百度指數(shù)數(shù)據(jù)為預(yù)測游客規(guī)模提供了新思路。以杭州市為例,首先研究新浪微博簽到數(shù)據(jù)與統(tǒng)計年鑒中實際游客量的關(guān)系,用新浪微博簽到人數(shù)模擬實際旅游人數(shù),建立杭州市日游客規(guī)模自回歸移動平均(auto regressive moving average,ARMA)模型,并進行預(yù)測;然后結(jié)合計量經(jīng)濟學(xué)中的協(xié)整檢驗和格蘭杰因果關(guān)系檢驗,分析百度指數(shù)與微博簽到人數(shù)之間的關(guān)系,利用百度指數(shù)空間分布特征及主成分分析后提取的3個解釋變量構(gòu)建向量自回歸(vector auto regression,VAR)模型;最后比較了2個模型的預(yù)測精度。結(jié)果顯示,百度指數(shù)存在地理空間屬性,且與新浪微博簽到人數(shù)互為格蘭杰因果關(guān)系,存在1～23 d的滯后期。此外,相比ARMA模型,考慮了百度指數(shù)地理屬性的VAR模型在樣本期內(nèi)的預(yù)測精度提高了13.1%,在樣本期外的預(yù)測精度提高了27.9%。研究表明,百度指數(shù)的時間和空間屬性對游客規(guī)模預(yù)測有重要意義和價值。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1基于百度指數(shù)的游客規(guī)模預(yù)測模型優(yōu)化技術(shù)路線圖

選擇杭州為旅游目的地進行研究。杭州市位于我國東部，是浙江省的省會城市，旅游資源豐富，美麗的自然風(fēng)光與獨特的人文歷史景觀合而為一，為我國最佳旅游目的地城市之一。通過新浪微博應(yīng)用程序接口（applicationprogramminginterface,API）抓取2012—201....

圖2微博簽到人數(shù)與“杭州旅游攻略”百度指數(shù)數(shù)據(jù)對比

在ARMA模型基礎(chǔ)上，增加百度指數(shù)關(guān)鍵詞“杭州旅游攻略”，并將其作為模型的解釋變量以優(yōu)化模型，為避免模型的共線性，降低對預(yù)測模型的干擾，需要根據(jù)百度指數(shù)的地理空間特征提取更合適的解釋變量，以進一步提高預(yù)測精度。綜合考慮地區(qū)人口數(shù)量、經(jīng)濟發(fā)展水平及出行距離，對34個�。ㄖ陛犑�、自治....

圖3地區(qū)分類結(jié)果

由圖3和圖4可知，核心市場區(qū)域、一般市場區(qū)域和邊緣市場區(qū)域最明顯的差異是百度指數(shù)數(shù)據(jù)。為減少預(yù)測模型中的自變量，降低多重共線性的干擾，對3個市場區(qū)域的百度指數(shù)進行主成分分析。首先，分別計算3個市場區(qū)域中變量的KMO(KaiserMeyerOlkin）統(tǒng)計量，得到核心市場區(qū)域、....

圖43個市場區(qū)域和3個主成分的“杭州旅游攻略”百度指數(shù)數(shù)據(jù)

圖3地區(qū)分類結(jié)果2.3.2單位根檢驗和協(xié)整檢驗

本文編號：3919760