调研报告大学生对理财的认知Word格式文档下载.docx
《调研报告大学生对理财的认知Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《调研报告大学生对理财的认知Word格式文档下载.docx(19页珍藏版)》请在冰豆网上搜索。
![调研报告大学生对理财的认知Word格式文档下载.docx](https://file1.bdocx.com/fileroot1/2023-2/3/910d8884-cf5b-4c22-9969-6a6c1cb09a22/910d8884-cf5b-4c22-9969-6a6c1cb09a221.gif)
1、您的性别
4、您的专业类型
合计
经管类
教育类
理工类
医药类
其他
男
5、您所在的年级
大一
8
3
12
2
4
29
大二
15
7
19
9
65
大三
38
5
20
102
大四
6
10
28
研究生
1
68
76
22
44
230
女
24
13
14
11
72
40
48
16
25
201
35
112
62
79
34
331
总计
180
82
155
56
88
561
由上图1和表2可知,在所有被调查的学生中来自经管类的人数最多,其次为理工类,最少的是医药类,经管类、教育、理工、医药类、其他人数分别为180、82、155、56、88,总体来看,被调研的女生多于男生,男生总共230人,女生共计331人,
图2
此图反映了被调研人数在各高校的占比情况,从图中可以看出,被调研人数中,西南大学、西南政法大学、重庆医科大学、重庆工商大学、重庆师范大学相对来说人数居多,其中出重庆师范大学人数最多,接近90人,而像川外、川美、重庆医药高等专科学校相对来说人数偏少。
图3
此图反应的被调研学生中专业的选取与户籍所在地的关系,主要在于分析户籍对专业的选取是否具有显著性影响。
从图中可以看出,每类专业来自城镇的人数均多于来自农村的人数,这也与被调研者来自农村还是城镇的总体数量有关,从右图可以看出,来自城镇的人数明显多于来自农村的人数,因此认为专业的选取与户籍所在地并没有显著差别。
(三)因子分析
1.因子分析说明
由于调研问题过多,虽然多变样大样本会为我们的科学研究提供丰富的信息,但某些问题之间可能存在一定的相关性,即问题本身存在联系,这样导致信息的重叠现象,从而增加了问题分析的复杂性,而因子分析就是将数据进行“降维”,把多个指标转为几个互补相关的综合指标。
2.因子分析结果及解释
表3为KMO和Bartlett的检验,其中KMO越接近于1说明越适合做因子分析,从该表中得知KMO值为0.730,表示比较适合做因子分析。
Bartlett的球形度检验的原假设为想关系数矩阵为单位阵,Sig值为0.000,小于显著性水平0.05,因此拒绝原假设,表示变量之间存在相关关系,适合做因子分析。
表3KMO和Bartlett的检验
取样足够度的Kaiser-Meyer-Olkin度量。
.730
Bartlett的球形度检验
近似卡方
3957.175
df
351
Sig.
.000
下表4给出了每个变量共同度的结果,表中的“初始”为每个变量可以被所有因素解释的方差,“提取”表示变量的共同度。
从该表看,大部分信息均能够被因子所提取,说明因子分析的结果是有效的。
表4公因子方差
初始
提取
第6题(家庭负担)
1.000
.539
第6题(助学贷款)
.436
第6题(个人贷款)
.347
第7题(从未使用过任何理财产品)
.693
第7题(余额宝等各种宝)
.698
第7题(银行高大上理财产品)
.356
第7题(基金,股票,保险、债券)
.363
第7题(p2p、网络众筹等理财产品)
.194
第8题(模拟炒股大赛)
.532
第8题(理财规划大赛)
.538
第8题(投资与理财知识竞赛)
.444
第8题(投资与理财相关课程的学习)
.634
第8题(未参加过任何投资活动)
.679
第9题(课程的学习)
.631
第9题(通过亲戚朋友的相关介绍)
.368
第9题(利用网络等平台逐渐积累)
.371
10、您觉得大学生有必要进行投资理财活动吗
.509
11、您觉得投资理财的风险与收益是何种关系
.296
12、您觉得您进行投资理财的目的是?
.360
13、在校期间您是否有将部分生活费用于投资理财(如买股票、存入余额宝等)
.528
第14题(父母给予)
.406
第14题(利用网络平台进行借贷)
.421
第14题(奖助学金)
.269
第14题(开学的学费)
.256
第14题(没有来源)
.292
15、如果有进行理财,请问您每月理财所用的金额大致为(没有则选0)
.469
16、您觉得投资以下哪种产品,风险最大?
.519
提取方法:
主成份分析。
下表5给出了因子贡献率的结果,其中初始特征值中“合计”指因子的特征值,“方差%”指因子特征值占总特征值的百分比,“累积%”指累积的百分比,累积百分比越大,说明因子的解释越好。
而在研究中,为了减少因子提取个数以及分析的准确性,往往选取特征值大于1的因子作为主因子,但在本文,考虑到特征值大于1的因子太多,若选取这些因子,则调研分析仍然比较复杂和繁琐,故而只选取特征值大于1.2,即前五个因子作为主因子进行分析。
表5解释的总方差
成份
初始特征值
提取平方和载入
旋转平方和载入
方差的%
累积%
4.889
18.108
2.847
10.544
3.069
11.365
29.473
2.748
10.178
20.722
1.548
5.735
35.208
2.597
9.619
30.341
1.424
5.276
40.484
2.462
9.120
39.461
1.218
4.511
44.995
1.494
5.534
1.171
4.336
49.331
1.126
4.171
53.502
1.030
3.816
57.318
1.008
3.733
61.051
1.001
3.709
64.760
.863
3.196
67.956
.826
3.058
71.013
.780
2.889
73.902
.761
2.820
76.722
.702
2.599
79.321
.669
2.477
81.798
17
.641
2.374
84.171
18
.614
2.274
86.445
.568
2.102
88.548
.561
2.079
90.627
21
.501
1.855
92.482
.466
1.726
94.207
23
1.559
95.766
1.364
97.131
.342
1.266
98.397
26
.268
.992
99.389
27
.165
.611
100.000
表6为成份得分系数矩阵,可以看出各因子对于各个变量的载荷值,载荷值越大,则该变量应当被归为该类。
这样就使得具有相关关系的各变量归为一类,从而大大提高了数据分析的效率。
表6成份得分系数矩阵
第6题(6.1家庭负担)
-.218
-.006
.039
.024
-.229
第6题(6.2助学贷款)
.003
.166
-.142
-.069
.354
第6题(6.3个人贷款)
.175
-.028
.092
.013
.123
第7题(7.1从未使用过任何理财产品)
-.124
.048
.089
-.433
.114
第7题(7.2余额宝等各种宝)
-.097
.005
-.123
.340
-.118
第7题(7.3银行高大上理财产品)
.029
.245
-.096
-.001
-.004
第7题(7.4基金,股票,保险、债券)
.054
-.082
.154
.050
.182
第7题(7.5,p2p、网络众筹等理财产品)
.004
-.016
.093
.079
-.003
第8题(8.1模拟炒股大赛)
-.106
.145
.195
-.120
-.167
第8题(8.2理财规划大赛)
-.058
.301
-.008
-.089
-.071
第8题(8.3投资与理财知识竞赛)
.061
.178
.043
-.065
.069
第8题(8.4投资与理财相关课程的学习)
.065
-.189
.358
-.015
.134
第8题(8.5未参加过任何投资活动)
-.098
-.302
.031
.110
第9题(9.1课程的学习)
-.137
-.019
.327
-.125
-.164
第9题(9.2通过亲戚朋友的相关介绍)
-.093
.278
-.161
-.007
.038
第9题(9.3利用网络等平台逐渐积累)
-.109
.015
.041
.386
.237
-.024
.025
.007
-.134
.082
.071
-.181
.090
-.212
.186
-.085
.188
-.293
.080
-.002
.040
-.238
第14题(14.1父母给予)
-.162
.046
.058
.100
第14题(14.2利用网络平台进行借贷)
-.013
.284
-.073
-.112
第14题(14.3奖助学金)
-.018
.122
-.074
.091
.085
第14题(14.4开学的学费)
.062
.052
.011
.119
第14题(14.5没有来源)
-.026
.033
-.202
-.117
.081
.035
.185
.267
-.017
.018
.074
-.048
提取方法:
主成份。
旋转法:
具有Kaiser标准化的正交旋转法。
构成得分。
通过上表的成分得分系数矩阵显示的结果,可以将这27个标量进行归类,即归属于这类因子之下,结果如下所示:
表7因子分析结果
因子
变量
6.3101314.516
7.38.28.39.214.214.3
6.17.58.18.49.1
7.2111215
6.27.17.48.59.314.114.4
(四)应用聚类分析法进行样本细分
应用因子分析中得到的五个公因子作为变量对样本进行聚类分析。
由于分类对象是样本,在大样本的情况下,采用快速聚类分析方法,即K-Means聚类算法。
通过随机点将样本数据划分为K个类,通常用聚类集中的每个样本点到该类中心的距离之和为聚类准则函数,并使其最小化,通过多次迭代得到最终的聚类结果。
采用SPSS20.0对样本进行快速聚类,样本被聚为四类,聚类结果如下。
首先,按类聚合确定初始聚类的各变量中心点任意选择的K个样本点,如图:
9所示。
初始聚类中心
聚类
因子1
-1.11297
.32634
2.71345
.01843
因子2
-.44484
.02888
-1.43769
2.64339
因子3
.33720
-1.67522
1.58145
1.54301
因子4
-2.85003
1.26554
-.02118
.32786
因子5
-.59032
-2.15890
1.13670
1.42697
然后,按K-Means聚类算法逐步迭代,使其类别间距离达到最优;
经迭代运算后类别间各变量中心值得到修正,得到最终的聚类中心,如表9所示。
最终聚类中心
特征
-0.35601
低
-0.40433
0.89303
高
-0.09466
-0.31092
-0.33824
-0.40408
1.8436
-0.17715
-0.61914
0.70663
0.47068
-1.57525
0.66695
0.25947
0.09908
-0.04965
-0.18794
0.29297
0.0076
由于分类数选取的自主性,可能会导致分析结果存在误差,或者成为无效的分类,因此先对其进行单因素方差分析,如表10所示,Levene方差齐性检验的P值为0.049,大于显著性水平0.01,说明方差齐性,而单因素方差分析结果(表11)显示组合的P值为0.000,同样小于显著性水平,说明分类存在显著性差异,因此分类合理。
方差齐性检验
案例与其类别中心之间的距离
Levene统计量
df1
df2
显著性
2.633
557
.049
单因素方差分析
平方和
均方
F
组间
7.707
2.569
9.983
组内
143.340
.257
总数
151.047
560
因此,样本被分为了四类(所有调研学生被分成了四类),表12给出了每类的个案数,可看出,每类个案数的占比情况。
每个聚类中的案例数
117.000
205.000
149.000
90.000
有效
561.000
缺失
(5)分析结果解读
本文就对以上分析,做如下解读:
通过因子分析,将27个标量提取五个虚拟因子作为主成份因子,将这27个变量分为了五大类,在每类之间这些因子不具有相关性,但在各因子下的变量之间存在较强的相关性,然后通过聚类分析,将此561名被调研者通过以五个主成分因子为标准,分为了四大类,并通过了单因素方差检验。
由最终聚类中心以及每个聚类中心的个案数,本文可以得出如下分析结果:
(1)在第一类中,人数为117人,这类人群对五个主成分因子均不敏感,或者说这五类因子对他们都没有较大的影响,因此可以判断,这类人群对投资理财不感兴趣,或者说他们很少从事投资理财活动,缺乏对投资理财的认知。
(2)在第二类人群中,人数为205人,这类人群只有因子4对其影响较大,也就是说他们只对因子4比较敏感,而在因子分析中,因子4的变量包括7.2、11、12、15,分别代表“投资余额宝等各种宝、您觉得投资理财的风险与收益是何种关系、您觉得您进行投资理财的目的是、如果有进行理财,请问您每月理财所用的金额大致为(没有则选0)”,对于这类群体,他们只关心这类问题,并没有涉及过多的投资理财活动,只是投资一些风险较小的余额宝等理财产品,且他们对风险的大小十分敏感。
(3)对于第三类群体,共计149人,他们除了对第二个因子不太敏感外,其他因子对其都有较大的影响,而第三类因子主要包括“第7题(7.3银行高大上理财产品)、第8题(8.2理财规划大赛)、第8题(8.3投资与理财知识竞赛)、第9题(9.3利用网络等平台逐渐积累)、第14题(14.2利用网络平台进行借贷)、第14题(14.3奖助学金)”,说明这类群体一般不从事银行类一猜产品,而且对于投资理财的知识也非课堂学习和投资理财知识竞赛得来,可以断定他们大多是从网上学得和自己钻研而得,而且也不从事网络借贷,所以这类群体具有较高的投资理财水平,或者说经常从事投资理财业务,自然对投资理财的认知也相对较高。
(4)最后一类群体恰好与第三类相反,这类人群人数为90人,他们对于因子2较为敏感,也就是他们的投资理财知识大多是通过课堂学习或者通过参加一些活动得来,而且他们中间可能还有些同学在从事网络借贷投资活动,并且将自己的奖助学金也会用来从事投资理财活动,此外他们对因子三也较为敏感,因子三的变量包括“第6题(6.1家庭负担)、第7题(7.5,p2p、网络众筹等理财产品)、第8题(8.1模拟炒股大赛)、第8题(8.4投资与理财相关课程的学习)、第9题(9.1课程的学习)”,可以看出,正如上所述,这类群体的投资理财知识大多是通过课程的学习以及参加相关的活动得来,这类学生应当是经管类的学生居多。
四、总结
综上所述,第三类群体(共计149人)关于投资理财的相关知识的认知较为深刻,且从事的投资理财活动也较多,从而也可以说明这类群体对投资理财有着浓厚的兴趣,对于自己资产的配置有一定的认识。
这类学生占总体被调研学生的26.56%;
相比较而言,第四类群体对于投资理财的认知也较为了解,但相对于第三类群体而言可能缺乏投资经验,或者较少从事于投资理财活动,知识对于理论的学习比较全面,这类学生占总体被调研学生的16.04%;
而排名第三的是滴二类群体,他么对于投资理财的知识掌握较少,且很少从事投资理财活动,这类学生占总体被调研学生的36.54%;
最后就是对投资理财没有太大兴趣的学生,这类群体占比为20.86%。
所以,通过本次调研可以得知,大学生对于投资理财的认知相对来说较为贫乏,对其比较了解的学生占比不到50%,也就是说大部分学生对于投资理财的相关知识是不了解的,也更不用说从事更多的投资理财活动。
参考文献
[1]李新蕊.主成分分析、因子分析、聚类分析的比较与应用[J].齐鲁师范学院学报,2007,22(6):
23-26.
[2]柯冰,钱省三.聚类分析和因子分析在股票研究中的应用[J].上海理工大学学报,2002,24(4):
371-374.
[3]刘满芝,周梅华,吕雪晴.基于因子分析与聚类分析复合模型的市场细分研究——以移动通信行业为例[J].管理案例研究与评论,2009
(2):
136-141.
[4]俞宝明,欧阳文娟,黄婷.学生对班主任工作的满意度分析[J].卫生职业教育,2008,26(3):
132-133.
[5]李庆东,李颖.证券投资分析方法新探索——聚类分析方法应用[J].现代情报,2005,25(11):
223-224.