搜索
logistic模型方法的运用分析一．《基于logistic模型的失地农民土地征收意愿影响因素研究。》1.构建模型：，文中因变量的量化取值，当农户愿意土地被征收时，取值1，当农户不愿意土地被征收时，取值0。2.变量描述及赋值：采用李克特5分量表法进行赋值，对与征地意愿有正向作用的因素从非常同意到非常不同意分别赋值5、4、3、2、1，对负向作用的因素从非常同意到非常不同意分别赋值1、2、3、4、5；而家庭人口特征和区位特征则采取实际量化值。3.结果分析：3.1模型检验模型系数检验：似然比卡方检验的观测值48.460，概率p值为0.000，小于0.05，说明模型整体显著。-2对数似然值检验：-2倍的对数似然函数值为105.111，说明模型拟合度较理。RSquare检验：Ｒ方值越大模型越优。NagelkerkeR2值为0.384，说明模型拟合度较好。ＯverallPercentage:观察ＯverallPercentage值，如果为92.4%，说明回归后模型总预测正确率为92.4%，与步骤0的90.8%比，提高1.6%，说明模型预测效果较理想。变量的显著性检验：显著性水平的值代表变量对模型显著影响的大小。是x1-征地前对耕地的依赖度（p=0.034）、x2-对征地前家庭居住条件的满意度(p=0.120)、x3-征地补偿合理性(p=0.027)、x4-征地对家庭经济的影响(p=0.005)、x5-征地对就业的影响（p=0.045）。二．黄河流域居民生态补偿意愿及支付水平分析——以山东省为例1.构建模型以及变量赋值以变量y表示居民生态补偿意愿，将“不愿意”赋值为0，将“愿意”赋值为1。变量赋值：以变量y1表示居民生态补偿的支付水平，其取值为被调查者愿意支付的年度生态补偿数额所在区间对应的取值，从50～400元共分7档，档间距离为50元（见表3）。选择建立Logit回归模型来分析它与影响因素间的关系。以愿意补偿的机率（ip）与不愿意补偿的机率比的对数为被解释变量z：X1为被调查者的受教育程度（取值为受教育年限），x2为被调查者的年收入，x3为被调查者的性别（取值见表4），x4为被调查者的年龄。以被调查者的年度生态补偿支付数额1y作为被解释变量，以被调查者的受教育程度（1x）、收入（2x）、性别（3x）、年龄（4x）为解释变量，建立线性回归模型如下：2.参数分析：变量的显著性检验：Logit回归模型系数及检验结果，***、**、*分别表示通过1%、5%和10%水平的显著性检验。在模型（1）中，X1和X2分别通过1%和10%的检验，而X3和X4不通过10%的检验。因此被调查者的受教育程度对其生态补偿意愿的影响具有显著性，收入因素对生态补偿意愿的影响较为显著，年龄因素及性别因素对生态补偿意愿的影响不显著。线性模型分析：在模型（2）中，根据其整体检验程度，线性拟合程度F检验值达到20.45，为高度显著。从各变量的显著性程度来看，被调查者的受教育程度和收入水平均高度显著。同模型（1）一样，性别以及年龄对生态补偿支付水平影响不显著。3.结果分析：由模型1,推知变量对生态补偿意愿的影响程度。1.在其他条件不变的前提下，居民受教育程度越高，其生态补偿意愿越强。2.居民收入水平越高，其生态补偿意愿就越强烈。3.在模型（1）中，性别3x变量的回归系数为负，这说明，女性生态补偿的意愿要大于男性。由模型2，推出变量变化而引起生态补偿支付水平的变化变化程度。1.在目前的水平上，居民受教育年限每增加1年，其生态补偿支付水平大约提高0.21档，按照每档50元的标准，大约增加10.5元。2.居民年收入水平每增加5000元，其生态补偿支付水平大约增加0.35档，相当于增加17.5元。参考文献：[1]葛颜祥,梁丽娟,王蓓蓓,吴菲菲.黄河流域居民生态补偿意愿及支付水平分析——以山东省为例[J].中国农村经济,2009,10:77-85.[2]郭玲霞,高贵现,彭开丽.基于Logistic模型的失地农民土地征收意愿影响因素研究[J].资源科学,2012,08:1484-1492.