高校學(xué)生互聯(lián)網(wǎng)投資理財(cái)影響因素的對數(shù)線性模型分析

（齊齊哈爾大學(xué) 理學(xué)院，黑龍江 齊齊哈爾 161006）

隨著互聯(lián)網(wǎng)技術(shù)和信息科技的發(fā)展，人們的理財(cái)方式逐漸由線下轉(zhuǎn)移至線上，對網(wǎng)絡(luò)經(jīng)濟(jì)的參與度也越來越引人關(guān)注.作為未來金融市場主要參與者的高校學(xué)生，他們對互聯(lián)網(wǎng)金融的認(rèn)知將對未來的經(jīng)濟(jì)發(fā)展產(chǎn)生很大影響[1]，因而，研究高校在校生對互聯(lián)網(wǎng)投資理財(cái)活動(dòng)的參與情況是一項(xiàng)具有現(xiàn)實(shí)意義的課題.目前，國內(nèi)學(xué)者的研究中，大部分是從描述性分析的角度提出了影響大學(xué)生參與互聯(lián)網(wǎng)金融活動(dòng)的因素，很多學(xué)者只是對學(xué)生的投資理財(cái)活動(dòng)進(jìn)行了描述性分析，又或是分析大學(xué)生在選擇不同理財(cái)產(chǎn)品時(shí)的特征.國外學(xué)者的研究中，大多是從性別和專業(yè)類型入手，以個(gè)人特質(zhì)作為影響因素，研究大學(xué)生投資理財(cái)活動(dòng)的參與情況[2].

對數(shù)線性模型是建立在列聯(lián)表統(tǒng)計(jì)基礎(chǔ)上，以列聯(lián)表中頻數(shù)的對數(shù)為研究對象，運(yùn)用類似方差分析的基本思想檢驗(yàn)各變量及其交互效應(yīng)的作用大小，是描述具有非線性相關(guān)離散型變量的多元統(tǒng)計(jì)模型.該模型可以達(dá)到解釋對數(shù)頻數(shù)變化成因、擬合對數(shù)頻數(shù)變化規(guī)律的目的，可以直接用于分析分類變量的交互效應(yīng)問題[3].

在以往的研究中，通常使用卡方檢驗(yàn)來分析2 個(gè)分類變量之間的相關(guān)關(guān)系，但如果要同時(shí)研究多個(gè)（3個(gè)或3 個(gè)以上）變量間的關(guān)系，即對高維列聯(lián)表資料進(jìn)行分析時(shí)，卡方檢驗(yàn)就不足以對多個(gè)變量間的交互作用給出一個(gè)全面的評價(jià)，也不可能在控制其它因素作用的同時(shí)，對變量的效應(yīng)做出估計(jì).因而，在變量較多或變量水平較多的情況下，可采用對數(shù)線性模型分析主效應(yīng)和交互效應(yīng)，對沒有統(tǒng)計(jì)意義的變量或水平作適當(dāng)?shù)木S數(shù)或水平的壓縮，將數(shù)據(jù)簡化后可得到多個(gè)變量之間的關(guān)系.

對數(shù)線性模型也存在一定局限性，雖然通過交互效應(yīng)項(xiàng)可以挖掘出多個(gè)變量間的深入關(guān)系，比較適合進(jìn)行探索性分析，但是因?yàn)椴粚ψ宰兞亢鸵蜃兞考右詤^(qū)分，若研究變量間存在因果關(guān)系，該模型就不再適用[4].另外，如果對數(shù)線性模型中包含的變量過多，得到的交互作用會過于復(fù)雜，分析結(jié)果往往不如線性回歸模型容易理解.

本文以高校學(xué)生個(gè)人特質(zhì)以及對金融理財(cái)活動(dòng)的體驗(yàn)感為影響因素，通過對不同省份的多所高校在校生進(jìn)行問卷調(diào)查獲得數(shù)據(jù)，將定型變量運(yùn)用于對數(shù)線性模型，分析影響大學(xué)生參與投資理財(cái)活動(dòng)的各因素之間的關(guān)系，并針對影響因素之間的關(guān)聯(lián)性提出相關(guān)的建議，有利于引導(dǎo)高校學(xué)生樹立正確的投資理財(cái)觀念，積極理性地投入到互聯(lián)網(wǎng)金融活動(dòng)中.

1 數(shù)據(jù)來源及樣本基本信息

1.1 調(diào)查對象

調(diào)查對象為從黑龍江、上海、北京、湖南、山東等省份為主的多所高校中隨機(jī)抽取的346 名在校本科生、研究生、博士生.調(diào)查對象所學(xué)專業(yè)覆蓋經(jīng)管類、理工類、文學(xué)教育類、音體類以及其它等多種類別.被調(diào)查者均以不同形式參與了投資理財(cái)活動(dòng).

1.2 調(diào)查問卷

本文統(tǒng)計(jì)數(shù)據(jù)來源于線上調(diào)查問卷，問卷設(shè)計(jì)參照了以往相關(guān)課題的研究內(nèi)容，并根據(jù)本次研究的目的和需求進(jìn)行自編獲得.問卷收集時(shí)間為2019-10—2019-11，共回收346 份數(shù)據(jù)，其中有效數(shù)據(jù)346 份，有效回收率為100%.問卷內(nèi)容分為基礎(chǔ)信息和參與投資理財(cái)?shù)幕緺顩r2 部分[5]，具體包括性別、學(xué)歷、戶口類型、所學(xué)專業(yè)、理財(cái)渠道、對互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的了解程度、投資理財(cái)?shù)某踔?、我國互?lián)網(wǎng)理財(cái)平臺成熟度、傾向的投資理財(cái)方式等.

1.3 樣本基本信息

在346 名被調(diào)查者中，農(nóng)村戶口人數(shù)為219 人，占63.29%，城鎮(zhèn)戶口人數(shù)為127 人，占36.71%；本科生217 例，占62.72%（大一占10.12%，大占二49.13%，大三占1.16%，大四占2.31%），碩士及博士研究生共129 例，占37.28%；對于金融理財(cái)風(fēng)險(xiǎn)的了解程度，54.62%的被調(diào)查者表示不了解，44.22%的被調(diào)查者表示有一定了解，1.16%的人表示非常了解；對于目前我國互聯(lián)網(wǎng)理財(cái)平臺的運(yùn)作成熟度，12.72%的被調(diào)查者認(rèn)為很不成熟，認(rèn)為不太成熟、比較成熟、十分成熟的人數(shù)占比分別為42.49%，42.49%，2.31%.

根據(jù)樣本信息，得到展示變量數(shù)據(jù)流動(dòng)的?；鶊D（見圖1）.

圖1 不同變量之間的流程桑基圖

圖1 展示了不同節(jié)點(diǎn)（變量）之間的流量和過程，通過以流動(dòng)數(shù)據(jù)的寬度展示數(shù)值的大小以及對各組流量運(yùn)用不同的顏色，桑基圖能很好地把各分類數(shù)據(jù)區(qū)分開，方便對樣本數(shù)據(jù)進(jìn)行定性判斷和整體把握.

2 高校學(xué)生互聯(lián)網(wǎng)投資理財(cái)影響因素的對數(shù)線性模型分析

2.1 數(shù)據(jù)處理

鑒于以往的相關(guān)研究已對被調(diào)查者的性別、所學(xué)專業(yè)、理財(cái)渠道、理財(cái)方式和投資理財(cái)初衷等問題做了充分的研究，且分析已表明這些變量的獨(dú)立影響較大，而變量間的交互關(guān)系并不大.因而主要對學(xué)歷、戶口類型、對金融理財(cái)風(fēng)險(xiǎn)的了解程度、我國互聯(lián)網(wǎng)理財(cái)平臺的成熟度4 個(gè)變量進(jìn)行存在交互效應(yīng)的對數(shù)線性模型分析，對所要研究的4個(gè)變量的各個(gè)水平分別進(jìn)行賦值，結(jié)果見表1.

表1 4個(gè)變量的各個(gè)水平的賦值

將數(shù)據(jù)資料進(jìn)行分類統(tǒng)計(jì)分析，建立四維列聯(lián)表（見表2）.以列聯(lián)表中單元格頻數(shù)的對數(shù)為因變量，以學(xué)歷、戶口類型、對金融理財(cái)風(fēng)險(xiǎn)的了解程度、我國互聯(lián)網(wǎng)理財(cái)平臺的成熟度及其交互效應(yīng)為自變量，建立飽和對數(shù)線性模型，采用逐步向后剔除法從最高階交互效應(yīng)項(xiàng)開始逐步剔除不具有顯著性差異的交互效應(yīng)項(xiàng)，直到保留下來的各效應(yīng)存在統(tǒng)計(jì)學(xué)意義，最終形成一個(gè)非飽和的最優(yōu)對數(shù)線性模型[6].本文采用SPSS 22.0 統(tǒng)計(jì)軟件進(jìn)行數(shù)據(jù)分析.檢驗(yàn)水平為α=0.05.

表2 互聯(lián)網(wǎng)理財(cái)平臺成熟度與學(xué)歷、戶口類型、風(fēng)險(xiǎn)了解程度關(guān)系的四維列聯(lián)表

2.2 對數(shù)線性模型分析

2.2.1 最優(yōu)對數(shù)線性模型的選擇和模型的擬合優(yōu)度檢驗(yàn) 將被調(diào)查學(xué)生的學(xué)歷、戶口類型、對金融理財(cái)風(fēng)險(xiǎn)的了解程度、互聯(lián)網(wǎng)理財(cái)平臺的成熟度4個(gè)變量納入對數(shù)線性模型.得到的飽和對數(shù)線性模型為

其中：f為被調(diào)查高校學(xué)生在學(xué)歷、戶口類型、對金融理財(cái)風(fēng)險(xiǎn)的了解程度、互聯(lián)網(wǎng)理財(cái)平臺成熟度這4個(gè)因素存在關(guān)聯(lián)關(guān)系下單元格的頻數(shù)；λ為對數(shù)頻數(shù)的總理論值；λA,λ B,λ C,λD分別為學(xué)歷、戶口類型、對金融理財(cái)風(fēng)險(xiǎn)的了解程度、互聯(lián)網(wǎng)理財(cái)平臺成熟度的主效應(yīng)；λAB,λAC,λAD,λBC,λBD,λCD分別為相應(yīng)2個(gè)變量的一級交互效應(yīng)；λABC,λABD,λACD,λBCD分別為相應(yīng)3 個(gè)變量的二級交互效應(yīng)；λABCD為4 個(gè)變量的三級交互效應(yīng).然而飽和模型中通常存在某些效應(yīng)項(xiàng)對解釋頻數(shù)分布沒有顯著的統(tǒng)計(jì)學(xué)意義，因此應(yīng)盡量剔除那些不顯著的效應(yīng)項(xiàng)，建立相應(yīng)的非飽和層次模型.

通過SPSS 軟件運(yùn)行Model Selection 過程，逐個(gè)剔除飽和對數(shù)線性模型中沒有顯著意義的三級、二級和一級交互效應(yīng)項(xiàng)[7]，以剔除交互效應(yīng)項(xiàng)前后兩模型的似然比之差為χ2值，自由度之差作為自由度，判斷是否剔除該交互效應(yīng)項(xiàng)，直至得到最優(yōu)對數(shù)線性模型.

根據(jù)逐步向后剔除法得到的非飽和最優(yōu)對數(shù)線性模型為

最優(yōu)對數(shù)線性模型的擬合優(yōu)度檢驗(yàn)結(jié)果見表3.

表3 擬合優(yōu)度檢驗(yàn)

由表3可以看出，χ2=8.827，P=1.000，大于0.05，表明最優(yōu)對數(shù)線性模型有很好的擬合效果.

2.2.2 最優(yōu)對數(shù)線性模型的參數(shù)估計(jì) 獲得最優(yōu)對數(shù)線性模型后，再采用General 過程得到具體的參數(shù)估計(jì)和檢驗(yàn)結(jié)果，進(jìn)一步對篩選出的主效應(yīng)和交互效應(yīng)項(xiàng)逐一進(jìn)行分析.當(dāng)主效應(yīng)和交互效應(yīng)的系數(shù)大于0時(shí)，表明該項(xiàng)的變化對因變量的變化為正效應(yīng)，其作用是使對應(yīng)的頻數(shù)增加；當(dāng)系數(shù)小于0 時(shí)，為負(fù)效應(yīng)，其作用是使相應(yīng)的頻數(shù)減少[8].

參數(shù)估計(jì)的具體結(jié)果見表4.

表4 參數(shù)估計(jì)

兩兩變量的不同水平之間會產(chǎn)生多種交互組合，表4 只顯示相同變量不同組合中的一種組合形式的參數(shù)估計(jì)值，未顯示數(shù)字的估計(jì)值代表的交互組合是冗余的或參照的，故系數(shù)及其統(tǒng)計(jì)量均設(shè)為0.由表4可以看出，當(dāng)以A=2（學(xué)歷為碩士及博士研究生）為參照時(shí)，A=1（學(xué)歷為大學(xué)本科）的系數(shù)為-15.378，P值為0.000，小于0.05，即學(xué)歷系數(shù)與0 的差異是顯著的，說明該變量存在統(tǒng)計(jì)學(xué)意義；以A=2 的參數(shù)系數(shù)值為0 時(shí)作為平均參照，得到A=1 時(shí)的系數(shù)值為負(fù)數(shù)，說明學(xué)歷為大學(xué)本科的學(xué)生比學(xué)歷為碩士及博士研究生的學(xué)生對互聯(lián)網(wǎng)投資理財(cái)?shù)膮⑴c程度低.

一級交互效應(yīng)中，以AB（學(xué)歷×戶口類型）交互項(xiàng)為例，當(dāng)以[A=1]× [B=2]，[A=2]× [B=1]，[A=2]× [B=2]為參照時(shí)，[A=1]× [B=1]（大學(xué)本科學(xué)歷與農(nóng)村戶口的交互效應(yīng)項(xiàng)）的系數(shù)為0.501，P值為0.037，小于0.05，說明該交互項(xiàng)效應(yīng)系數(shù)與0 的差異存在統(tǒng)計(jì)學(xué)意義.以AC（學(xué)歷×對金融理財(cái)風(fēng)險(xiǎn)的了解程度）交互項(xiàng)為例，當(dāng)以[A=1]× [C=2]，[A=1]× [C=3]，[A=2]× [C=1]，[A=2]× [C=2]，[A=2]× [C=3]為參照時(shí)，[A=1]× [C=1]（大學(xué)本科學(xué)歷與對金融理財(cái)風(fēng)險(xiǎn)的了解程度為不了解的交互效應(yīng)項(xiàng)）的系數(shù)為16.224，P值為0.000，小于0.05，說明該交互效應(yīng)系數(shù)與0 的差異存在統(tǒng)計(jì)學(xué)意義，即大學(xué)本科學(xué)歷的學(xué)生對金融理財(cái)風(fēng)險(xiǎn)的不了解程度高于平均水平，也就是說，學(xué)歷為大學(xué)本科的學(xué)生比學(xué)歷為碩士及博士研究生的學(xué)生對金融理財(cái)風(fēng)險(xiǎn)的了解程度更低.由SPSS 的模型運(yùn)行結(jié)果可知，其它變量或交互項(xiàng)的估計(jì)參數(shù)的P值均大于0.05，均不存在顯著的統(tǒng)計(jì)學(xué)意義，這里不再贅述.

3 建議

通過對數(shù)線性模型，研究發(fā)現(xiàn)學(xué)歷與對金融理財(cái)風(fēng)險(xiǎn)的了解程度存在交互作用，較低的學(xué)歷易導(dǎo)致對金融理財(cái)風(fēng)險(xiǎn)的了解程度也較低.對此，為了提高高校學(xué)生對互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的了解，擴(kuò)大學(xué)生對投資理財(cái)活動(dòng)的認(rèn)知，號召更多的大學(xué)生積極理性地參與互聯(lián)網(wǎng)理財(cái)，提出以下對策建議：

3.1 加大對學(xué)生的投資理財(cái)教育力度

優(yōu)化高校課程安排，加大對學(xué)生的投資理財(cái)教育力度.尤其應(yīng)有規(guī)劃地針對本科生開設(shè)投資理財(cái)相關(guān)課程，對不同年級的學(xué)生采取不同的教育方案.如低年級學(xué)生由于經(jīng)濟(jì)來源有限，個(gè)人儲蓄較少，對風(fēng)險(xiǎn)的承受能力較低，理財(cái)觀念相對薄弱，因而可通過多學(xué)習(xí)保守穩(wěn)健型的投資理財(cái)方案來調(diào)動(dòng)學(xué)生的積極性.

3.2 選擇個(gè)性化的理財(cái)產(chǎn)品

實(shí)施組合投資，選擇個(gè)性化的理財(cái)產(chǎn)品.鑒于碩士及博士研究生對風(fēng)險(xiǎn)的了解程度和承受能力更高，而本科生的風(fēng)險(xiǎn)了解程度和承受能力相對較低，建議向?qū)W生普及多種類型的理財(cái)產(chǎn)品，在選擇理財(cái)產(chǎn)品時(shí)，針對個(gè)人情況選擇合適的投資組合，如本科生可多選擇風(fēng)險(xiǎn)中立型的低風(fēng)險(xiǎn)、低收益的理財(cái)產(chǎn)品，同時(shí)避免理財(cái)產(chǎn)品選擇的過分單一化，有效分散風(fēng)險(xiǎn).

3.3 多途徑培養(yǎng)大學(xué)生的投資理財(cái)意識

多途徑培養(yǎng)大學(xué)生的投資理財(cái)意識，學(xué)校在開設(shè)互聯(lián)網(wǎng)理財(cái)相關(guān)課程的同時(shí)，可定期舉辦相關(guān)主題的論壇或講座等活動(dòng)，普及各類金融風(fēng)險(xiǎn)知識，提高學(xué)生辨別各類理財(cái)產(chǎn)品風(fēng)險(xiǎn)的能力以及對理財(cái)行為的認(rèn)知度；大學(xué)生個(gè)人要注重對投資理財(cái)知識和實(shí)踐經(jīng)驗(yàn)的積累，培養(yǎng)理財(cái)意識和習(xí)慣，在進(jìn)行投資理財(cái)行為時(shí)向有經(jīng)驗(yàn)的教師咨詢，積極參加校內(nèi)外專家和理財(cái)專業(yè)人士組織的相關(guān)論壇，豐富理財(cái)閱歷[9].