可能出现的差错和问题，以便采取预防性和控制性措施。因果分析法属于定性分析方法，使用方便、层次分明、简明直观。 2.因果图的绘制步骤(1)确定质量问题。因果图中的“结果”可根据具体需要选择。(2)组织讨论，尽可能找出可能影响结果的所有因素。由于因果图是一种枚举法，为了能够把所有重要因素都能列举上，绘制因果图时，强调结合头脑风暴法，畅所欲言，集思广益。(3)找出因果关系，在图上以因果关系的箭头表示。将质量问题写在纸的右侧，从左至右画箭头（主骨），将结果用方框框上。然后，列出影响结果的主要原因作为大骨，也用方框框上。列出影响大骨（主要原因）的原因，即第二层次原因，作为中骨；再用小骨列出影响中骨的第三层次原因，以此类推，展开到可制定具体对策为止。(4)根据对结果影响的程度，将对结果有显著影响的重要原因用明显的符号表示。(5)在因果图上标出有关信息。例如标题、绘制人、绘制时间等等。(6)在因果图上标明有关资料。例如：产品、工序和小组的名称、参加人员、绘制日期等等。 3.因果图方法注意事项（1）确定原因时应集思广益，充分发扬民主。（2）末端原因尽可能具体，直至能够采取对策为止。（3）质量问题有多少，就要绘制多少张因果图4．因果分析法应用举例某市棉纺厂仓库发生了一次大火，造成了严重损失。为追查火
因果图分析法： 前面介绍的等价类划分方法和边界值分析方法，都是着重考虑输入条件，但未考虑 输入条件之间的联系, 相互组合等。考虑输入条件之间的相互组合，可能会产生一些新的情况。但要检查输入条件的组合不是一件容易的事情，即使把所有输入条件划分成等价类，他们之间的组合情况也相当多。因此必须考虑采用一种适合于描述对于多种条件的组合，相应产生多个动作的形式来考虑设计测试用例。这就需要利用因果图（逻辑模型）。 因果图方法最终生成的就是判定表，它适合于检查程序输入条件的各种组合情况。 因果图中使用了简单的逻辑符号，以直线联接左右结点。左结点表示输入状态（或 称原因），右结点表示输出状态（或称结果）。 ci 表示原因，通常置于图的左部；ei 表示结果，通常在图的右部。ci 和ei 均可取值0 或1，0表示某状态不出现，1表示某状态出现。 4种符号分别表示了规格说明中向4种因果关系。如上图所示。 ①恒等：若ci 是1，则ei 也是1；否则ei 为0。 ②非：若ci 是1，则ei 是0；否则ei 是1。 ③或：若c1或c2或c3是1，则ei 是1；否则ei 为0。“或”可有任意个输入。 ④与：若c1和c2都是1，则ei 为1；否则ei 为0。“与”也可有任意个输入。 因果图概念--约束 输入状态相互之间还可能存在某些依赖关系，称为约束。例如, 某些输入条件本身不可能同时出现。输出状态之间也往往存在约束。在因果图中,用特定的符号标明这些约束。 A.输入条件的约束有以下4类： ① E 约束（异）：a 和b 中至多有一个可能为1，即a 和b 不能同时为1。 ② I 约束（或）：a 、b 和c 中至少有一个必须是1，即 a 、b 和c 不能同时为0。 ③ O 约束（唯一）；a 和b 必须有一个，且仅有1个为1。 ④R 约束（要求）：a 是1时，b 必须是1，即不可能a 是1时b 是0。 B.输出条件约束类型 （d ）与
因果分析法(Causal Factor Analysis，CFA) 是通过因果图表现出来，因果图又称特性要因图、鱼刺图或石川图。 它是1953年在日本川琦制铁公司，由质量管理专家石川馨最早使用的，是为了寻找产生某种质量问题的原因，发动大家谈看法，做分析，将群众的意见反映在一张图上，就是因果图。 用此图分析产生问题的原因，便于集思广益。因为这种图反映的因果关系直观、醒目、条例分明，用起来比较方便，效果好，所以得到了许多企业的重视。 使用该法首先要分清因果地位；其次要注意因果对应，任何结果由一定的原因引起，一定的原因产生一定的结果。因果常是一一对应的，不能混淆；最后，要循因导果，执果索因，从不同的方向用不同的思维方式去进行因果分析，这也有利于发展多向性思维。 一、鱼骨图定义 问题的特性总是受到一些因素的影响，我们通过头脑风暴找出这些因素，并将它们与特性值一起，按相互关联性整理而成的层次分明、条理清楚，并标出重要因素的图形就叫特性要因图。因其形状如鱼骨，所以又叫鱼骨图（以下称鱼骨图），它是一种透过现象看本质的分析方法。同时，鱼骨图也用在生产中，来形象地表示生产车间的流程。 头脑风暴法（Brain Storming——BS）：一种通过集思广益、发挥团体智慧，从各种不同角度找出问题所有原因或构成要素的会议方法。BS有四大原则：严禁批评、自由奔放、多多益善、搭便车。 [编辑本段] [title2]二、鱼骨图的三种类型[/title2] 鱼骨图基本结构 A、整理问题型鱼骨图（各要素与特性值间不存在原因关系，而是结构构成关系,对问题进行结构化整理） B、原因型鱼骨图（鱼头在右，特性值通常以“为什么……”来写） C、对策型鱼骨图（鱼头在左，特性值通常以“如何提高/改善……”来写） 三、鱼骨图制作 制作鱼骨图分两个步骤：分析问题原因/结构、绘制鱼骨图。 1、分析问题原因/结构。
因果分析法案例分析[1] 以给排水管道漏水的质量问题为例，阐述采用因果图来分析质量问题的原因，并通过对这些原因进行逐一控制，将施工质量问题消灭在可能发生的时候，最终实现施工质量的事前控制。 所谓因果图，就是一种用于分析质量特性（结果）与可能影响质量特性的因素（原因）的一种工具，通过把握现状、分析原因、寻找措施来促进问题的解决（如下图)。 通过因果图来分析控制施工质量，就是根据下图中所指出的人、机、料、法、环五个方面进行“因”的控制，以实现工程质量合格这一“果”，即通过控制“因”以实现合格的“果”，从而实现事前控制和主动控制。 1.人的控制 人是影响施工质量的最主要因素。要控制施工质量，首先要实现对人的控制，人是质量控制中最活跃，也是最不稳定的因素，人既是质量控制的主体，又是质量控制中的受控对象，作为质
量控制的主体，要充分调动人的积极性，发挥人的主导作用；作为受控对象，要尽可能地避免犯错误。人对施工质量的影响，直接取决于工人的技术水平。 产品质量归根结底是制造出来的，工人的状态如何，对工程质量有直接影响。但是，管理层的质量控制意识才是质量控制的关键。 为了有效地进行人的控制，必须做好以下几个方面的工作。 （1）建立健全的岗位责任制 岗位责任制是全面、全过程、全员质量控制的基础。施工质量控制的岗位责任制应包括：项目经理和项目技术负责人的管理职责；主管施工员的管理职责；质量员的监督职责；施工人员的直接责任。例如：在管道安装施工前，施工员、质量员必须做好技术和安全交底；施工时，应按规定进行监督，质量员按规定进行抽检。将质量责任落实到具体岗位人员身上的岗位责任制度是实现全员管理、主动控制、事前控制的具体体现。 （2）强化管理意识 一般认为，施工质量问题的主要原因是管理不当。在同样的专业技术条件下，由于管理水平参差，其产品质量、消耗、效益必然存在明显的差别。因此，管理人员必须有强烈的管理意识，进行现场施工管理的人员，不仅要熟悉管道的施工规范和质量要求，而且要掌握一定的质量管理理论、手段和方法。 （3）持续培训 施工质量靠的是相关人员的良好素质，而素质的提高就在于教育，尤其是对质量控制起关键作用的管理人员。随着新技术的不断出现，规范的不断更新，培训应是一个持续的过程。通过持续培训，既可提高相关人员的知识水平，也可总结以前的经验教训，最终达到提高质量控制水平的目的。 （4）引入激励机制 无论是作为受控对象，还是作为质量控制主体，在合理的激励机制下，人员才能充分发挥其主观能动性。在施工生产各个环节，根据工作绩效给相关人员以物质奖励和精神激励，充分调动其工作积极性、主动性和创造性，提高工作效率。这里所讲的激励包括奖优和罚劣两个方面。如工程项目部对施工人员发现施工过程中的质量隐患，减少了损失，就应给予适当的奖励等。 2.材料的控制
[1] 因果分析法案例分析 以给排水管道漏水的质量问题为例，阐述采用因果图来分析质量问题的原因，并通过对这些原因进行逐一控制，将施工质量问题消灭在可能发生的时候，最终实现施工质量的事前控制。 所谓因果图，就是一种用于分析质量特性（结果）与可能影响质量特性的因素（原因）的一 种工具，通过把握现状、分析原因、寻找措施来促进问题的解决（如下图)。 通过因果图来分析控制施工质量，就是根据下图中所指出的人、机、料、法、环五个方面进 行“因”的控制，以实现工程质量合格这一“果”，即通过控制“因”以实现合格的“果”，从而实现事前控制和主动控制。 1.人的控制 人是影响施工质量的最主要因素。要控制施工质量，首先要实现对人的控制，人是质量控制中最活跃，也是最不稳定的因素，人既是质量控制的主体，又是质量控制中的受控对象，作为质 量控制的主体，要充分调动人的积极性，发挥人的主导作用；作为受控对象，要尽可能地避免犯 错误。人对施工质量的影响，直接取决于工人的技术水平。
产品质量归根结底是制造出来的，工人的状态如何，对工程质量有直接影响。但是，管理层 的质量控制意识才是质量控制的关键。 为了有效地进行人的控制，必须做好以下几个方面的工作。 （1）建立健全的岗位责任制 岗位责任制是全面、全过程、全员质量控制的基础。施工质量控制的岗位责任制应包括：项目经理和项目技术负责人的管理职责；主管施工员的管理职责；质量员的监督职责；施工人员的 直接责任。例如：在管道安装施工前，施工员、质量员必须做好技术和安全交底；施工时，应按 规定进行监督，质量员按规定进行抽检。将质量责任落实到具体岗位人员身上的岗位责任制度是 实现全员管理、主动控制、事前控制的具体体现。 （2）强化管理意识 一般认为，施工质量问题的主要原因是管理不当。在同样的专业技术条件下，由于管理水平 参差，其产品质量、消耗、效益必然存在明显的差别。因此，管理人员必须有强烈的管理意识， 进行现场施工管理的人员，不仅要熟悉管道的施工规范和质量要求，而且要掌握一定的质量管理 理论、手段和方法。 （3）持续培训 施工质量靠的是相关人员的良好素质，而素质的提高就在于教育，尤其是对质量控制起关键 作用的管理人员。随着新技术的不断出现，规范的不断更新，培训应是一个持续的过程。通过持 续培训，既可提高相关人员的知识水平，也可总结以前的经验教训，最终达到提高质量控制水平 的目的。 （4）引入激励机制 无论是作为受控对象，还是作为质量控制主体，在合理的激励机制下，人员才能充分发挥其 主观能动性。在施工生产各个环节，根据工作绩效给相关人员以物质奖励和精神激励，充分调动其工作积极性、主动性和创造性，提高工作效率。这里所讲的激励包括奖优和罚劣两个方面。如 工程项目部对施工人员发现施工过程中的质量隐患，减少了损失，就应给予适当的奖励等。 2.材料的控制 材料是工程施工的劳动对象，工程质量在很大程度上取决于材料的质量。正确合理地选择材料，控制材料的规格、性能特性是否符合要求，直接关系到工程质量的的形成。 PDCA循环(戴明环)的四个阶段进场材料的质量控制可从如下几方面着手。
因果图分析法实例讲 解
仅供学习与交流，如有侵权请联系网站删除 谢谢2 因果图分析法： 前面介绍的等价类划分方法和边界值分析方法，都是着重考虑输入条 件，但未考虑输入条件之间的联系, 相互组合等。考虑输入条件之间的相互组合，可能会产生一些新的情况。但要检查输入条件的组合不是一件 容易的事情，即使把所有输入条件划分成等价类，他们之间的组合情况 也相当多。因此必须考虑采用一种适合于描述对于多种条件的组合，相 应产生多个动作的形式来考虑设计测试用例。这就需要利用因果图（逻 辑模型）。 因果图方法最终生成的就是判定表，它适合于检查程序输入条件的各种 组合情况。 因果图中使用了简单的逻辑符号，以直线联接左右结点。左结点表示输 入状态（或称原因），右结点表示输出状态（或称结果）。 ci 表示原因，通常置于图的左部；ei 表示结果，通常在图的右部。ci 和 ei 均可取值0或1，0表示某状态不出现，1表示某状态出现。 （d ）与
因果图概念—关系 4 种符号分别表示了规格说明中向4种因果关系。如上图所示。 ①恒等：若ci 是1，则ei 也是1；否则ei 为0。 ②非：若ci 是1，则ei 是0；否则ei 是1。 ③或：若c1或c2或c3是1，则ei 是1；否则ei 为0。“或”可有任意个输入。 ④与：若c1和c2都是1，则ei 为1；否则ei 为0。“与”也可有任意个输入。 因果图概念--约束 输入状态相互之间还可能存在某些依赖关系，称为约束。例如, 某些输入条件本身不可能同时出现。输出状态之间也往往存在约束。在因果图中,用特定的符号标明这些约束。 A.输入条件的约束有以下4类： ① E 约束（异）：a 和b 中至多有一个可能为1，即a 和b 不能同时为1。 ② I 约束（或）：a 、b 和c 中至少有一个必须是1，即 a 、b 和c 不能同时为0。 ③ O 约束（唯一）；a 和b 必须有一个，且仅有1个为1。 ④R 约束（要求）：a 是1时，b 必须是1，即不可能a 是1时b 是0。 B.输出条件约束类型 输出条件的约束只有M 约束（强制）：若结果a 是1，则结果b 强制为0。 E I O
使用该法首先要分清因果地位；其次要注意因果对应，任何结果由一定的原因引起，一定的原因产生一定的结果。因果常是一一对应的，不能混淆；最后，要循因导果，执果索因，从不同的方向用不同的思因果分析法 维方式去进行因果分析，这也有利于发展多向性思维。按事物之间的因果关系，知因测果或倒果查因。因果预测分析是整个预测分析的基础。因果分析法（技术）运用于项目管理中，就是以结果作为特性，以原因作为因素，逐步深入研究和讨论项目目前存在问题的方法。因果分析法的可交付成果就是因果分析图。一旦确定了因果分析图，项目团队就应该对之进行解释说明，通过数据统计分析、测试、收集有关问题的更多数据或与客户沟通来确认最基本的原因。确认了基本原因之后，项目团队就可以开始制定解决方案并进行改进了。 一、鱼骨图定义 问题的特性总是受到一些因素的影响，我们通过头脑风暴找出这些因素，并将它们与特性值一起，按相互关联性整理而成的层次分明、条理清楚，并标出重要因素的图形就叫特性要因图。因其形状如鱼骨，所以又叫鱼骨图（以下称鱼骨图），它是一种透过现象看本质的分析方法。同时，鱼骨图也用在生产中，来形象地表示生产车间的流程。头脑风暴法（Brain Storming——BS）：一种通过集思广益、发挥团体智慧，从各种不同角度找出问题所有原因或构成要素的会议方法。BS有四大原则：严禁批评、自由奔放、多多益善、搭便车。 二、鱼骨图的三种类型 鱼骨图基本结构A、整理问题型鱼骨图（各要素与特性值间不存在原因关系，而是结构构成关系,对问题进行结构化整理）B、原因型鱼骨图（鱼头在右，特性值通常以“为什么……”来写）C、对策型鱼骨图（鱼头在左，特性值通常以“如何提高/改善……”来写） 三、鱼骨图制作 制作鱼骨图分两个步骤：分析问题原因/结构、绘制鱼骨图。1、分析问题原因/结构。 A、针对问题点，选择层别方法（如人机料法环测量等）。 B、按头脑风暴分别对各层别类别找出所有可能原因（因素）。 C、将找出的各要素进行归类、整理，明确其从属关系。 D、分析选取重要因素。 E、检查各要素的描述方法，确保语法简明、意思明确。分析要点：a、确定大要因（大骨）时，现场作业一般从“人机料法环”着手,管理类问题一般从“人事时地物”层别，应视具体情况决定；b、大要因必须用中性词描述（不说明好坏），中、小要因必须使用价值判断（如…不良）；c、脑力激荡时，应尽可能多而全地找出所有可能原因，而不仅限于自己能完全掌控或正在执行的内容。对人的原因，宜从行动而非思想态度面着手分析；d、中要因跟特性值、小要因跟中要因间有直接的原因-问题关系，小要因应分析至可以直接下对策；e、如果某种原因可同时归属于两种或两种以上因素，请以关联性最强者为准（必要时考虑三现主义：即现时到现场看现物，通过相对条件的比较，找出相关性最强的要因归类。）f、选取重要原因时，不要超过7项，且应标识在最未端原因；2、鱼骨图绘图过程A、填写鱼头（按为什么不好的方式描述），画出主骨B、画出大骨，填写大要因C、画出中骨、小骨，填写中小要因D、用特殊符号标识重要因素要点：绘图时，应保证大骨与主骨成60度夹角，中骨与主骨平行 四、鱼骨图使用步骤 (1)查找要解决的问题；(2)把问题写在鱼骨的头上；(3)召集同事共同讨论问题出现的可能原因，尽可能多地找出问题；(4)把相同的问题分组，在鱼骨上标出；(5)根据不同问题征求大家的意见，总结出正确的原因；(6)拿出任何一个问题，研究为什么会产生这样的问题？(7)针对问题的答案再问为什么？这样至少深入五个层次（连续问五个问题）；(8)当深入到第五个层次后，认为无法继续进行时，列出这些问题的原因，而后
因果分析法案例分析 以变压器壳体漏油的质量问题为例，阐述采用因果图来分析质量问题的原因，并通过对这些原因进行逐一控制，将加工质量问题消灭在可能发生的时候，最终实现施工质量的事前控制。 所谓因果图，就是一种用于分析质量特性（结果）与可能影响质量特性的因素（原因）的一种工具，通过把握现状、分析原因、寻找措施来促进问题的解决（如下图)。 通过因果图来分析控制加工质量，就是根据下图中所指出的人、机、料、法、环五个方面进行“因”的控制，以实现工程质量合格这一“果”，即通过控制“因”以实现合格的“果”，从而实现事前控制和主动控制。 1.人的控制 人是影响加工质量的最主要因素。要控制加工质量，首先要实现对人的控制，人是质量控制中最活跃，也是最不稳定的因素，人既是质量控制的主体，又是质量控制中的受控对象，作为质量控制的主体，要充分调动人的积极性，发挥人的主导作用；作为受控对象，要尽可能地避免犯错误。人对加工质量的影响，直接取决于工人的技术水平。 产品质量归根结底是制造出来的，工人的状态如何，对工程质量有直接影响。但是，管理层的质量控制意识才是质量控制的关键。 为了有效地进行人的控制，必须做好以下几个方面的工作。 （1）建立健全的岗位责任制 岗位责任制是全面、全过程、全员质量控制的基础。加工质量控制的岗位责任制应包括：技术负责人的管理职责；；质量员的监督职责；操作工人的直接责任。例如：在图纸下发之前，质量员必须做好技术和安全交底；加工时，应按规定进行监督，质量员按规定进行抽检。将质量责任落实到具体岗位人员身上的岗位责任制度是实现全员管理、主动控制、事前控制的具体体现。 （2）强化管理意识 一般认为，加工质量问题的主要原因是管理不当。在同样的专业技术条件下，由于管理水平参差，其产品质量、消耗、效益必然存在明显的差别。因此，管理人员必须有强烈的管理意识，进行现场施工管理的人员，不仅要熟悉机械加工的规范和质量要求，而且要掌握一定的质量管理理论、手段和方法。 （3）持续培训 加工质量靠的是相关人员的良好素质，而素质的提高就在于教育，尤其是对质量控制起关键作用的管理人员。随着新技术的不断出现，规范的不断更新，培训应是一个持续的过程。通过持续培训，既可提高相关人员的知识水平，也可总结以前的经验教训，最终达到提高质量控制水平的目的。
因果分析法案例分析［1] 以给排水管道漏水的质量问题为例，阐述采用因果图来分析质量问题的原因,并通过对这些原因进行逐一控制,将施工质量问题消灭在可能发生的时候,最终实现施工质量的事前控制. 所谓因果图，就是一种用于分析质量特性（结果)与可能影响质量特性的因素(原因）的一种工具，通过把握现状、分析原因、寻找措施来促进问题的解决（如下图）。 通过因果图来分析控制施工质量，就是根据下图中所指出的人、机、料、法、环五个方面进行“因”的控制,以实现工程质量合格这一“果”,即通过控制“因”以实现合格的“果",从而实现事前控制和主动控制。 1。人的控制 人是影响施工质量的最主要因素.要控制施工质量，首先要实现对人的控制,人是质量控制中最活跃，也是最不稳定的因素，人既是质量控制的主体,又是质量控制中的受控对象,作为质量控制的主体，要充分调动人的积极性,发挥人的主导作用;作为受控对象,要尽可能地避免犯错误。人对施工质量的影响，直接取决于工人的技术水平.
产品质量归根结底是制造出来的,工人的状态如何,对工程质量有直接影响.但是,管理层的质量控制意识才是质量控制的关键。 为了有效地进行人的控制,必须做好以下几个方面的工作。 (1)建立健全的岗位责任制 岗位责任制是全面、全过程、全员质量控制的基础。施工质量控制的岗位责任制应包括：项目经理和项目技术负责人的管理职责；主管施工员的管理职责；质量员的监督职责；施工人员的直接责任。例如：在管道安装施工前,施工员、质量员必须做好技术和安全交底;施工时，应按规定进行监督，质量员按规定进行抽检．将质量责任落实到具体岗位人员身上的岗位责任制度是实现全员管理、主动控制、事前控制的具体体现。 （2)强化管理意识 一般认为，施工质量问题的主要原因是管理不当。在同样的专业技术条件下，由于管理水平参差，其产品质量、消耗、效益必然存在明显的差别。因此,管理人员必须有强烈的管理意识,进行现场施工管理的人员,不仅要熟悉管道的施工规范和质量要求,而且要掌握一定的质量管理理论、手段和方法。 （3）持续培训 施工质量靠的是相关人员的良好素质，而素质的提高就在于教育,尤其是对质量控制起关键作用的管理人员。随着新技术的不断出现,规范的不断更新，培训应是一个持续的过程。通过持续培训，既可提高相关人员的知识水平，也可总结以前的经验教训，最终达到提高质量控制水平的目的。 (4）引入激励机制 无论是作为受控对象，还是作为质量控制主体,在合理的激励机制下，人员才能充分发挥其主观能动性。在施工生产各个环节,根据工作绩效给相关人员以物质奖励和精神激励,充分调动其工作积极性、主动性和创造性，提高工作效率。这里所讲的激励包括奖优和罚劣两个方面。如工程项目部对施工人员发现施工过程中的质量隐患，减少了损失，就应给予适当的奖励等。 2。材料的控制 材料是工程施工的劳动对象，工程质量在很大程度上取决于材料的质量.正确合理地选择材料，控制材料的规格、性能特性是否符合要求，直接关系到工程质量的的形成。 PDＣＡ循环(戴明环)的四个阶段进场材料的质量控制可从如下几方面着手。
因果图分析法 图、鱼刺图或石川图，它是1953年在日本川琦制铁公司， 量问题的原因，发动大家谈看法，做分析，将群众的意见反 便于集思广益。因为这种图反映的因果关系直观、醒目、条例分明，用起来比较方便，效果好，所以得到了许多企业的重视。 使用该法首先要分清因果地位；其次要注意因果对应，任何结果由一定的原因引起，一定的原因产生一定的结果。因果常是一一对应的，不能混淆；最后，要循因导果，执果索因，从不同的方向用不同的思维方式去进行因果分析，这也有利于发展多向性思维。 因果分析法
按事物之间的因果关系，知因测果或倒果查因。因果预测分析是整个预测分析的基础。 因果分析法（技术）运用于项目管理中，就是以结果作为特性，以原因作为因素，逐步深入研究和讨论项目目前存在问题的方法。因果分析法的可交付成果就是因果分析图。 一旦确定了因果分析图，项目团队就应该对之进行解释说明，通过数据统计分析、测试、收集有关问题的更多数据或与客户沟通来确认最基本的原因。确认了基本原因之后，项目团队就可以开始制定解决方案并进行改进了。 鱼骨图定义 问题的特性总是受到一些因素的影响，我们通过头脑风暴找出这些因素，并将它们与特性值一起，按相互关联性整理而成的层次分明、条理清楚，并标出重要因素的图形就叫特性要因图。因其形状如鱼骨，所以又叫鱼骨图（以下称鱼骨图），它是一种透过现象看本质的分析方法。同时，鱼骨图也用在生产中，来形象地表示生产车间的流程。 头脑风暴法（Brain Storming——BS）：一种通过集思广益、发挥团体智慧，从各种不同角度找出问题所有原因或构成要素的会议方法。BS有四大原则：严禁批评、自由奔放、多多益善、搭便车。