基于支持向量机的养老保障满意度非线性模型

目前对养老保障满意度的研究所采用的统计方法，都是基于养老保障满意度与影响因素之间的线性关系，且未对所建模型进行检验及理论预测。由于事物之间关系复杂，变量之间往往呈现非线性关系。采用支持向量机算法结合粒子群优化算法，建立养老保障满意度非线性模型。用于研究的养老保障满意度样本数为8 339份。结果显示，基于支持向量机的分类模型对养老保障满意度预测精度高于76%，预测性能优于二元逻辑回归预测结果。表明养老保障满意度与受教育程度、受教育满意度、家庭经济状况满意度、总体生活满意度、对社会总体评价等5个影响因素之间存在非线性关系。因此，应用支持向量机算法建立养老保障满意度非线性模型是可行的。