文档介绍：logistic模型方法的运用分析
《基于logistic模型的失地农民土地征收意愿影响因素研究。》
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。
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。
:

模型系数检验:,,,说明模型整体显著。
-2对数似然值检验:-,说明模型拟合度较理。
R Square检验:R方值越大模型越优。,说明模型拟合度较好。
Overall Percentage : 观察Overall Percentage值,%,%,%比,%,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 =)、x2 -对征地前家庭居住条件的满意度( p =)
、x3 -征地补偿合理性( p =)、x4 -征地对家庭经济的影响( p =)、x5 -征地对就业的影响( p =)。
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
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( i p )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1 y 作为被解释变量,以被调查者的受教育程度( 1 x )、收入( 2 x )、性别( 3 x )、年龄( 4 x )为解释变量,建立线性回归模型如下:
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