武汉大学生投资理财的现状分析.docVIP

武汉大学生投资理财的现状分析 　　摘 要：随着金融市场的不断发展，投资理财活动正在大学生群体中逐渐兴起。为了解目前武汉市大学生的投资理财现状，找出影响大学生参与投资理财的因素，进而帮助大学生树立正确的消费观、人生观和价值观，以发放调查问卷的方式获得大学生投资理财的相关数据，利用Logit模型对大学生投资理财行为进行分析，找出影响大学生投资理财的因素及其影响程度。 　　关键词：大学生；投资理财；Logistic回归分析 　　中图分类号：F830 文献标志码：A 文章编号：1673-291X（2015）06-0114-03 　　导论 　　根据Hosmer等人1991年统计，1985―1989年间《美国公共卫生杂志》中约有20%的文章应用了Logit模型。而国内把Logit模型主要应用于医学领域的研究，应用到经济管理领域的则相对较少，把Logit模型运用到研究大学生投资理财中的更是寥寥无几。谢楠等（2008）对随机抽出的北京10所高校进行调查，利用Logit模型分析影响大学生投资概率的因素，但该研究的模型拟合度仅0.09。范东平等（2011）对西南大学900名在校大学生进行调查，运用多分类Logit回归分析得出影响大学生投资倾向的因素，但该研究将自变量均当作连续变量处理，而像资金来源这一自变量不应该当作连续变量。且样本集中在一个学校，理财样本数也过少，因此得出大学生投资理财倾向受专业背景影响较小的结论。此外柯宝红等（2010）利用单因素方差分析的方法得出大学生对理财方式的偏好在性别、学科、家庭结构和家庭所在地上存在着显著差异；不同年级、性格和风险态度的大学生的实际理财方式无显著差异。以上研究结果并不完全一致。 　　一、调查情况描述 　　通过对武汉39所高校进行调查，剔除无效问卷后共搜集样本1 454份。结果显示：大学生未理财的原因中，不了解的占到了69.98%，资金不足占60.64%，而其他结果均在20%以下。由此可见，对投资理财的不了解以及资金不足是导致大学生未参与投资理财的主要原因。此外为了解其他因素是否能显著影响大学生投资理财行为，哪些因素对大学生参与投资理财无显著影响，以及各影响因素的影响程度，实证分析将给出合理结论。 　　二、Logistic回归模型构建 　　Logit模型又称Logistic回归模型，起源于20世纪初，是离散选择模型中的一种。起初Logit公式是由Luce（1959）将选择概率的特性进行假设推导而得，而后McFadden（1974）从计量经济学的角度将Luce的模型中精确的效用设定为选择项可观测变量的函数，把决策者选择某一选项的概率写成封闭型的简洁表达形式，并称之为条件Logit模型即现在通常所说的多项Logit模型。 　　由于线性回归模型要求因变量是连续的正态分布变量且自变量和因变量呈线性关系。而分析离散数据的方法中，Logit模型被广泛应用于流行病学以探索引发某疾病的危险因素，本文将此模型应用于分析大学生投资理财，以找出大学生投资理财行为的影响因素。 　　为构建是否参与投资理财与各影响因素之间的关系，本文改为讨论大学生参与投资理财这一事件发生的可能性Y*与各影响因素之间的关系，当Y*的值跨越一个临界值c（如c=0），便导致投资理财这一事件发生（y=1），现假设Y*与各自变量之间存在一种线性关系：Y* 　　i=α+βxi+εi（ε为误差项）于是我们得到y=1的条件为Y*大于c，即εi≤α+βxi，根据数学运算可得到以下公式： 　　P（yi=1|xi）=P[εi≤（α+βxi）]== 　　而投资理财这一事件不发生的概率为：1-P（yi=1|xi）于是可得投资理财的发生比为：= e（α+βxi） 　　对其两边取对数可得：ln=α+βxi该方程即为Logit方程。 　　因此，只要将各自变量构成的样本及其是否参与投资理财的观测值代入，便可利用模型参数的最大似然估计，在确定的显著性水平下，逐步剔除显著性水平最弱的自变量，最终得到能显著影响投资理财事件发生的自变量，并求得各个自变量系数的取值以此来分析和描述在特定条件下事件的发生比和发生的概率。简单地说，利用logistic回归分析来筛选出显著影响大学生投资理财的因素，并通过这些因素影响的发生比率，进而说明这些因素在不同取值时，对大学生投资理财行为的影响程度。 　　用P表示在n个自变量作用下投资理财事件发生的条件概率即： 　　P=P（Y=1|（x1，x2，…，xn） 　　假设大学生的投资倾向取决于大学生个体的性别、专业、年级、户口、学校离商业区远近、民族、独生、恋爱、提款周期、月可支配费用、月结余、月可支配收入来源、理财氛围、支付方式、期望理财方式、收益处理方式，上述诸多因素的协同作用最终决定了大学生投资倾向的强弱。排除专门针