校園網(wǎng)貸未來發(fā)展的預測

鄭家舜 劉彤 王亞磊

摘要：校園網(wǎng)貸憑借其低門檻、方便貸的特點，在全國高校中迅速發(fā)展起來，同時也給校園和社會帶來了負面影響。為預測校園貸今后的發(fā)展，根據(jù)樣本數(shù)據(jù)，采用Logistics回歸分析模型，分析其對校園貸影響的顯著性和影響系數(shù)。

關(guān)鍵詞：應(yīng)用數(shù)學；Logisitics回歸分析模型；校園網(wǎng)貸

1 logistic回歸的基本模型

Logistic回歸屬于概率型非線性回歸，假設(shè)在自變量x1，x2，x3…，xn作用下，某事件發(fā)生和不發(fā)生的概率之比為p/1-p，記作“Ω”，取Ω的自然對數(shù)，得到Logistic函數(shù)。

Logit（p）=ln（odds）=ln（ p 1-p）（1）

稱為p的Logit變換，則Logistic回歸模型為：

Logit（p）=ln（ p 1-p）=β0+β1x1+β2 x1+…+βn xn（2）

2 數(shù)據(jù)指標的選取與處理

假設(shè)是否選擇校園貸為因變量Y1，定義選擇取1，不選擇取0。將客戶的好壞定義為因變量Y2，定義將定期還款，未發(fā)生逾期還款的客戶定義為好客戶，標記為1，否則定義為壞客戶，標記為0。選取以下10個指標，分別建立兩個Logistic回歸模型，綜合兩個模型可以全面的評估校園貸在未來的發(fā)展趨勢。各變量取值范圍和賦值內(nèi)容見表1。

3 模型的建立

設(shè)在一定時間逾期人數(shù)的概率為P，設(shè)10個自變量指標分別為x1，x2，x3，x4，…x10，對著10個因數(shù)進行線性組合：

Y1=a+∑m i=1bi xi+ε（3）

則Logistic多元非線性回歸方程為：

（4）

4模型求解

利用spss軟件進行二元logistic回歸分析，建立回歸模型，得到適用校園貸的Logisitic回歸模行型分別如下：

Logit（p）=ln（ p 1-p）=0.875+0.041×P1+2.041×P2-1.153×P3-0.893×P4+0.025×P5-2.617×P6-0.647×P7-0.962×P8+2.093×P9-0.613×P10

Logit（p）=ln（ p 1-p）=0.795+0.037×P1+2.041×P2-3.817×P3-0.693×P4+0.021×P5+2.164×P9-0.637×P10

5結(jié)論

經(jīng)過Logisitic回歸分析模型的預測，校園貸的發(fā)展主要與個人消費欲望、個人金融知識等有關(guān)，如果學生的消費欲望繼續(xù)膨脹，那么校園貸的市場規(guī)模也將繼續(xù)擴大。個人金融知識系數(shù)為負值。這說明個人金融知識越多學生越不容易選擇校園貸。

參考文獻：

[1]常乃杰，張云貴，劉青麗，李志宏，冉賢傳，朱經(jīng)緯，石俊雄，張恒.應(yīng)用SPSS軟件研究典型中間香型烤煙常規(guī)化學成分與煙氣成分的關(guān)系[J/OL].煙草科技，2017，50（04）：31-36.（2017-05-23）.

[2]付仲良，楊元維，高賢君，趙星源，逯躍鋒，陳少勤.利用多元Logistic回歸進行道路網(wǎng)匹配[J/OL].武漢大學學報（信息科學版），2016，41（02）：171-177.（2016-01-22）.

[3]Berna Serener.Statistical Analysis of Internet Banking Usage with Logistic Regression[J].Procedia Computer Science，2016，102.