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.DOC

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2008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”所得数据为基础，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，并比较了不同大学生特征的炒股意向差异。实证分析结果表明，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）Logistic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 - 表 7 对应分析总览表 - 10 - 图 1 对应分析图 - 11 - 我国经济的高速增长人民生活水平提和股市行情，越来越多的人投资股市。随着大学生心理的成熟以及自我意识的发展，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。本文所使用数据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项目。本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基本状况及行为特征，为研究大学生炒股行为及心理提供相的数据支持。 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，本项目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，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达到90.5%和33.3%。为了研究专业背景的需要，在保证总体推断效果的基础上，本次调查按各专业的学科特点专业分为三类，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100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%ogistic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）则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。对应分析(Correspondence nalysis)也称关联分析，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。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发展起来的一种多元相依变量统计分析技术。对应分析的基本思想是将一个列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部分组成：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。列则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。由于炒股与否为二分类变量，本文将通过建立ogistic回归模型来识别不同学生特征对炒股意向的影响。