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- 1 - 2 -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 - 3 -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。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”所得数据为基础，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 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 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 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 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 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 ， 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 达 到 90.5%和 33.3%。 调 查 内 容 涉 及 大 学 生 炒 股 的 基 本 信 息 、 炒 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 基 础 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 、- 4 -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mX,21 p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p1 1比”，用 表示：（1）0121kxxxpe则 logistic 回归模型为（2）012ln() kxxxp式中， 为常数项， 称为回归系数。0k,21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iEx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 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 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 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- 5 -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 。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，I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SGM示。表 1 虚拟变量名称及取值列表虚拟变量名称 变量取值I 1-炒股 0-不炒股S 1-男 0-女G1 1-大一学生 0-其他G2 1-大二学生 0-其他G3 1-大三学生 0-其他M1 1-金融相关专业 0-其他- 6 -M2 1-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： nitimtinimtinimtiimi MGSgfMSeGdMcGbSaCI 4432321 （ 代表第 个子个体， ， ， ， ， ，1,16,.23,21）2,n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 回归模型的基本形式可知， 服从均值 的 0-1 分布，iyiixiep1所以， 的分布函数为iyii yyipf1)()(iiiiii yxyxee1)模型的似然函数为 NiiyfL1)( i yxyxiiiiii ee1 1)()(模型的对数似然函数为 Ni xixi iiii eyeyL1 )1)()ln(l - 7 -对二项 Logistic 回归模型进行估计，就是求使得 达到最大的 值。Lln（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t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0j下等式构造： 2jSWaldji其中， 是第 个变量的回归系数估计值， 是 的标准差。Wald 统计j jSj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，通过比较第 个 Wald 统计pj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p j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-square df Sig.10.873066 8 0.02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 Forward Stepwise (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- 8 -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。这与实际情况基本符合。根据二项Logistic回归方法，可得出其表达式： iiiiiii MSMGGxIp 121321 65.096.01.3.7.2)1ln( 4690iMS表 3 回归系数估计值及其显著性检验结果B S.E. Wald df Sig. Exp(B)年级 59.828 3 0大一 -2.377 0.387 37.632 1 0 0.093大二 -1.033 0.261 15.659 1 0 0.356大三 0.061 0.216 0.08 1 0.777 1.063专业 13.626 2 0.001金融相关 1.096 0.381 8.273 1 0.004 2.991经济学管理学或理学 -0.111 0.291 0.146 1 0.702 0.895性别*专业 24.967 2 0金融相关专业男生 1.165 0.45 6.697 1 0.01 3.204经济学管理学或理学专业男生 0.912 0.213 18.345 1 0 2.49常数 -1.426 0.286 24.907 1 0 0.24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)(BExp大学生证券投资的机会比率，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1.063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0.093和0.3561；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2.991倍，而金- 9 -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3.204倍。可见大三、