基于廣義線性模型、廣義線性混合模型、偏最小二乘-logistic回歸對我國當(dāng)前收入分配滿意度情況的.pdf

1、廣義線性模型是線性模型的推廣，將隨機(jī)誤差項推廣到了指數(shù)分布族，這樣在處理數(shù)據(jù)時就更具有了靈活性、更具有廣泛性。然而在實際問題中，一些變量的加入會導(dǎo)致隨機(jī)變量不在獨立，這就有悖于廣義線性模型的基本假設(shè)。所以，這也就導(dǎo)致了再用廣義線性模型處理具體問題的時候可能會忽略掉一些重要的變量，從而導(dǎo)致我們在處理實際問題中產(chǎn)生偏差，影響分析的結(jié)果。因此有學(xué)者將隨機(jī)效應(yīng)加入了廣義線性模型從而建立了廣義線性混合模型，這一舉措大大的拓展了傳統(tǒng)的分析領(lǐng)域。

2、r>　　傳統(tǒng)的分析政策滿意度的方法中往往都是一些定性的分析，本文基于對傳統(tǒng)分析方法的研究，結(jié)合前人的研究，通過廣義線性模型和廣義線性混合模型定量的分析了國民對當(dāng)前政策的滿意度。
　　本文的數(shù)據(jù)來自于中國人民大學(xué)的“社會心態(tài)與政策評價關(guān)聯(lián)”課題研究，此課題在全國范圍內(nèi)進(jìn)行了問卷調(diào)查。將GLM、GLMM、PLS-logistic模型引入政策滿意度評價領(lǐng)域，為滿意度評價問題的研究提供了新的路徑。本文主要內(nèi)容如下:
　　1.在詳細(xì)的

3、闡述了問卷的設(shè)計內(nèi)容以及各選項的賦值情況下，通過對問卷數(shù)據(jù)的研究發(fā)現(xiàn)，這是一個典型的縱向數(shù)據(jù)，并且以往研究滿意度評價的文獻(xiàn)中有學(xué)者采用過普通logistic回歸，這與廣義線性模型具有很高的相似性。再加之廣義線性模型的連接函數(shù)更多元化，不僅僅是把因變量劃分為二元離散變量，因此考慮采用廣義線性模型來分析滿意度評價的問題。在基于GLM的分析中，選取了問卷中的部分具有代表性的變量如下:對我國當(dāng)前收入分配滿意度作為因變量，民族、戶口、受教育程度、

4、工作大單位作為自變量。并對自變量進(jìn)行啞變量處理，把被調(diào)查者劃分為60類人群，應(yīng)用R軟件，定量分析了這60類人們對政策的滿意度情況，進(jìn)行了分類排序，并分析了單個自變量對滿意度的影響情況。從整體看來，國民對我國當(dāng)前收入分配的滿意度情況較為良好，但是還是表達(dá)出了國民希望國家在收入分配政策中進(jìn)一步完善激勵約束機(jī)制。并且分析發(fā)現(xiàn)受教育程度的高低，和滿意度高低成正比，因此國家應(yīng)出臺相應(yīng)政策提高國民的普遍的受教育程度。
　　2.將家庭年收入作為

5、隨機(jī)效應(yīng)構(gòu)建滿意度評價是合理的。從上一節(jié)分析發(fā)現(xiàn)，通過固定民族、戶口、受教育程度這3項對應(yīng)的自變量，研究不同工作單位人群的滿意度，計算對比發(fā)現(xiàn)，在企業(yè)單位工作的人群以及離退休人員的滿意度較高。聯(lián)想到不同工作單位收入的高低不同，因此決定將家庭年收入作為一個隨機(jī)效應(yīng)加入到模型中。本節(jié)的自變量數(shù)據(jù)處理方式與上面的略不同（見表3.4），迭代100次后參數(shù)收斂，發(fā)現(xiàn)參數(shù)整體的擬合效果得到很大提高;對單個效應(yīng)因子來說，作為固定效應(yīng)的民族因子、戶口因

6、子、受教育程度因子和工作單位因子的參數(shù)估計都是比較顯著的。特別是受教育程度的參數(shù)的顯著性有了很大的改善。也說明了GLMM對于滿意度評價問題的適用性。
　　3.偏最小二乘回歸在現(xiàn)實生產(chǎn)的用的比較廣泛，大都用于水質(zhì)測量、醫(yī)學(xué)、生物、地質(zhì)等科學(xué)領(lǐng)域。PLS-logistic模型是將普通logistic模型、主成分提取方法和典型相關(guān)性分析結(jié)合起來的一種新的分析模型，巧妙地把偏最小二乘回歸和logistic回歸的優(yōu)點結(jié)合了起來。PLS-lo