مهمترین عامل ( یعنی همان یک عامل) به صورت ترکیب خطی از متغیرهای استاندارد شده زیر است:

این عامل وزن بیشتری را به درصد خطای پیش بینی سود(FE) و پراکندگی پیش بینی سود (FD) ( تقریباً به میزان یکسان ) می دهد و وزن کمتری به نوسان بازده سهام (RV) داده میشود. در نهایت از عامل بدست آمده بر اساس روش بالا برای اندازه گیری عدم اطمینان اطلاعاتی استفاده شده است.

۳-۴)آزمون نرمال بودن داده ها
نرمال بودن متغیرها به اندازه‌ای مهم است که روش های آماری در یک تقسیم بندی با برقراری این فرض رده بندی می گردند. به طوری که تحت نرمال بودن اغلب از آزمونهای پارامتری و در غیر اینصورت از آزمونهای ناپارامتری برای تحلیل استفاده می شود. در ادامه با بهره گرفتن از آزمون کلموگروف- اسمیرنف^[۱۳۹] نرمال بودن متغیرها بررسی شده است. آزمون کولموگورف، اسمیرنف که به افتخار دو آماردان روسی به نامهای ا.ان کولموگوروف^[۱۴۰] و ان.وی.اسمیرنوف^[۱۴۱] به این نام خوانده می‌شود، روش ناپارامتری ساده‌ای برای تعیین همگونی اطلاعات تجربی با توزیعهای آماری منتخب است و آنرا با نام اختصاری ks نمایش می‌دهند.
فرض صفر و فرض مقابل در این آزمون به صورت زیر نوشته می‌شود.

داده‌ها برای متغیر وابسته از توزیع نرمال پیروی می‌کند
داده‌ها برای متغیر وابسته از توزیع نرمال پیروی نمی‌کند
این آزمون بر روی پرتفوی هایی که برای انجام آزمون آماری مورد استفاده قرار خواهند گرفت صورت پذیرفته است. بر این اساس ابتدا نتایج حاصل از اجرای این آزمون بر روی میانگین بازدهی پرتفوی های دارای اخبار خوب و اخبار بد که از سطح عدم اطمینان اطلاعاتی خیلی کم و خیلی زیاد برخوردار هستند ارائه می شود.
نتایج حاصل از اجرای این آزمون بر روی میانگین بازدهی پرتفوی های دارای اخبار خوب و اخبار بد که از سطح عدم اطمینان اطلاعاتی خیلی کم و خیلی زیاد برخوردار هستند در جدول ۶-۴ ارائه می شود:
جدول۶-۴) آزمون کلموگروف – اسمیرنف برای بررسی نرمال بودن توزیع بازدهی ها برای شرکتهای با اخبار خوب و بد در دو سطح عدم اطمینان اطلاعاتی خیلی کم و خیلی زیاد