北京农学院调查数据型计量论文

北京农学院调查数据型计量论文

调查数据型计量论文:北农人学生十月份回家次数影响因素的实证分析经济管理学院11会计二班杜奕睛1•引言随着我国大学生人口比例的不断上升，大学生在社会生活中、在学生群体中处于一个特殊而重要的位置。人们常常以“天之骄子”來比喻这个特殊的群体,因为他们肩负着祖国建设的重任，他们的发展水平关系着未来社会的发展水平,他们的身心发展状况将对社会的发展产牛直接而重要的影响。相对于大多数大学生而言，大学生活不同于初高屮的学习生涯。作为步入社会的一座桥梁，大学生活更需要学生门我的独立性。生活上的独立，可以说是大学生独立性最平凡而又必不可少的表现。犬学生对家庭的依赖性太强，就会导致回家的次数频繁。我们知道，一个学生的月冋家次数，与其自身因素和外界因素都有一定的关系，由此引发了此次探究。本文针对北京农学院大学生十月份冋家次数彩响因素进行实证分析，将其置于一个统一的研究框架，分别讨论与性别、户籍、车费和回家时间这四个定量Z间的关系。随着大学生占中国总人口的比例持续上涨，大学生的一举一动也牵动着全社会的关注。2.研究框架2.1研究设计本文的研究设计如图1所示\n图1:本文的研究设计大学生对家庭的依赖首先体现在性别因索上，即在传统观念里，女生应比男生回家次数频繁。这种说法主要源于三个方面：一是女生自幼就被称作是父母的“贴心小棉袄”，乂被冠以“大家闺秀”的美称。自然，女生和父母的距离感通常都会比男生的小，因此回家的次数自然比男生的多。二是在父母眼里，女生到了结婚年龄就会嫁为人妇，就会有一种“离开”的感觉，而男生就算结婚也会在父母身边。所以，父母更希瑕女生经常回家。三是男生比女生贪玩，更不喜欢受拘朿，且对陌生的环境更为向往，所以男生总想尽快逃离父母的“魔掌”，因此男生比女生的冋家次数少。基于以上三个原因，在同等条件的作用下，女生比男生回家的次数多。大学生回家次数的内部因素还体现在家庭是否在木地这个因素上，尽管我国交通行业迅猛发展，各个城市地铁高铁建设也逐渐成熟，许多与各大高校合作的航空公司机票针对大学生的打折力度也很大。即便如此，对于家在外地的学生来说，冋家的路费和时间的比家在本地的学生要多出还儿倍。所以，本地大学生会比外地大学生回家次数频繁。除了学生口身因素对家庭依赖性的影响外，和周围环境的影响也是密不可分的。外部环境对大学生月回家次数的影响首先体现在车费因索上。可以说，学生在社会上属于弱势群体，经济上无法独立，述要依靠家庭经济的支撑。大学生的思想已经基本健全，他们已经有了消费意识，相对于离家较远车费较高的学生来说，当车费对丁•他们生活费比重较大时，肯定会比车费较低或者是车费所山总费用较少的学生回家次数要少。外部因索影响大学生月回家次数的另一因索主要是路途时间问题。人学是一个小社会，方方面面的事情比以往的学习生涯要多很多。生活很充实的另一方面是业余时间的减少。因此，一些就算是花费很少车费的学生也不愿意经常冋家,很大一方而的原因是回家需要花费很长的时间。没冇时间回家或者是回家需要的时间过长都会减少学生对家庭的依赖性，依赖性的降低，就会使大学生月回家次数的减少。另一方面，交通业的发展让学生回家途径变得更加丰富，飞机、高铁的普遍化使得一些外地学生回家吋间极大缩短，可是同样由于费用的升高使得这些大学牛冋家次数并没有上升。由此无法在理论上获得冋家时间与冋家次数的必然联系。\n2.2变量选取本文利用冋归分析来验证本文的研究假设。其数据来自于社会调查，该社会调查通过社会调查问卷形式完成。共计发放问卷30份，其中冇效问卷29份，调杳对象采用了随机的形式，主要调杳北京农学院的学生。我们以计数（count）来表示被调查对象的十月份回家次数，它作为本文中的因变量。代表内部因素的性别以male表示，它是虚拟变量，当被调查对彖为男性时取1,否则为0。根据本文的研究设计，我们预期该变量与count负相关。被调杳对象是否是木地人这个因素用虚拟变量home表示，若被调查对象是木地人取0,否则为1。同样，我们预期此变量与count正相关。外部因素之一的车费以fee表示，为了方便调查，我们以填空的形式统计被调查者冋家所用车费多少，单位为元。根据研究设计，预期该变量与count成负相关。另一因素学生回家所用时间用time来表示，我们把大学生回家时间转化为小时数，根据木文的研究设计，我们无法明确它与count的关系。表1变量的描述性统计量COUNTFEEMALEHOMETIMEMean2.07305.570.380.383.55Median2.005.000.000.003.00Maximum5.002400.001.001.007.00Minimum0.002.000.000.002.00StcLDev.1.41578.080.490.491.82Skewness0.342.260.500.501.01Kurtosis2.007.661.251.252.45Jarque-Bera1.7750.834.914.915.31Probability0.410.000.090.090.07Sum60.008861.6011.0011.00103.00SumSq.Dev.55.869357009.006.836.8393.17Observations29.0029.0029.0029.0029.00我们所建立的一般性模型如式（1）所示，所有变量的描述性统计如表1所示(1)count=f(male,home,fee,time)——9■3.实证研究3.1内部因素与冋家次数\n性别对冋家次数的影响如式(2)所示：count=2.556-1.283male+e(2)(0.303)(0.492)N=29R2=0.201A•R2=0.172F=6.798Pf=0.015从以上数据来看，male在1%的显著性水平上是显著的，它的符号也符合我们预期，而冃它对于因变量count的解释程度为20.1%,冇一定的解释力。上述式(2)说明，被调查者为女生的平均月回家次数为2.556,而男生被调查者的月平均回家次数仅为1.273,近似于女生月回家次数的一半，男女之间的月回家次数有较大差异。大学生是否为本地人对刀冋家次数的影响如式(3)所示：count=2.8892162home+e(3)(0.222)(0.361)N=29R2=0.571A•R2=0.555F=35.951PF=0.000整体上看，式(3)中home在1%水平上也是显著的，2为0.571说明home对因变量count的解释程度为57.1%,其解释力度大于male-由式中系数可以看出，大学生为本地生的月平均回家次数为2.889,而外地生月平均回家次数仅仅只有0.727.由此可以看出，家庭因素对大学生月回家次数的影响很大。为了进一步考察性别和家庭对月回家次数的影响机制，我们估计了式(4)：count=2.993-0.468male-1.968home+e(4)(0.237)(0.393)(0.393)N=29R2=0.593A•R2=0.562F=18.961PF=0.000在式(4)中，我们把自变量male和home—起进行数据分析,可知,在1%的水平上home是显著的，而male的p值为0.245不显著，则不拒绝原假设。因此，这个多变量模型不成立。3.2外部因素与回家次数我们根据研究框架构造了式（5）来描述车费与回家次数的关系count=2.513-0.001fee+e(5)(0.244)(0.000)N=29R2=0.354A•R2=0.331F=14.822PF=0.000\n由式（5）可以看出，单变量方程中门变量fee在1%的显著性水平上是显著的。同样，它的符号也符合我们在研究框架中的预期：即自变量fee与因变量count成负相关，并且2为0.354可以解释整体因变量变异的35.4%。也就是说，fee增加一个单位，count就会减少0.001.回家时间对大学生月回家次数影响程度如式（6）所示：count=3.331-0.355time+e(6)(0.527)(0.132)N=29R2=0.211A•R2=0.181F=7.201Pf=0.012式（6）这个方程在统计上是显著的，它的符号也符合我们的预期。上述方程可以解释为大学生回家的时间每增加一个单位，回家的次数就会减少35.5%。它的”为0.211说明time可以解释整体因变量变异的21.1%,与式（5）相比，解释力度小于fee。为了进一步分析外部因素对回家次数的影响程度，我们将两个变量同吋分析,如式(7)所示:count=3.923-0.002fee-0.389time+e(7)(0.396)(0.000)(0.096)N=29R2=0.606A•R2=0.576F=20.000PF=0.000式（7）所示的是自变量fee和time对因变量count的影响程度。式屮所有变量在1%的显著性水平上都是显著的，而且注意到其符号也符合我们的预期。我们可以将式（7）与式（5）和式（6）进行比较，结果发现，式（7）中的2和A-R2明显高于式（5）和式（6）。我们认为式（7）比式（5）和式（6）更能体现路费和时间与回家次数之间的关系。3.3整体冋归通过以上四个口变量对因变量的单变量回归结果可以看出，每个口变量在1%的显著性水平上都是显著的，并且对因变量的影响程度各不相同。通过比较可以得知，家庭因素对大学生月冋家次数的解释力度最大(57.1%),其次是车费(35.4%)、冋家时间(21.1%).性别(20.1%)0因此，我们可以以家庭因素为基础通过逐步回归法考察变量间的多元回归方程。最终估计结果如表2所示：\n表2：大学生刀回家次数的整体回归(因变量：count)模型I模型II模型III模型IV模型V常数2.8903.0172.9933.9233.9310.2230.4000.2370.3960.399home-1.866-2.067-1.9680.4930.4390.393fee0.000-0.002-0.0010.0000.0000.000time-0.046-0.389-0.3650.1190.0960.100male-0.468-0.3370.3930.398N2929292929F0.5840.5740.5930.6060.617A・R20.5520.5410.5620.5760.571F18.21917.48518.96120.00013.425PF0.0000.0000.0000.0000.000表2一共给岀四个模型。模型I是由home和fee共同建立起来的双变量模型，但是我们注意到自变量fee在1%的显著性水平上是不显著的。而相对比单变量对因变量的影响程度，R?和A都有所提高。于是我们保留了R?最大的home变量，用time变量替换了不显著的fee变量，从而形成了模型II。显然，模型II屮time变量也是不显著的，且它的0和A•F与模型I并无太大差异。为了寻找变量都显著的双变量模型，我们把模型II中的time变量换成male变量，形成了模型III,观察到模型III屮的male变量在1%的显著性水平上也是不显著的,但是相比较而言，模型III还是优于模型I和模型II的。曲于我们所建立的三个模型都是不显著的，纵观这三个模型，我们发现每个模型屮都含有自变量home。现在我们假设home变量的存在影响了其他变量的显著性水平。因此，我们建立了模型IV。模型IV是由fee变量和time变量共同建立的双变量模型，观察到这两个变量在1%的显著性水平上是显著的。而冃相比单变量模型，模型IV中的F和A都冇了显著的提高。于是，我们尝试在模型IV屮加入变量male形成了模型V,发现模型V屮的male变量是不显著的，而且模型V中/和A•疋相比模型IV并无太大差异。现在，我们一共冇五个模型，而自变量全部显著的只冇模型IV。显然，模型IV是最优的，虽然该模型中不包括home和male,但它的A戏是最高的，为0.576,\n所有自变量能够解释因变量变异的57.6%。总的來说，模型IV基本是稳定的。因为和所有模型相比，模型IV屮变量的系数是相当稳定的，而H符合预期。我们对模型IV进行检验，从而冋答为什么home不应该添加到最终决定的方程屮。我们仅进行多重共线性和异方差的检验，不考虑序列相关检验，因为对于本数据组来讲，序列相关检验的意义不大。诊察多重共线性的方法较多。这里考虑变量之间的相关系数，如表3所示:农3：所有变量Z间的相关系数COUNTFEEMALEHOMETIMECOUNT1.000FEE-0.5951.000MALE-0.4480.3761.000HOME-0.7560.6790.4141.000TIME-0.459-0.0700.2350.5521.000注意到在表3中，口变量的相关系数绝对值最大的就是home和count,达到了-0.756,属于严重负相关，这就说明了如果把home和count放在一个方程屮必然存在多重共线性，也就解释了为什么模型I、II、III屮其他自变量都不显著的原因。在现实生活中，大学生所在学校距离家越远，冋家的次数相对较少。我们也注意到，time和fee两个变量之间的相关系数最小,仅冇-0.07.因此,模型IV基木上不含有多重共线性。我们使用white的一般异方差检验，检验模型IV的异方差。其相应的卡方统计量为0.757,P值为0.590,说明在1%的水平上不拒绝模型IV不存在异方差的原假设，因此模型IV没有异方差。综上所述，在其他条件不变量，一个大学生的回家时间和路费都增加1%,他/她的回家次数就会减少0.391%。4•结论与启示通过数据调查及分析检验，木文证实研究了影响大学生月冋家次数的主要因素。有以下儿点结论：第一，家庭是最主要的因素，一个大学生所在大学离家越远，•其回家的次数越少。第二，路费在凹家次数因素中屈丁次耍地位，由于屮国\n大学生的特殊地位，经济上还未独立，因此，路费越高的大学生回家次数越少。第三，回家时间也是必不可少的因索，回家所需时间越久，大学生回家的次数越少。第四，女生比男生喜欢冋家。根据数据显示，男生月冋家次数还不到女生的一半。最后，本文捉出以下建议：1•述需加大对于路远车费较高的大学生车票或是机票的优惠政策。2•针对学校无法经常回家的大学生应增加更多地课外活动或实践项目。