logistis回归分析和联合分析法.docVIP

首先我们组采用logistic回归分析法与联合分析法作为我们的研究技术方法，首先用logistic回归分析法分析出对农民工现在参保意愿以及未来参保意愿影响较大的因素（危险因素），然后我们假定“新农保”作为一个公共产品，它具有一定的属性，然后每个属性都有相应的水平（值），比如愿意参加新农保的年龄：40岁以上（10）、30岁到40岁之间（8）、30岁以下（6）等，参加新农保时每人每年需交费用的多少：300（10）、200（8）、100（6）等，家庭人均年收入：7000及以上（10）、6000到7000（8）、5000到6000（6）等各种因素，最后再用联合分析法分析这几个因素的各个属性不同属性值的组合所得到的“虚拟产品”的“效用值”（不知用何词？）——收集农户对属性水平的评价以及对“虚拟产品”的评价，值越高说明“虚拟产品”受亲睐的程度越大，越容易被接受，然后我们就可以根据这个结果写分析以及建议了。不过在写分析以及建议之前，我们最好进行一下估计和验证（我建议是将最高效用的“虚拟产品”罗列出来，及各个影响因素的属性水平罗列在一张卡片上，然后再反过头再次进入农户家里进行调查，让他们对我们提供的“虚拟产品”再次进行评价，最后将得到的结果与我们估计的水平进行比较）。 Logistic回归分析法： 确定变量的个数，并采用计量方法，将其视为新农保的属性，每个属性都有其相应的属性水平（即值） x1：新农保的等级；x2:筹资比例，国家政府资助、地方财政投入、个人缴费；x3：新农保基础养老金领取与子女是否参保；x4:参加新农保时的年龄；x5:家庭人均年收入；x6:参加了新农保是否还可以领取低保；x7:身体健康程度；x8：子女个数；x10：土地面积等 寻早合适的模型——运用多元直线回归模型分析（因为因变量为多个计量资料） 多元直线回归模型 y = a + b1x1 + b2x2 + … + bkxk + e 进行logit变换 logit(p) = ln(p/(1-p))， p为y=1所对应的概率 logit(0.1) = ln(p/(1-p)) = ln(0.1/0.9) logit(p) = ln( p/(1-p)) p=0或1时，此式失效 以 p = r/n 代之 logit(p) = ln [ (r + 0.5) / (n – r + 0.5) ] 此称经验logistic变换 以Z代上式的logit(p), Z = a + b1x1 + b2x2 + … + bkxk 称此为logistic回归模型 自变量取定一些值时，因变量取0、1的概率就是条件概率，对条件概率进行logistic回归，称为条件logistic回归 表达式：P=?(抱歉还不会用word写出来) 所以OR=eb1,对于回归系数用极大似然估计法（可用Stata软件进行）求的，如果回归系数为0的，则意味着因变量与自变量没有关联了，因此需要进行回归系数检验，检验回归系数是否为零。 应用模型校正混杂作用 利用x1或x2在相应条件下的OR 值，然后得出农民是否参保与那些因素的关联性最大。剔除有混杂的作用因素。（用到统计软件） 确定产品或服务的属性与属性水平。 联合分析首先对产品或服务的属性和属性水平进行识别。所确定产品或服务的属性应该是可操作的．而且是影响消费者喜好的突出属性，同时要注意考虑正面和反面的因素。各属性所含的水平数目一方面应尽可能平衡，另一方面在尽可能包括关键属性的同时要限制属性水平的个数．其目的一方面要减轻被调查者的负担．另一方面使参数估计保证一定的精度。 从农户看待新农保作为政府提供的公共产品的几个属性。比如农户要缴纳的保费这个属性，分为100元、200元、300元、400元、500元5个档次2．产品模拟。 为减少属性的组合数量．联合分析采用正交设计的方法将这些属性与属性水平进行组合．生成一系列虚拟产品。并将每一种虚拟产品分别描述在一卡片上。 3、数据收集。 要求被访的农户每次针对新农保的所有属性进行评价。请农户对各个虚拟产品进行评价．通过打分、排序等方法调查消费者对虚拟产品的喜好、购买的可能性等。 4．计算属性的效用。 （引入论文《应用联合分析和混合回归模型进行市场细分》，清华，王高，黄劲松）引文如下图 从收集的信息中分离出消费者对每一属性以及属性水平的偏好值．这些偏好值也就是该属性的“效用”。计算属性的模型和方法有多种．一般地，人们采用最小二乘法回归(OLS)、多元方差分析(MONANOVA)、罗杰斯特回归(LOGISTIC)分析等方法。 5估计和验证。 建立模型后还须对结果的信度和效度进行评价，以评价在消费者个体层次和群体层次上联合分析模型