被试者学历及其他连续变量的测度和转化方法

根据被试者行为偏差检验的实验研究数据，我们对政策依赖、确定效应、损失厌恶和框架依赖这四个行为偏差进行Logit模型实证验证分析，以期能找出个体明显的投资行为偏差存在与影响其存在的明显投资行为偏差的个体特征因素之间的因果关系。

研究假设：个体明显投资行为偏差的存在受其自身性别、年龄、学历、职业、收入、投资规模、投资经验、投资目标等因素的影响。

下面对被试者存在明显投资行为偏差的Logit模型作出以下假设：(www.xing528.com)

其中，上述四个方程的因变量分别代表具有较强的政策依赖行为偏差（policyrely），代表具有极强的确定性行为偏差（certainty），代表具有明显的损失厌恶行为偏差（lossaversion）和代表具有极强的框架依赖行为偏差（framedepen）。

代表投资者个体特征的自变量包括gender（性别）、age（年龄）、education（学历）、career（职业）、income（年收入）、scale（投资规模）、experience（投资经验）、oriented（投资目标）等共8个变量。被试者的性别设置了两个虚拟变量0和l，即当被试者是女性时，设为l；当被试者是男性时，设为0。职业变量同样设置了两个虚拟变量0和l，即当被试者从事金融相关专业时，设为l；当被试者从事其他行业时，设为0。对于被试者学历的测度，本书将其划分为高中、大学本科、硕士和博士四类，在进行Logit模型实证检验时，将学历变量转化成连续变量，即高中设置成l2，大学本科设置成l6，硕士设置成l9，博士设置成23，以此来表示被试者的受教育年限。此外，年龄、职业、年收入、投资规模和投资经验这五个变量均是连续变量，在最后实验结束之后可以直接获取具体的数值。