分层回归与经典回归模型比较研究以顾客资产驱动因素与忠诚意向的关系为例.pdfVIP

第40卷第8期 数学的实践与认识 V01．40．NO．8 2010年4月 MATHEMATICSINPRACTICEANDTHEORY Apr．，2010 分层回归与经典回归模型比较研究： 以顾客资产驱动因素与忠诚意向的关系为例 张莎·，一，赵红t (1．中国科学院研究生院管理学院，北京100089) (2．荷兰格罗宁根大学经济与管理学院市场营销系，格罗宁根9700AV) 摘要：对我国六大银行688条顾客数据，分别运用两种方法(分层回归模型和经 2．10 典回归模型)在两种软件(MLwiNBeta和SPSS15．o)，进行了数学建模．结果 显示，经典回归模型进行参数估计的结果不会产生严重偏差；没有足够的证据证明 经典回归模型会因为低估标准误从而使得不显著的变量变得显著．结论表明收集数 据时，无论采用分层抽样还是随机抽样，建模者都可以先从建立简单模型着手，获得 对数据的初步认知． 关键词： 分层回归模型；经典回归模型；忠诚意向；顾客资产驱动因素 1经典回归模型与分层回归模型简介 回归分析作为最重要的计量经济建模方法之一，是统计分析中应用最多、最广泛的一个 分支．传统的经典回归模型有着较为严格的假设(例如，独立性假设)，现实中常常难以满足． 因此，在经典回归模型的基础上，后来又发展出如分层回归模型等更贴合现实的方法．本文 第一部分将简要介绍经典回归模型和分层回归模型并提出本文的两大假设，第二部分将简要 交代实例，即顾客资产驱动因素与忠诚意向的相关研究背景，第三部分是研究设计，包括自变 量、因变量、控制变量及数据收集情况，第四部分将对数据分别采用经典回归模型和分层回 归模型进行建模以检验假设，最后一部分是全文总结及未来研究展望． 1．1经典回归模型 通常用回归模型研究两个或多个变量之间的相互关系，以最简单的一元线性回归模型为 例，经典回归模型的数学形式如下： K=Zo+p1Xi+ei 其中，K是因变量，也称解释变量；Xi为自变量，也称被解释变量，Ci为残差项．回归分析需 要满足的一系列基本假设包括：1)残差项服从正态分布；2)残差项的方差相同；3)残差项 均值为o；4)解释变量和残差项相互独立；5)无序列相关，即变量前后期数值或不同样本数 值不能存在相关性．如果违背了这些基本假设，则可能导致回归分析估计的系数有偏或本应 显著的变量不显著． 收稿日期：2009—12—12 资助项目：国家自然科学基金 万方数据 16 数学的实践与认识 40卷 1．2多层次线性回归模型 Model或Hierarchical 分层回归模型(MultilevelRegression Regression 本数据呈现多层次结构的情况．例如，首先选出高层次的调查对象，如班级；然后再对拟抽样 调查班级的学生进行调研．由于同一班级的学生通常不是相互独立的．比如，由于录取要求 (如实验班学生高考分数通常比较高)、受教育方式(如修相同老师的课)的不同，相同班级学 生通常具有某些共性．从平均意义上看，同班同学的相关系数(所谓的Intra-class 比来自不同班级学生的相关系数高．而经典回归模型假定观测对象(上例中的学生)相互独 立．如果实际情况违背该假设，用经典回归模型建模将会低估回归系数的标准误，从而使得一 些本不显著的变量变得显著【1】． 调查对象之间具有某种相互关联普遍存在社会调查中，尤其是采用整群抽样的调查方法， 即将总体中若干个单位合并为组(群)，抽样时直接抽取群，然后对中选群中的所有单位全部 实施调查．因违背了经典回归模型假设，整群抽样很容易产生“整群抽样效应”，通常也被称 之为设计效应(Design 行建模． Internation