文摘

牧民的信贷基金扮演着一个重要的配角在促进牧区的现代经济发展和拓宽渠道牧民增加他们的收入。本文研究了信用行为的牧民从情感和心理状态识别的角度分析当前信用行为的牧民。首先,牧民的内部机制的信用和情感上的和心理上的识别研究内容进行了分析。其次,提出了一种情感和心理状态识别的方案,和一个相应的牧民的调查是根据计划进行。最后,赫克曼和Probit模型分析介绍了牧民的信用行为。结果表明,牧民得分高情感和心理强烈需求的信贷。他们可能会获得信贷和有一个高水平的信贷。牧民分数较低的情感和心理特征较低或没有明显的信贷需求,和他们的信贷可用性也低。高的牧民情感和心理特征生成信贷需求的概率有71%高于较低的牧民开放。他们获得信贷的可能性也高出33.47%较低的牧民情感和心理特征。 They also have easy access to higher loan amounts. The results provide a reference for related research and analysis of herdsman’s credit behavior and economic development.

1。介绍

信用是一个重要的政策工具,以解决贫困在牧区。它发挥了重要作用在发展中“农业、农村和农民”了很长一段时间。“农村土地所有权的分离,合同权利和管理权利”和“社会化服务”不断提升。土地和劳动力资本约束通过转换缓解因素(1]。因此,金融约束是杰出的,需求是放置在精度高和灵活性的农村信贷产品和服务(2]。此外,牧民的草场循环的热情很高,由于需要扩大规模,确保油腻的感觉(3]。牧场转会市场日益活跃。草原的互动逻辑循环和信用是一个重要的先决条件研究草原循环之间的关系和金融市场的协调发展农业和牧区。然而,土地在信贷的影响绝不仅限于拥有土地。众多研究表明,转移non-all耕地也显著影响农民进入正规金融信贷机构。农田转移可以有效地缓解需求导向的信贷约束。农田的转移使农民对农业信贷的需求。需要信用也会增加农业用地的转让(4]。总的来说,农田转移可以增加农民的信贷。然而,这样的机会不平等,贫富之间的差距不断扩大农民在获得信贷5]。农田的转移不能减轻农民的信贷约束但将减少贷款强度,导致严重的信贷约束(6]。

此外,信息科学可以有机结合心理学的研究范式与现代信息科学技术的迅速发展,如智能可穿戴传感技术、虚拟现实技术、计算机网络技术、数据挖掘技术和人工智能技术。传统的心理研究方法和工具可以有效地改善(7]。智能测量方法可以带来全面的心理测量和丰富的多源数据,所以他们正逐渐应用于心理学研究[8]。情感和心理状态识别的关键技术,基于多源信息融合研究在传统的研究方法。它可以帮助识别个人的情报等心理特征、人格和心理健康差异来确定它们的相对优势和劣势。这将提供定量依据教学生根据他们的能力和使用他们的天赋最好的9]。在分析牧人的信用行为,牧民的信贷行为之间的个体差异是通过分析和识别他们的情绪和心理状态。实施信贷额外措施根据牧民的信用行为的差异10]。

研究人员还在相应的领域进行了大量的研究。彭日成et al。11)提出了一个牧人信贷质量评价方法基于一个极端的学习机器,模糊c均值算法,通过证据的重量和混淆矩阵计算评价方法和计算的信息价值。他们建造了借款人的信用评分模型,筛选信用评级指标。他们还构造方程来确定违约概率(PD)和损失给出默认(乐金显示器)。他们收集了样本数据从互联网上7706贷款的借款人。借款人的信用评分,为每种类型的借款人PD,乐金显示器。借款人的还款状态进行了分析。实验结果表明,整体信用评分模型的准确性为98.5%,包括违约样本默认样本为98.9%和88.3%。李,李12)使用了六个信用态度变量来构建一个全面的索引变量的信贷的态度。他们使用聚合数据来自2010年和2013年的消费金融调查理事会发布的联邦储备系统。分析结果表明,信贷态度指数对付款行为产生积极的影响。家庭更有利的态度不重要的信贷使用可能有杰出的信用卡余额,不规则的支付习惯,反复出现的指控。扁et al。13]研究了银行信贷的黑盒平滑行为。样本是128从2007年到2014年中国的银行。政治关联的银行被确定政府主席的经历。发现非国有银行的借贷行为与政治关系的顺周期小于非国有银行没有政治关系。此外,没有异质性在国有银行的贷款行为没有政治关系与政治关系和国有银行。目前,情感和心理状态识别技术的研究和应用在行为管理仍在初级阶段。特别是,很少有研究应用和创新研究在分析牧人的行为。

本文组织如下。首先,介绍了这个课题的研究背景和意义,以及本主题相关的研究过程和研究现状进行了分析。然后,研究通用智能心理评估系统。心理评估系统和技术架构分析和设计系统的总体需求。最后,研究基于多源信息融合的精神状态识别方法。此外,三个多源信息融合策略的数据层、特征层和决策融合层综合比较。这时,一个价值评价方法基于特征层融合的情感和心理状态和情绪和心理状态识别方法提出了基于决策层融合。

创新和贡献的关键心理技术研究多源信息融合基于心理学和信息科学的交叉。一组通用智能心理评估系统进行了分析,设计并实现了基于传统的心理研究范式,为不同领域提供一个参考和机构实现智能化的心理工作。与此同时,一种情感和心理状态识别方法基于特征层融合和决策层融合算法。最后,200年的microhouseholds牧民在三个自治横幅XX地区调查。牧人的信用获得的影响进行了分析使用牧人的情绪和心理状态。

2。方法

2.1。情感和心理状态识别技术的分析

研究表明,人类的情绪状态的变化会引起生理的变化,结合面部表情,演讲,和身体姿势。这些变化的信号可以独立地代表一个特定的情感属性。情感和心理的多源信息融合计算方法识别可以充分利用同构或异构数据之间的互补和冗余,从而提高情感和心理识别的准确性。因此,测量的心理特点是全面、客观地显示出来。许多学者已经逐渐形成一个良好的发展趋势14]。计算的一般步骤过程基于多源信息融合的情感和心理认知图所示1。

从图1的一般步骤,计算过程基于多源信息融合的情感和心理认识如下。第一个是选择一个情感归纳法。人机交互系统完成特定任务根据视听材料和选择适当的情绪感应方法根据获得的结果。第二个是收集生理信号。将根据不同的由多个传感器的信息反馈。此外,收集正确的信号值。第三是信号预处理。收集到的生理信号首先被处理成帧,和极端值是根据不同的滤波器和平滑值删除。最后,输出信号值检测到波形特征点。四是情感特征提取。 It mainly extracts time-domain features, frequency domain features, time-frequency domain features, and nonlinear features in signal values. The fifth is feature fusion. The collected features are fused. The sixth is to divide the dataset. The processed data values are divided into training and sample sets. The seventh is to classify the sample dataset and the internal data of the training set, and the recognized emotional and psychological state is output [15]。

特征层融合的数据进一步分析。特征层融合指的是源信号的特征提取,分别。然后,这些多通道特性形成的联合特征向量根据融合算法。这个向量是一样送入分类器输出识别结果(16]。生理状态识别是作为一个例子。特征层融合的一般过程如图2。

从图1,特征层融合流程需要提取的信息人们的心理状态通过多个传感器。特征提取后执行的信息来源。提取的特征融合,最终识别结果输出后分类的分类器。在情感和心理上的认可,现有特征层融合方法包括主成分分析,线性判别分析,内核矩阵融合,和遗传算法。特征层融合方法有效地利用不同特性之间的相关性和互补性,但忽略了功能之间的差异。它还需要高各种模态特性之间的同步。然而,它可以提高分类器的分类精度和便于实时处理(17]。

决定层融合指的是源信号的特征提取,分别。然后,他们被输入到相应的分类器的分类结果。根据特定标准分类结果融合,输出最终的识别结果(18]。生理状态识别是作为一个例子。决策级融合的一般过程是显示在图3。

在图3位于不同的位置,不同的传感器对人体。传感器1位于主题的头,传感器2位于主体的上肢,和传感器位于主体的下肢。从图3,融合决策的过程层需要从人的心理状态中提取信息通过多种传感器。特征提取后执行的信息来源。分类器分类提取的特征,输出结果融合决策得到识别结果(19]。

特征层融合和决策融合层策略广泛应用于实践,所以一个情感和心理状态识别方法提出了基于这两个层次的融合在这里(20.]。

2.2。牧民的信用的现状分析

足够的经济资源是个人发展的核心因素,甚至自由的实现。然而,当前的经济和社会信用约束严重,这限制了牧民的追求自由。因此,提高牧民的信贷可用性一直是金融领域的研究热点。政府采取了一系列措施来增加货币供应的牧民深化金融包容的牧民的发展,如指导金融机构开展小额贷款业务,给牧民金融服务税收优惠和放宽金融机构的准入门槛21]。然而,尽管这些措施缓解信贷供应限制,他们尚未取得理想成果提高牧民的信贷可用性。原因是牧民的信贷可用性不仅与金融机构的信贷配给,也影响牧民的特点,特别是牧民的心理特点22]。图4揭示了牧人的情感和心理特征的影响在牧人的信贷需求。

从图4情感和心理特征直接影响投资者的风险偏好,影响信贷需求(23]。使用信用卡是一种高风险的行为。个人有不同的情感和心理特点有其他风险的偏好和承受能力,所以他们的信贷需求不同。第二,情感和心理特征会影响个人的生产经营模式,尤其是创业的选择,和间接影响他们的信贷需求。最后,情感和心理特点采取人力资本的作用,尤其是教育水平,间接影响牧民的信贷需求。教育水平被广泛认为是一个关键变量影响牧民的信贷需求。有三个可能的通路emotional-psychological特征如何影响牧民的正式的信贷。第一个是社交网络影响牧民。第二个是影响农民的正式的信贷可用性影响担保能力被牧民(24]。合法合格抵押品的缺乏使得抵押贷款农民获得正式贷款的主要方式。第三,不同性格特征使农民的信息传输能力和信息可认可明显不同,影响他们的正式的信贷可用性(25- - - - - -28]。

2.3。情感和心理状态基于特征层融合的价值评价方法

情感和心理状态的评价方法基于特征层融合的价值如下根据提问者的测试问题的答案的选择,表达,融合各种生理和心理的特征信号。(1)假设规模用于智能问答因素,受试者的问答记录后得到智能问答。测谎结合面部表情识别当受试者回答问题。如果表达式符合预设,这个问题的答案记录为有效。答案记录计算根据量化评分规则项目所属的规模。的分数值因素,作为一个列向量表示一个,见 (2)假设时期动画游戏会话产生一个特定的情感 ,面部表情和 - - - - - -生理数据类型的对象收集。原来的面部表情数据在此期间表示 。特征提取的规则用于提取图像表达特性值的表达式,表达式的最重要的部分原始数据,标记成吗 。的 - - - - - -类型表示为原始的生理信号 。特征提取算法使用相应的生理信号。特征提取是进行 提取的特征值 - - - - - -类型的生理信号。表达式和生理信号特征值都是连接到一个联合特征向量(3)从三个心理步骤获得合并后的特征向量加权融合得到融合特征向量 。它是根据获得的

2.4。分析基于决策的情感和心理状态识别方法层融合

的情感和心理状态识别面部表情主要是分析。一帧的面部表情图像在每个视频图像在数据库中被选中作为一个关键帧的面部表情的情绪状态识别。这些样本分为训练、验证和测试集。事先网络用于火车面部表达式的情绪和生理状态识别模型。图5显示事先网络体系结构。

从图5原始图像的大小,神经网络的输入 。训练集的数量是有限的。输入原始图像大小是随机裁剪 每次来防止过度拟合,这些图片是随机水平翻转。网络结构分为四个阶段。第一阶段由卷积层,max-pooling层和局部反应正常化层。第二阶段由卷积层,平均池层和一层区域反应正常化。第三阶段由一个卷积层和一个中间池层。第四个阶段是分类阶段,它包含一个完全连接层和一个输出层。输出层实现特征之间的映射,通过Soft-Max分类概率分布函数的概率分布和输出六个情感标签。计算公式如下;代表输入测试样本。

2.5。Probit模型检查的情感设计

本文考察了人格特质的分析基于情感和心理状态识别方案牧民的信用行为。具体的研究是基于情感和心理状态的识别,行为分析牧民的正规信贷需求,可用性的正规信贷和正规信贷的数量。其中,牧民的信贷可用性可以进行两个阶段。第一阶段是牧民从正规金融机构获得贷款,通常由一个0到1哑变量表示。第二阶段是配额受到农民,通常表示为一个截断变量大于零。因此,Probit模型首先构造测试情感和心理状态的影响牧民的正规信贷需求和是否获得贷款。Probit模型演示

在方程(4),是一个虚拟变量。 意味着牧民有正式的信贷需求。如果没有一个,没有正式的信贷需求。的控制控制变量。残余项。

然后,赫克曼两阶段模型检查的情感和心理状态的影响牧民的正式的信贷额度。第一阶段是Probit模型,它描述了农民获得正规信贷的可能性。第二阶段描述了信贷可获得性的材料,有多少信贷可用。“有信用评级”和“非正式信贷”识别变量。第一阶段的方程是用来计算Nimirs比率。它被添加到第二阶段的模型作为控制变量。如果它的系数显著非零,赫克曼两阶段模型的选择是有效的。

采用分层随机抽样。数据来自200农民的研究小组的家庭调查三个XX地区自治的横幅。调查数据收集和组织,办公软件用于收集到的数据的科学分析和计算。的详细信息为接下来的研究工作奠定了坚实的基础。问卷的设计采用了多维问卷。每个维度包含三到六项,其中包括四个反向计分项。共有25个主题设计经验,认知、实践,和活跃的性格。研究分为两个方面。第一个是村级基本情况,草原的循环和经济环境。第二个是基本的家庭信息,牧场的信息,生产经营信息,信用保险在家庭层面的信息。

问卷的信度和效度进行了分析。可靠性分析主要是用来测量实验样品的回答结果是否可靠。例如,多次测量同一对象。如果多个测量结果接近,结果的值被认为是可信的。如果每个测量的结果是不同的,可靠性低。效度分析仅仅指的是问卷设计的有效性和准确性。它是用来衡量项目的设计是否合理。有效性可以进一步分为内容效度、结构效度和效标效度。内容效度通常是口头描述问卷的有效性。例如,引用或权威来源用于演示的权威和调查问卷的有效性。 Commonly used reliability coefficients include Cronbach’s alpha coefficient, half coefficient, and sampling suitability measure Kaiser-Meyer-Olkin (KMO), which can be analyzed in the software Spssau. The value of the Cronbach’s coefficient is 0.96 based on the reliability test of this questionnaire, and the half correlation coefficient is between 0.85 and 0.89, which shows that the reliability of the questionnaire is good. Based on the validity test, the KMO value reaches 0.92, indicating that the validity of the questionnaire is good.

抽样调查是分层随机抽样的方法。首先,纯畜牧业县(旗)在每个城市(联盟)分为高、低组根据他们的国内生产总值(gdp)考虑地区差异,数据可用性。一个县(自治横幅)是随机选择从每组。第二,每个县(自治横幅)是随机选择两到三个样本乡镇。最后,一到两个样品从每个乡镇村庄被吸引。家面试是用来填写调查问卷。共收集200份问卷调查。共有196份有效问卷调查得到剔除无效问卷后,有效率为98%。

此外,选择使用最大似然估计处理效率模型进一步研究情感和心理的影响积极国家对农民的正式信用行为特征。

3所示。结果

3.1。描述性统计结果分析

受访者的描述性分析如图6。

从图6受访者中,正式的信贷的需求强劲。一百二十农民从正规金融机构获得贷款,占了61.1%的农民需要正式的信贷,表明样本牧民低可用性的正规信贷。这符合中国人民银行的结论的牧民的信用状况的问卷调查和分析团队。的贷款金额、样本农户的平均贷款金额是158000元,方差为20.6。这表明样本农户的信贷需求通常是高,但内部差异也很大。采访了农民的平均年龄是51.4岁,年龄和整体水平高,从牧民的个人和家庭特征样本。相对应的教育的平均时间是7.2年,初中教育。整体水平较低。牧民是一个四口之家。平均家庭年收入大约是每年100000元。 The per capita land size is approximately 1.54 mu. About 36.5% of rural households use mobile internet payment methods, indicating that the penetration of Internet finance is still low.

3.2。回归分析结果

回归分析是进行调查的影响变量对农民的信用行为,和具体结果如表所示1。

从表1,打开情感心理学的影响,责任心心理学,和外向性心理学对牧民的信贷需求统计积极为1%,5%,和1%,分别。边际效应是18.73%、10.71%和15.96%,分别。这意味着牧民产生信贷需求的概率增加18.73%,10.71%和15.96%,分别为情感心理学。每增加1个单位

积极的情绪状态和牧民之间的联系的信用行为进一步分析。它用作标准将所有样本值的平均值的积极情感和心理特征。上面的标准的值集的样本组高情感和心理特征。此外,样本组设置为培训组和组之间的差异进行了分析。结果显示在图7。

从图7高分的牧民,情感和心理特点有更高的信贷需求,信贷可用性和较低的信贷额度比牧民情感和心理特征。组之间的差异是显著的,至少在10%的显著性水平。此外,有实质性的差异在其他两组样本之间的特征。这表明两组农民之间的分布不是完全随机的。信用行为的实证分析是进行高情感和心理特点,牧民,结果如表所示2。

从表2,牧民得分高情感和心理强烈需求的信贷和可能获得信贷。具体地说,情感和心理的分数高的牧民产生信贷需求的概率高出71%,高出33.47%的可能性获得正式的信贷比情感和心理较低的分数。第二阶段的回归结果赫克曼的模型表明,牧民得分高情感和心理更容易获得更广泛的信贷额度比牧民情感和心理较低的分数。两者的区别是40400元。

4所示。结论

本文研究当前牧民的信用行为的基础上,情感和心理状态识别方案。一个相关的识别研究模型设计根据牧民的信用行为的现状和心理的作用机理识别程序。牧民的信贷行为根据调查数据进行了分析。结果表明,分数高的牧民的情感和心理特点具有很强的信贷需求,可能会获得信贷,有很高的信贷额度。牧民分数较低的情感和心理特征较低或没有明显的信贷需求,和他们的信贷可用性也低。此外,治疗效果模型分析了情感和心理特点的影响分数对牧民的信用行为。研究发现,牧民与高情感和心理特征生成信贷需求的概率有71%高于较低的农民开放。他们也更容易获得信贷33.47%较低的牧民情感和心理特征。他们也将获得高贷款金额。鲁棒性测试结果表明,实验结果有很好的一致性。 The disadvantage is that the number of surveyed objects is relatively small, and the geographical area is limited. The research work on the key techniques of psychometrics done here has broad application prospects and practical significance. Although some achievements have been achieved, there is still a long way to go before the actual promotion and use. The follow-up research work can also be improved and perfected from the following aspects. Firstly, the universal intelligent psychological evaluation system can operate stably and reliably after systematic testing. This is in line with the expected demand design. Physiological and behavioral data of different groups can be easily collected through the promotion and use of the system. In the follow-up work, artificial intelligence algorithms such as deep learning can be added to the server to research various data aggregation and mining technologies. It will help build a group mental situational awareness model to serve all areas of society well.

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称他们没有利益冲突的报告对于本研究。

确认

这项工作是支持中国的国家社会科学基金(19 bjy043)和科学技术委员会的闵行区(2019 mhz079 ZQH)。