郑家舜 刘彤 王亚磊

摘要:校园网贷凭借其低门槛、方便贷的特点,在全国高校中迅速发展起来,同时也给校园和社会带来了负面影响。为预测校园贷今后的发展,根据样本数据,采用Logistics回归分析模型,分析其对校园贷影响的显著性和影响系数。
关键词:应用数学;Logisitics回归分析模型;校园网贷
1 logistic回归的基本模型
Logistic回归属于概率型非线性回归,假设在自变量x1,x2,x3…,xn作用下,某事件发生和不发生的概率之比为p/1-p,记作“Ω”,取Ω的自然对数,得到Logistic函数。
Logit(p)=ln(odds)=ln( p 1-p)(1)
称为p的Logit变换,则Logistic回归模型为:
Logit(p)=ln( p 1-p)=β0+β1x1+β2 x1+…+βn xn(2)
2 数据指标的选取与处理
假设是否选择校园贷为因变量Y1,定义选择取1,不选择取0。将客户的好坏定义为因变量Y2,定义将定期还款,未发生逾期还款的客户定义为好客户,标记为1,否则定义为坏客户,标记为0。选取以下10个指标,分别建立两个Logistic回归模型,综合两个模型可以全面的评估校园贷在未来的发展趋势。各变量取值范围和赋值内容见表1。
3 模型的建立
设在一定时间逾期人数的概率为P,设10个自变量指标分别为x1,x2,x3,x4,…x10,对着10个因数进行线性组合:
Y1=a+∑m i=1bi xi+ε(3)
则Logistic多元非线性回归方程为:
(4)
4模型求解
利用spss软件进行二元logistic回归分析,建立回归模型,得到适用校园贷的Logisitic回归模行型分别如下:
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結论
经过Logisitic回归分析模型的预测,校园贷的发展主要与个人消费欲望、个人金融知识等有关,如果学生的消费欲望继续膨胀,那么校园贷的市场规模也将继续扩大。个人金融知识系数为负值。这说明个人金融知识越多学生越不容易选择校园贷。……