乡村人才振兴视角下山地农业现代化的影响因素——基于多项分类Logistic模型的实证研究

新时代乡村振兴背景下,农业现代化的内涵和外延进一步拓展和演变,乡村人才振兴是实现山地农业现代化的基础和保障,而山地农业现代化的实现则是乡村人才振兴的目标和结果。基于乡村人才振兴视角,理论分析影响山地农业现代化发展程度的关键要素,运用多项分类Logistic计量模型,采用贵州省9县(区)、45乡(镇)、315个行政村的抽样调查数据,对山区、半山区和坝区不同地域特征的山地农业现代化进程的影响因素进行实证研究。结果表明:农业科研开发人才驻村数量、乡村引进人才文化程度、是否有乡村人才公寓和办公大楼、乡村公共服务程度是影响山地农业现代化进程的主要因素,其中,乡村公共服务程度对山地农业现代化进程的影响最大,是影响山地农业现代化进程的关键因素,而乡村引进人才的年龄、性别、户籍、专业技术职称对山地农业现代化进程的影响不显著。此外,研究还发现,农业生产经营人才驻村数量对山地农业现代化进程具有正向影响,但影响程度较小,不是影响山地农业现代化进程的主要因素,而小农户仍然是山地农业现代化实现的主体力量。

初中女生视力的影响因素研究——基于CEPS(2014-2015年)追访数据的多项Logistic回归模型分析

目的:分析我国初中女生视力的主要影响因素,并探寻轻、中、重度视力不良的可干预路径,为我国儿童青少年近视综合防控提供依据。方法:以CEPS(2014-2015)数据为基础,在全国选取28个县112所中学的2 933名初二女生的问卷调查数据,采用多分类多因素Logistic回归分析(Nomreg Logistic Regression),从教育环境、视近时间、生活方式与城市化、体育锻炼状况、饮食习惯等方面来探讨环境因素对初中女生视力的影响。结果:教育水平、学习成绩、家庭教育、课后读写时间、日常游戏时间、地理位置、行政规划、学校区位、电子产品的使用、睡眠时间、体育锻炼时间、体育兴趣班、非健康食品、高糖饮料对初中女生不同程度视力不良的产生有一定的影响(P值均<0.05);其中,每周体育锻炼时间≥150分钟与小于等于78分钟相比,表现为轻度视力不良模型(OR=1.65;IC95%:1.16-2.34),中度视力不良模型(OR=1.58;IC95%:1.18-2.12),重度视力不良模型(OR=1.52;IC95%:1.15-2.02)。结论:高度城市化、高强度的教育压力、长时间视近学习时间、睡眠不足和不良饮食习惯都是导致初中女生视力不良的重要因素,而增加女生体育锻炼时间尤其是户外体育锻炼时间、保证充足的睡眠时间、改善不良饮食习惯以及在“双减”政策下减轻初中女生的学业压力、减轻课业负担、减少课后视近时间是未来我国儿童青少年近视综合防控的重点。

P2P网贷信用风险判别研究——基于二项Logistic分类模型

传统借贷模式中,银行等金融机构拥有借款人较详细的信息和科学的信用评估方法,因而能有效控制信用风险。而在P2P网贷市场中,纯线上的信用审核机制因信息不对称,极易引发借款人违约行为。本文立足于借款人视角,从影响P2P网贷违约的因素出发,构建信用风险判别指标体系,运用二项Logistic分类模型对P2P借款人的信用风险进行实证分析,并基于实证结果,提出有效防范P2P网贷主体信用风险的对策建议。

基于二项分类Logistic回归模型的我国居民体育锻炼参与影响因素的研究

为研究我国居民的体育参与影响因素,运用二项分类logistic回归模型,采用文献资料法和数理统计法对中国综合社会调查(CGSS)2017年的问卷部分数据进行了统计研究,通过数据分析,首先了解我国居民体育锻炼参与的总体情况,其次通过分析探究了解我国居民体育锻炼参与的影响因素。研究结果显示:年龄、就业情况、城乡居住地对体育锻炼参与有显著的影响,并且经济状况、教育程度、健康状况和幸福感对体育锻炼参与有正向影响关系,仅有工作时间对体育锻炼参与有负向影响关系。

有序多分类logistic模型在违约概率测算中的应用

初始违约概率的测算是商业银行实施经济资本管理的必要环节。针对我国商业银行的现状,结合贷款五级分类,通过对银行的公司类客户的财务指标作时间加权化处理、因子分析、ROC检验以及使用有序多分类logistic模型对初始违约概率的测算作了有价值的探索,并通过算例分析论证了其可行性。

使用Logistic回归模型进行中文文本分类

使用Logistic回归模型进行中文文本分类,通过实验,比较和分析了不同的中文文本特征、不同的特征数目、不同文档集合的情况下,基于Logistic回归模型的分类器的性能。并将其与线性SVM文本分类器进行了比较,结果显示它的分类性能与线性SVM方法相当,表明这种方法应用于文本分类的有效性。

应用分类树模型筛选logistic回归中的交互因素

目的探索自动筛选logistic模型中交互作用因素的方法。方法借助一个实例,说明分层、分类树与lo-gistic模型之间的关系,借助分类树模型自动进行筛选logistic模型中交互作用因素。结果本例分析结果表明,可以应用分类树为logistic模型筛选交互作用因素,并用logistic模型对可能的交互作用因素作最后检验,并通过实例说明应用要点。结论在logistic回归分析中,分类树可以有效地用于自动筛选可能的交互效应因素。

非吸烟女性肺癌危险因素的多分类logistic模型分析

目的利用多分类logistic模型分析和评价非吸烟女性不同组织学类型肺癌的危险因素。方法资料来源于非吸烟女性肺癌病例504例及人群对照601例,拟合多分类logistic回归模型估计各因素的比数比。结果影响女性腺癌发病的危险因素是厨房小环境污染、经常食用菜油、BMI较低、一级亲属肺癌家族史,而保护因素是活产次数较多和胡罗卜素。女性鳞癌的危险因素则是厨房小环境污染和一级亲属肺癌家族史,保护因素是饮茶。女性其他类型肺癌危险因素主要是油炸烹饪次数较多等,而类型不明肺癌发病的危险因素类似于腺癌。结论不同组织学类型的非吸烟女性肺癌病因可能存在一定的差异。

分类树中QUEST算法与多水平logistic模型的联合应用与比较

目的 探讨分类树中的QUEST算法和多水平logistic模型联合应用于分析层次资料的可行性。方法 首先介绍模型的原理 ,据此提出联合应用的具体思路 ,然后采用分析实例进行深入探讨 ,并用预测准确率和ROC曲线对模型拟合效果加以比较。结果 QUEST算法能非常准确地搜索出主要影响因素 ,并能更加深入地刻画因变量、自变量间的复杂联系 ,在此基础上再进行多水平logistic模型会更加高效、准确。 结论 QUEST算法和多水平logistic模型各有优势 ,将它们联合用于层次资料的分析将更能保证分析的正确性和完善性。

Logistic与分类树模型变量筛选的比较——基于信用卡邮寄业务响应率分析

基于信用卡邮寄业务响应率分析来讨论Logistic模型和分类树模型在变量选取上的区别,并尝试从几个不同角度去解释两类模型变量筛选差异的原因。笔者认为没有绝对占优势的方法,需要结合具体场景和模型的特点来选择合适的模型。分类树模型在训练集上容易过度拟合,对单个变量的影响很敏感,在进行危险因素分析时结果更能强调危险因素,对孤立点的识别率很高。Logistic模型容易受到解释变量依存关系的影响,加上分类变量的影响容易过多地选入变量或者因子,对孤立点敏感,对噪点不敏感。判别函数的差异是变量筛选差异的关键因素。

基于多项Logistic模型的农户耕地流转行为影响因素研究——来自8省(区)252村4261户农户的调查数据

农村土地流转对于发展新型农业经营主体、促进农业规模化经营、实现农业现代化具有重要作用,农户作为农业生产决策的微观主体,其行为目标与行动决策是推进土地流转工作的重要依据。基于河北、山东、福建、河南、吉林、新疆、云南、陕西8省(区) 252个行政村4 261户农户的抽样调查数据,运用多项Logistic模型比较研究不流转、转入、转出、既有转入又有转出这4类农户耕地流转行为的影响因素。结果显示,户主特征对耕地流转决策影响较大,户主性别、年龄、兼业程度和农业技术培训情况对转出和转入行为都有显著影响,而且对不同流向耕地流转行为的影响存在明显差异;身体健康的农户和参加了养老保险的农户进行耕地流转的概率更大,同时,农户所在村庄的地形对流转行为也有显著影响,相比高原地区,平原、丘陵和山地村庄的农户转出耕地的概率和同时转入和转出的概率明显降低。

基于粗糙集的多项logistic回归模型在油层识别中的应用

油气水层数据统计是一种非线性分类统计问题,由此建立了多项logistic回归油气水层模式识别模型。表征油气水层各因素之间存在着复杂的耦合关系,采用粗糙集属性约简算法对原始样本数据进行属性约简,消除因素间的耦合关系对识别结果的影响。选取大庆油田某地区的20口油井的数据作为建模样本数据,另10口油井的数据为测试样本数据,实验表明基于粗糙集的多项logistic回归模型对建模样本的解释正确率为100%,对测试样本的解释正确率为90%,远高于非属性约简的多项logistic回归模型,为油气水层模式识别提供了一种新方法。

中小学生自感课业负担的理论解释——基于北京调查样本的Logistic多项回归模型分析

"客观说"和"建构说"是研究课业负担原因的两类取向。基于2014年北京中小学生的实证调查数据,建立了囊括"客观说""建构说"的Logistic多项回归模型。模型的结果证实了基于"客观说"的一些假设,例如学习成绩好的学生自感负担程度较低;教师质量高,学生自感负担轻;学校课程选择性高,学生课业负担也相对较轻。同时,Logistic多项回归模型也证实了"建构说"的一些假设,例如学生预期学历水平越高,自感负担越重;应试压力较强的学生,自感负担较重;体现学习态度的学习价值感、学习快乐感也对学生自感负担程度有显著影响。Logistic多项回归结果表明,作为一种客观"实在","课业负担"在中小学生中确实存在(客观说);然而学生对此的感受则会有强弱差异(建构说)。基于此,笔者提出"课业负担感"的概念,试图整合"客观说"和"建构说"两种观点。相比于传统的"课业负担"概念,笔者认为"课业负担感"这一概念提供了更为广阔的理论研究空间,对于"政策"导向的减负策略研究也富有价值。

高维参数多项Logistic模型的估计方法

高维参数多项Logistic模型的参数估计,用极大似然法估计很困难。文章给出一种新的估计方法:基于逆回归,给出参数单位向量的估计,从而高维参数得到降维;用极大似然法估计参数向量的模,最后得到参数的估计,且是相合估计。

公司会计透明度影响因素研究——基于多分类Logistic回归模型

本文以中国资本市场为例,运用多分类Logistic模型,实证检验了七项争议较大的公司会计透明度影响因素。研究表明:公司会计透明度与独立董事比例、法人股比例显著正向相关,与"董事长和总经理两职合一"、股权集中度、第一大股东持股比例显著反向相关,与本地股流通股比例、国有股比例不相关。

基于改进GRA-多分类Logistic模型的地铁换乘方式选择影响因素分析

对传统灰色关联分析法进行改进,结合多分类Logistic模型,构建了改进GRA-多分类Logistic模型.对地铁出行者的多个影响因素进行分析,得到主要影响因素对地铁换乘方式选择的影响程度,从而掌握选择不同地铁换乘方式的居民的实际换乘需求.以哈尔滨地铁换乘方式为例,采用SPSS软件进行分析.结果表明:出行者的年龄、出行时间、出行距离是地铁换乘方式的主要影响因素.偏向于选择地铁与自行车、地铁与出租车换乘的乘客主要为中青年群体,年龄在45岁以下居多;短时间内出行时,乘客更加注重时间成本,偏向于选择地铁与网约车换乘;长距离出行时,为减少中途换乘不便,乘客更偏向于选择地铁与地铁换乘、地铁与公交换乘.

logistic回归和分类树在慢阻肺影响因素分析中的应用

目的:运用logistic回归和分类树模型对比探讨泸州市居民慢性阻塞性肺疾病(COPD)的影响因素,为COPD的病因学研究和防治提供依据。方法:采用成组病例对照研究设计,通过非条件logistic回归模型和CHAID分类树模型分析泸州市居民COPD的影响因素,并采用ROC曲线下面积(AUC)对两种模型进行评价。结果:本次分析共纳入了COPD患者2 271例和非COPD患者2 367例,非条件logistic回归结果显示:性别、厨房燃料、吸烟、年龄、身体质量指数(BMI)和心率是COPD的危险因素,差异有统计学意义(P<0.05)。分类树模型结果显示:性别、年龄、职业、厨房燃料和吸烟为COPD的危险因素,其中年龄是主要影响因素。logistic回归和CHAID分类树模型的AUC分别为0.925和0.905。结论:泸州市居民COPD患病的可能危险因素主要有性别、年龄、心率、职业、厨房燃料和吸烟和BMI。logistic回归和CHAID分类树模型均具有较高的准确性,两种方法结合使用能更加全面地筛选COPD的危险因素。

Logistic模型在银行贷款中的应用

本文使用Logistic模型对台湾客户是否违约支付建立预测模型,通过这个模型可以在银行给客户贷款时判断客户是否会违约。首先,由于数据中有23个变量,其中有些变量并不显著,遂采用最优子集的方法判断出模型最优的变量个数为8。再通过Forward Stepwise Selection方法选择出8个变量并对此建立Logistic模型。通过将数据分为训练集和测试集来得到模型的精准度:模型整体预测准确率为80.2%,总体精度还算可以,模型对客户不违约的预测还是非常准确,但对客户违约的预测非常不理想。同时,采用另一种可视化的方法衡量模型的优劣,即ROC曲线,计算出AUC的值为0.66。模型的结果优于我们随机猜测,具有预测价值。

四分类logistic回归模型对肺癌分组织类型的多因素研究

logistic回归模型已经广泛用于医学研究中,但多分类logistic回归模型应用较为少见。本文建立了四分类logistic回归模型,分析了云南锡矿公司126例病例-对照资料,提示了鳞癌与氡暴露有一定关系,其相对危险度为1.7671, P<0.01;鳞癌发病年龄较其他组织类型肺癌高;吸烟对腺癌的危险性较其他类型低。

Logistic回归和分类树模型探讨颅脑手术后颅内感染相关因素及其交互作用

目的探讨颅脑手术后发生颅内感染的相关因素及交互作用,为感染控制人员准确地制定防控措施提供理论依据。方法通过医院HIS系统收集该院2016年所有进行过颅脑手术患者的病历信息,并采取多因素logistic回归模型和分类树2种模型对患者病历信息数据进行分析。结果颅脑手术后颅内感染发生率为5.06%。术前预防性使用抗生素、使用神经内镜是颅内感染发生的保护性因素[比值比(OR)=0.036、0.064,P<0.05]。而长时间手术、长时间置管引流、术后脑脊液漏是发生颅内感染的主要因素(P<0.05)。分类树模型显示颅内感染的发生由切口类型决定,清洁切口与是否脑脊液漏存在明显交互,而非清洁切口发生颅内感染的影响因素为是否预防性使用抗生素,同时糖尿病也是影响脑脊液漏患者发生颅内感染的重要影响因素。结论 Logistic回归模型适用于寻找危险因素,而分类树模型可明确因素间的交互作用。预防性使用抗生素,尽量缩短手术时间,防止术后脑脊液漏可有效减少术后颅内感染的发生。