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

1、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

2、）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

3、- 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 -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

4、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.

5、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、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Logist

6、ic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，它代表自变量变化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。（二）对应分析方法说明 对应分析(Correspondence Analysi

7、s)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

8、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，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

9、。以性别（），年级（），专业（）为解释变量，变量取值如表1所示。表 1 虚拟变量名称及取值列表虚拟变量名称变量取值I1-炒股 0-不炒股S1-男 0-女G11-大一学生 0-其他G21-大二学生 0-其他G31-大三学生 0-其他M11-金融相关专业 0-其他M21-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： （代表第个子个体，）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

10、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，所以，的分布函数为 模型的似然函数为 模型的对数似然函数为对二项Logistic回归模型进行估计，就是求使得达到最大的值。（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统计量按照如下等式构造：其中，是第个变量的回归系数估计值，是的标准差。Wald统计量在原假

11、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-squaredfSig.10.87306680.02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ForwardStepwise(Conditional) 的方法

12、，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： 表 3 回归系数估计值及其显著性检验结果BS.E.WalddfSig.E

13、xp(B)年级59.82830 大一-2.3770.38737.632100.093 大二-1.0330.26115.659100.356 大三0.0610.2160.0810.7771.063专业13.62620.001 金融相关1.0960.3818.27310.0042.991 经济学管理学或理学-0.1110.2910.14610.7020.895性别*专业24.96720金融相关专业男生1.1650.456.69710.013.204经济学管理学或理学专业男生0.9120.21318.345102.49常数-1.4260.28624.907100.24将各显著项前的回归系数取反对数，

14、即由上表的最后一列可以得到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、大四的学生比大一、大二的学生炒股的可能性大，金融相关专业的学生比经济学、管理学、理学专业的学生炒股的可能性大，金融相关专业的男生比经济

15、学、管理学、理学专业的男生炒股的可能性大。六、模型评价本文构建的二项Logistic回归模型的优点在于，该模型成功地将性别、年级、专业等离散变量对炒股意向的影响进行了量化。通过该二元选择模型的求解，衡量了各变量对在校大学生炒股意向的影响程度，清晰地刻画了在校大学生的炒股决策，对发现大学校园里的炒股群体具有指向性的作用，便于高校采取相应的合理引导措施。但是，本文构建的模型也存在一定的改进空间。因为除了本文所考察的影响因素外，其他因素也可能会显著影响大学生的炒股意向，而考虑到模型的简明性，这些因素没有被包括在模型里。比如，在校大学生的风险偏好类型对其炒股意向的影响等。由于态度对行为很大程度上会产生

16、影响，接下来本文将对在校大学生风险偏好类型与是否炒股意向的对应关系进行分析，以补充二项Logistic回归模型在研究在校大学生个体炒股意向的影响因素问题时的不足。 表 4 二维列联表风险偏好程度积极型稳健型平稳型保守型Active Margin炒股者449612116潜在炒股者32040164不炒股者517262218817Active Margin1224172321997从上表中可以粗略地观察到不同炒股决策者的风险偏好类型，平稳型决策者在其中占据了最大比重。表 5 行轮廓矩阵风险偏好程度积极型稳健型平稳型保守型Active Margin炒股者.034.422.526.0171.000潜在炒

17、股者.047.312.625.0161.000不炒股者.006.211.761.0221.000Mass.012.242.725.021表 6 列轮廓矩阵风险偏好程度积极型稳健型平稳型保守型Mass炒股者.333.203.084.095.116潜在炒股者.250.083.055.048.064不炒股者.417.714.860.857.819Active Margin1.0001.0001.0001.000从以上两个表边际频率Mass可以看出，所有被调查对象的炒股决策分布情况为炒股者为0.116，潜在炒股者为0.064，不炒股者为0.819。积极型的占0.012，稳健性占0.242，平稳型占0.

18、725，保守型占0.021。东北财经大学在校大学生从风险偏好上看比较平稳或稳健，而不炒股的比例占了81.9%，相应的炒股学生的比重是11.6%，这个比例是比较大的。可见东北财经大学作为财经类院校，炒股行为已经比较普遍。 表 7 对应分析总览表DimensionSingular ValueInertiaChi SquareSig.Proportion of InertiaConfidence Singular ValueAccounted forCumulativeStandard DeviationCorrelation21.202.041.946.946.037.0312.048.002.0

19、541.000.053Total.04342.888.000a1.0001.000从上表看，第一个维度惯量是0.041，占总惯量的94.6%，第二个维度占总惯量的比重很小，但是为了说明分析过程，仍然保持两个维度。卡方统计量等于42.888，对应的p值接近于0，有理由拒绝原假设，认为行列变量之间存在显著相关性，对应分析是有意义的。图 1 对应分析图上图直观地体现了风险偏好程度与是否炒股的决策之间的对应关系。从图中可以发现，保守型、平稳型的学生倾向于不炒股，而稳健型的相比较而言更倾向于炒股，模拟炒股的人群则没有表现出明显的风险偏好相关性，而积极型的人群则与是否炒股的决策关联很小，可能是受某些因素，

20、如对股市缺乏关注或者有其他投资渠道等影响的。可见，风险偏好程度对是否炒股的决策是有影响的。 综上可以得出结论，性别、年级、专业及风险偏好程度都对在校大学生个体炒股意向产生了不同程度的影响。七、结论及建议（一）结论通过建立二项Logistic回归模型和使用对应分析方法对数据的分析，我们得到以下结论：大学生炒股具有结构上的差异，年级、性别、专业等控制变量，以及风险偏好程度的不同都会导致炒股意向的差异。 具体表现为：1年级不同，炒股的人数不同。大三、大四的学生相比大一、大二的来说，炒股人数较多，这与他们在炒股认知程度上的不同有关。随着年级的升高，专业知识的增加，在周围环境的影响下，大部分学生都对股票

21、知识有了一定的了解，在寻求体验心理的驱使下，加入炒股大军行列。2性别不同，炒股的人数不同。相比女生，男生炒股的人数更多，这与性别角色特点的不同有关。男生更容易形成自己独立的经济决策，冒险行为也更为频繁，而女生经济行为则相对保守。但是女生相比男生炒股时表现的更加理性，这与她们风险厌恶程度较高有关。3. 专业不同，炒股人数不同。在专业分类中，金融相关专业炒股的比例最高，这是与他们的专业本质密切相关的。和非金融相关专业的学生相比，他们更容易接触到资本市场方面的知识，从而更趋向于炒股。4. 风险偏好程度不同，炒股人数不同。保守型、平稳型的学生倾向于不炒股，而稳健型的相对更倾向于炒股，模拟炒股的人群则没

22、有表现出明显的风险偏好相关性，而积极型的人群则与是否炒股的决策关联很小。（二）建议2007-2008年，我们都亲身经历了中国股市从顶峰到低谷的巨大衰退。伴随着全球金融危机的蔓延，人们应该更加清楚地意识到：炒股不是所有人都能做的。其对专业、技术知识的要求都很高，大学生作为年轻的群体，由于经验不足，心理承受能力较低，很容易迷失在股市中，最终“财才两空”。基于以上分析，我们给出如下建议：1. 谨慎入市炒股不仅需要资金，更需要良好的心态以及一定的专业知识。进入股市前有必要了解如何合理地投资并意识到其中的风险，并衡量自己的风险承受度。另外，在投资前最好结合经济周期拟定投资目标，并选择合适的股票和基金，实

23、现风险的有效分散。2. 理性对待炒股是一把“双刃剑”。在校大学生必须理性对待，尽力避免其负面影响，合理地安排时间和资金，不耽误学习，不负债、透支炒股，不将基本生活费用于炒股，正确地处理学习、生活与炒股的关系。3. 树立正确的理财观念金钱不是衡量人生价值的唯一标准，只是提高生活质量的一个因素。大学生创造财富、实现人生理想的道路有无数条，不能仅仅依靠炒股。在校大学生仍应在理财和学业之间找到一个平衡点，以专业学习为主，淡化金钱意识，珍惜大学时光，打牢专业基础，提高应用能力，培养探索精神，使“君子爱财取之有道”的精神深入人心，达到“儒”和“商”的完美结合。4. 学校和社会应给予正确引导当前大学生炒股，很少有理性的价值性投资，多为短线投机操作。虽然这是投资理财的一种，但是如果这样的思想过度蔓延，就会强化在校大学生“不劳而获”的意识。因此从高校和社会的角度来看，必须注重这部分人群的发展，需要在他们主要价值观形成时期给予合理的引导。一方面要通过学校的各种学生组织和教师