《在校大学生个体炒股意向的影响因素研究中国统计教育学会》由会员分享，可在线阅读，更多相关《在校大学生个体炒股意向的影响因素研究中国统计教育学会（14页珍藏版）》请在金锄头文库上搜索。
1、全国大学生统计建模大赛在校大学生炒股意向的影响因素研究在校大学生炒股意向的影响因素研究摘 要为分析在校大学生炒股意向的影响因素，本文以2021年东北财经大学社会与行为跨学科研究中心所完成的“东北财经大学在校大学生炒股行为特征调查所得数据为根底，利用二项Logistic回归模型和对应分析方法，对影响在校大学生炒股意向的因素进行了细分，并比拟了不同大学生特征的炒股意向差异。实证分析结果说明，具有不同性别、年级、专业、风险偏好特征的学生，其进入股市的意向均有所差异。关键词：炒股意向，Logistic回归，对应分析目 录一、问题描述- 3 -二、数据描述- 3 -三、研究方法及模型选取- 4 -一Lo
2、gistic回归模型说明- 4 -二对应分析方法说明- 4 -四、模型建立- 5 -一模型设定及符号说明- 5 -二模型建立- 5 -五、模型求解和检验- 6 -一模型求解方法- 6 -二模型检验方法- 6 -三模型的求解和检验结果- 7 -六、模型评价- 9 -七、结论及建议- 11 -一结论- 11 -二建议- 12 -参考文献- 13 -图表目录表 1 虚拟变量名称及取值列表- 5 -表 2 模型整体显著性的Hosmer-Lemeshow检验结果- 7 -表 3 回归系数估计值及其显著性检验结果- 8 -表 4 二维列联表- 9 -表 5 行轮廓矩阵- 9 -表 6 列轮廓矩阵- 10
3、-表 7 对应分析总览表- 10 -图 1 对应分析图- 11 -一、问题描述受近几年来我国经济的高速增长、人民生活水平提高的影响和股市行情2006年牛市行情所带来丰硕回报的驱动，越来越多的人投资股市，在校大学生群体也不例外。随着大学生心理的不断成熟以及自我意识的进一步开展，大学生越来越注重自我理财和经济独立，炒股为他们提供了良好的契机。在全民炒股的大浪潮中，作为个体的在校大学生在进行炒股决策时，会受到多方面因素的影响。本文将以“东北财经大学在校大学生炒股行为特征调查所得数据为根底，探寻在校大学生个体炒股意向的影响因素，以期能为高校加强对大学生股民的正确引导提供依据。二、数据描述本文所使用数据
4、来源于东北财经大学社会与行为跨学科研究中心行为金融学实验班负责实施的“东北财经大学在校大学生炒股行为特征调查工程。本次调查通过对东北财经大学在校本科生的炒股情况进行调查和分析，了解在校本科生的炒股根本状况及行为特征，为研究大学生炒股行为及心理提供相应的数据支持。本次调查针对东北财经大学在校本科生展开，为提高推断的准确度和调查的效率，以及满足多层次和分类型推断的需要，本工程采用了按年级、专业、性别三个标识变量进行复合分层的抽样方法，确定样本量1040个，全校抽样比例为12%，分布于本科38个专业的293个班级，专业和班级的覆盖率分别到达90.5%和33.3%。调查内容涉及大学生炒股的根本信息、炒
5、股行为特征、风险偏好等。同时，为了研究专业背景的需要，在保证总体推断效果的根底上，本次调查按各专业的学科特点将所有专业分为三类，即金融相关专业，经济、管理和理学相关专业，人文、法学相关专业。本次调查通过面对面访谈与被调查者自填问卷相结合的方式进行。实际发放问卷1040份，回收有效问卷1009份，回收率为96.9%。本次调查由东北财经大学行为金融学实验班2006级全体学生共同完成。调查数据的汇总、处理及分析过程使用EpiData、SPSS软件系统实现。在95%的概率保证下，调查主要炒股行为特征指标相对误差1%。三、研究方法及模型选取本文将使用Logistic回归模型和对应分析方法，从定量和定性两
6、个角度分析不同的学生特征对在校大学生个体炒股意向的影响。一Logistic回归模型说明Logistic回归属于概率型非线性回归，是最常见的二元选择模型。假设在自变量的作用下，某事件的发生概率为，不发生的概率为，事件发生的概率与不发生的概率之比，称为事件的“发生比，用表示： 1那么logistic回归模型为 2式中，为常数项，称为回归系数。回归系数的指数变换，称作变量的优势比，它代表自变量变化一个单位所带来的事件发生可能性的变化比率，描述了自变量对因变量的作用大小。二对应分析方法说明 对应分析(Correspondence Analysis)也称相应分析、关联分析，它通过分析由定性变量构成的交互
7、汇总表来揭示变量间的联系。对应分析可以揭示同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系，是近年新开展起来的一种多元相依变量统计分析技术。 对应分析的根本思想是将一个列联表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。它最大特点是能把众多的样品和众多的变量同时作到同一张图解上，将样品的大类及其属性在图上直观而又明了地表示出来，具有直观性。对应分析法整个处理过程由两局部组成：表格和关联图。对应分析法中的表格是一个二维的表格，由行和列组成。每一行代表事物的一个属性，依次排开。列那么代表不同的事物本身，它由样本集合构成，排列顺序并没有特别的要求。在关联图上，各个样本
8、都浓缩为一个点集合，而样本的属性变量在图上同样也是以点集合的形式显示出来。四、模型建立由于炒股与否为二分类变量，本文将通过建立Logistic回归模型来识别不同学生特征对炒股意向的影响。性别、年级、专业等控制变量的不同，对个体炒股意向的影响也往往会有不同。接下来本文将利用调查所得数据，通过建立Logistic回归模型，来实现学生的不同特征对其炒股意向的影响方向和程度的量化研究。一模型设定及符号说明以 是否炒股为被解释变量，定义正在炒股的，曾经炒过股但已清仓，以及模拟炒股者为“炒股者，取值为1；没有炒过股的为“不炒股者，取值为0。以性别，年级，专业为解释变量，变量取值如表1所示。表 1 虚拟变量
9、名称及取值列表虚拟变量名称变量取值I1-炒股 0-不炒股S1-男 0-女G11-大一学生 0-其他G21-大二学生 0-其他G31-大三学生 0-其他M11-金融相关专业 0-其他M21-经济学管理学理学 0-其他二模型建立考虑性别、年级和专业各自对在校大学生个体炒股意向的影响，以及变量之间的交互效应，通过二项Logistic回归方法，本文建立了如下模型来分析影响个体炒股意向的因素： 代表第个子个体，五、模型求解和检验一模型求解方法一般的线性回归模型适合于使用最小二乘法进行估计，由于二项Logistic回归模型中随机扰动项并不满足经典假设，所以需要使用极大似然法估计。由Logistic回归模型
10、的根本形式可知，服从均值的0-1分布，所以，的分布函数为 模型的似然函数为 模型的对数似然函数为对二项Logistic回归模型进行估计，就是求使得到达最大的值。二模型检验方法回归方程整体显著性检验常用的检验方法有Hosmer-Lemeshow检验和对数似然比检验。本文使用的是前者。在二项Logistic回归模型中，回归系数显著性检验不是通过检验，而是通过构造Wald统计量来进行。Wald检验的原假设是，Wald统计量按照如下等式构造：其中，是第个变量的回归系数估计值，是的标准差。Wald统计量在原假设得到满足的条件下，服从一个自由度为1的卡方分布。SPSS能够自动计算Wald统计量和其对应的值
11、，通过比拟第个Wald统计量对应的值和给定的显著性水平，就可以判定第个回归系数是否显著，当值小于特定的显著性水平时，拒绝原假设，认为第个回归系数显著不为0。三模型的求解和检验结果表 2 模型整体显著性的Hosmer-Lemeshow检验结果Chi-squaredfSig.8给定5%的显著性水平，原假设是各回归系数同时为0，备选假设为各回归系数不同时为0。由表2可知，模型整体是显著的，可以进行进一步研究。运用ForwardStepwise(Conditional) 的方法，可以得到各回归系数的估计值和显著性检验结果，见表3。从表3可以看出，年级、专业以及年级和专业组成的交互变量整体是显著的，其中
12、大一、大二年级，金融相关专业，以及性别和专业交叉影响下的“金融相关专业男生和“经济学管理学或理学专业男生是统计显著的，而其他变量是不显著的，因而被剔除。从回归系数的符号来看，大一、大二年级，经济学、管理学、理学专业与是否炒股负相关，大三年级、金融相关专业、金融相关专业的男生，经济学、管理学、理学专业的男生与是否炒股正相关。这与实际情况根本符合。根据二项Logistic回归方法，可得出其表达式： 表 3 回归系数估计值及其显著性检验结果BS.E.WalddfSig.Exp(B)年级30 大一10 大二10 大三1专业2 金融相关1 经济学管理学或理学1性别*专业20金融相关专业男生1经济学管理学
13、或理学专业男生10常数10将各显著项前的回归系数取反对数，即由上表的最后一列可以得到大学生证券投资的时机比率，即为变量的优势比，其大小可以解释为该水平所对应的大学生证券投资概率与基准期大学生证券投资概率相比的倍数。由表3可知，样本中大三学生炒股的发生比为基准期大四学生的倍，而大一和大二学生炒股的发生比仅为基准期大四学生的和；金融相关专业的学生炒股的发生比为基准期人文、法学相关专业学生的倍，而金融相关专业的男生炒股的发生比更是基准期人文、法学相关专业学生的倍。可见大三、大四的学生比大一、大二的学生炒股的可能性大，金融相关专业的学生比经济学、管理学、理学专业的学生炒股的可能性大，金融相关专业的男生
14、比经济学、管理学、理学专业的男生炒股的可能性大。六、模型评价本文构建的二项Logistic回归模型的优点在于，该模型成功地将性别、年级、专业等离散变量对炒股意向的影响进行了量化。通过该二元选择模型的求解，衡量了各变量对在校大学生炒股意向的影响程度，清晰地刻画了在校大学生的炒股决策，对发现大学校园里的炒股群体具有指向性的作用，便于高校采取相应的合理引导措施。但是，本文构建的模型也存在一定的改良空间。因为除了本文所考察的影响因素外，其他因素也可能会显著影响大学生的炒股意向，而考虑到模型的简明性，这些因素没有被包括在模型里。比方，在校大学生的风险偏好类型对其炒股意向的影响等。由于态度对行为很大程度上会产生影响，接下来本文将对在校大学生风险偏好类型与是否炒股意向的对应关系进行分析，以补充二项Logistic回归模型在研究在校大学生个体炒股意向的影响因素问题时的缺乏
