高校學生互聯網投資理財影響因素的對數線性模型分析

（齊齊哈爾大學 理學院，黑龍江 齊齊哈爾 161006）

隨著互聯網技術和信息科技的發展，人們的理財方式逐漸由線下轉移至線上，對網絡經濟的參與度也越來越引人關注.作為未來金融市場主要參與者的高校學生，他們對互聯網金融的認知將對未來的經濟發展產生很大影響[1]，因而，研究高校在校生對互聯網投資理財活動的參與情況是一項具有現實意義的課題.目前，國內學者的研究中，大部分是從描述性分析的角度提出了影響大學生參與互聯網金融活動的因素，很多學者只是對學生的投資理財活動進行了描述性分析，又或是分析大學生在選擇不同理財產品時的特征.國外學者的研究中，大多是從性別和專業類型入手，以個人特質作為影響因素，研究大學生投資理財活動的參與情況[2].

對數線性模型是建立在列聯表統計基礎上，以列聯表中頻數的對數為研究對象，運用類似方差分析的基本思想檢驗各變量及其交互效應的作用大小，是描述具有非線性相關離散型變量的多元統計模型.該模型可以達到解釋對數頻數變化成因、擬合對數頻數變化規律的目的，可以直接用于分析分類變量的交互效應問題[3].

在以往的研究中，通常使用卡方檢驗來分析2 個分類變量之間的相關關系，但如果要同時研究多個（3個或3 個以上）變量間的關系，即對高維列聯表資料進行分析時，卡方檢驗就不足以對多個變量間的交互作用給出一個全面的評價，也不可能在控制其它因素作用的同時，對變量的效應做出估計.因而，在變量較多或變量水平較多的情況下，可采用對數線性模型分析主效應和交互效應，對沒有統計意義的變量或水平作適當的維數或水平的壓縮，將數據簡化后可得到多個變量之間的關系.

對數線性模型也存在一定局限性，雖然通過交互效應項可以挖掘出多個變量間的深入關系，比較適合進行探索性分析，但是因為不對自變量和因變量加以區分，若研究變量間存在因果關系，該模型就不再適用[4].另外，如果對數線性模型中包含的變量過多，得到的交互作用會過于復雜，分析結果往往不如線性回歸模型容易理解.

本文以高校學生個人特質以及對金融理財活動的體驗感為影響因素，通過對不同省份的多所高校在校生進行問卷調查獲得數據，將定型變量運用于對數線性模型，分析影響大學生參與投資理財活動的各因素之間的關系，并針對影響因素之間的關聯性提出相關的建議，有利于引導高校學生樹立正確的投資理財觀念，積極理性地投入到互聯網金融活動中.

1 數據來源及樣本基本信息

1.1 調查對象

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

1.2 調查問卷

本文統計數據來源于線上調查問卷，問卷設計參照了以往相關課題的研究內容，并根據本次研究的目的和需求進行自編獲得.問卷收集時間為2019-10—2019-11，共回收346 份數據，其中有效數據346 份，有效回收率為100%.問卷內容分為基礎信息和參與投資理財的基本狀況2 部分[5]，具體包括性別、學歷、戶口類型、所學專業、理財渠道、對互聯網金融風險的了解程度、投資理財的初衷、我國互聯網理財平臺成熟度、傾向的投資理財方式等.

1.3 樣本基本信息

在346 名被調查者中，農村戶口人數為219 人，占63.29%，城鎮戶口人數為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%；對于金融理財風險的了解程度，54.62%的被調查者表示不了解，44.22%的被調查者表示有一定了解，1.16%的人表示非常了解；對于目前我國互聯網理財平臺的運作成熟度，12.72%的被調查者認為很不成熟，認為不太成熟、比較成熟、十分成熟的人數占比分別為42.49%，42.49%，2.31%.

根據樣本信息，得到展示變量數據流動的桑基圖（見圖1）.

圖1 不同變量之間的流程桑基圖

圖1 展示了不同節點（變量）之間的流量和過程，通過以流動數據的寬度展示數值的大小以及對各組流量運用不同的顏色，桑基圖能很好地把各分類數據區分開，方便對樣本數據進行定性判斷和整體把握.

2 高校學生互聯網投資理財影響因素的對數線性模型分析

2.1 數據處理

鑒于以往的相關研究已對被調查者的性別、所學專業、理財渠道、理財方式和投資理財初衷等問題做了充分的研究，且分析已表明這些變量的獨立影響較大，而變量間的交互關系并不大.因而主要對學歷、戶口類型、對金融理財風險的了解程度、我國互聯網理財平臺的成熟度4 個變量進行存在交互效應的對數線性模型分析，對所要研究的4個變量的各個水平分別進行賦值，結果見表1.

表1 4個變量的各個水平的賦值

將數據資料進行分類統計分析，建立四維列聯表（見表2）.以列聯表中單元格頻數的對數為因變量，以學歷、戶口類型、對金融理財風險的了解程度、我國互聯網理財平臺的成熟度及其交互效應為自變量，建立飽和對數線性模型，采用逐步向后剔除法從最高階交互效應項開始逐步剔除不具有顯著性差異的交互效應項，直到保留下來的各效應存在統計學意義，最終形成一個非飽和的最優對數線性模型[6].本文采用SPSS 22.0 統計軟件進行數據分析.檢驗水平為α=0.05.

表2 互聯網理財平臺成熟度與學歷、戶口類型、風險了解程度關系的四維列聯表

2.2 對數線性模型分析

2.2.1 最優對數線性模型的選擇和模型的擬合優度檢驗 將被調查學生的學歷、戶口類型、對金融理財風險的了解程度、互聯網理財平臺的成熟度4個變量納入對數線性模型.得到的飽和對數線性模型為

其中：f為被調查高校學生在學歷、戶口類型、對金融理財風險的了解程度、互聯網理財平臺成熟度這4個因素存在關聯關系下單元格的頻數；λ為對數頻數的總理論值；λA,λ B,λ C,λD分別為學歷、戶口類型、對金融理財風險的了解程度、互聯網理財平臺成熟度的主效應；λAB,λAC,λAD,λBC,λBD,λCD分別為相應2個變量的一級交互效應；λABC,λABD,λACD,λBCD分別為相應3 個變量的二級交互效應；λABCD為4 個變量的三級交互效應.然而飽和模型中通常存在某些效應項對解釋頻數分布沒有顯著的統計學意義，因此應盡量剔除那些不顯著的效應項，建立相應的非飽和層次模型.

通過SPSS 軟件運行Model Selection 過程，逐個剔除飽和對數線性模型中沒有顯著意義的三級、二級和一級交互效應項[7]，以剔除交互效應項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項，直至得到最優對數線性模型.

根據逐步向后剔除法得到的非飽和最優對數線性模型為

最優對數線性模型的擬合優度檢驗結果見表3.

表3 擬合優度檢驗

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

2.2.2 最優對數線性模型的參數估計 獲得最優對數線性模型后，再采用General 過程得到具體的參數估計和檢驗結果，進一步對篩選出的主效應和交互效應項逐一進行分析.當主效應和交互效應的系數大于0時，表明該項的變化對因變量的變化為正效應，其作用是使對應的頻數增加；當系數小于0 時，為負效應，其作用是使相應的頻數減少[8].

參數估計的具體結果見表4.

表4 參數估計

兩兩變量的不同水平之間會產生多種交互組合，表4 只顯示相同變量不同組合中的一種組合形式的參數估計值，未顯示數字的估計值代表的交互組合是冗余的或參照的，故系數及其統計量均設為0.由表4可以看出，當以A=2（學歷為碩士及博士研究生）為參照時，A=1（學歷為大學本科）的系數為-15.378，P值為0.000，小于0.05，即學歷系數與0 的差異是顯著的，說明該變量存在統計學意義；以A=2 的參數系數值為0 時作為平均參照，得到A=1 時的系數值為負數，說明學歷為大學本科的學生比學歷為碩士及博士研究生的學生對互聯網投資理財的參與程度低.

一級交互效應中，以AB（學歷×戶口類型）交互項為例，當以[A=1]× [B=2]，[A=2]× [B=1]，[A=2]× [B=2]為參照時，[A=1]× [B=1]（大學本科學歷與農村戶口的交互效應項）的系數為0.501，P值為0.037，小于0.05，說明該交互項效應系數與0 的差異存在統計學意義.以AC（學歷×對金融理財風險的了解程度）交互項為例，當以[A=1]× [C=2]，[A=1]× [C=3]，[A=2]× [C=1]，[A=2]× [C=2]，[A=2]× [C=3]為參照時，[A=1]× [C=1]（大學本科學歷與對金融理財風險的了解程度為不了解的交互效應項）的系數為16.224，P值為0.000，小于0.05，說明該交互效應系數與0 的差異存在統計學意義，即大學本科學歷的學生對金融理財風險的不了解程度高于平均水平，也就是說，學歷為大學本科的學生比學歷為碩士及博士研究生的學生對金融理財風險的了解程度更低.由SPSS 的模型運行結果可知，其它變量或交互項的估計參數的P值均大于0.05，均不存在顯著的統計學意義，這里不再贅述.

3 建議

通過對數線性模型，研究發現學歷與對金融理財風險的了解程度存在交互作用，較低的學歷易導致對金融理財風險的了解程度也較低.對此，為了提高高校學生對互聯網金融風險的了解，擴大學生對投資理財活動的認知，號召更多的大學生積極理性地參與互聯網理財，提出以下對策建議：

3.1 加大對學生的投資理財教育力度

優化高校課程安排，加大對學生的投資理財教育力度.尤其應有規劃地針對本科生開設投資理財相關課程，對不同年級的學生采取不同的教育方案.如低年級學生由于經濟來源有限，個人儲蓄較少，對風險的承受能力較低，理財觀念相對薄弱，因而可通過多學習保守穩健型的投資理財方案來調動學生的積極性.

3.2 選擇個性化的理財產品

實施組合投資，選擇個性化的理財產品.鑒于碩士及博士研究生對風險的了解程度和承受能力更高，而本科生的風險了解程度和承受能力相對較低，建議向學生普及多種類型的理財產品，在選擇理財產品時，針對個人情況選擇合適的投資組合，如本科生可多選擇風險中立型的低風險、低收益的理財產品，同時避免理財產品選擇的過分單一化，有效分散風險.

3.3 多途徑培養大學生的投資理財意識

多途徑培養大學生的投資理財意識，學校在開設互聯網理財相關課程的同時，可定期舉辦相關主題的論壇或講座等活動，普及各類金融風險知識，提高學生辨別各類理財產品風險的能力以及對理財行為的認知度；大學生個人要注重對投資理財知識和實踐經驗的積累，培養理財意識和習慣，在進行投資理財行為時向有經驗的教師咨詢，積極參加校內外專家和理財專業人士組織的相關論壇，豐富理財閱歷[9].