文章基于網(wǎng)絡搜索大數(shù)據(jù),以新能源汽車為例,結(jié)合統(tǒng)計學和計量經(jīng)濟學理論與方法,利用斯皮爾曼相關系數(shù)、協(xié)整檢驗和格蘭杰因果關系,檢驗分析了搜索指數(shù)與新能源汽車實際需求之間的關系。以新能源汽車歷史銷量作為單一變量建立自回歸滑動平均模型（ARMA）,并與加入了搜索指數(shù)的向量自回歸模型（VAR）進行比較。結(jié)果表明,加入搜索指數(shù)的預測模型相較傳統(tǒng)的預測模型,在樣本期內(nèi)和樣本期外的預測精度分別提高了11.69%和14.95%。該模型只需利用前4個月的新能源汽車銷售數(shù)據(jù)和網(wǎng)絡搜索大數(shù)據(jù),就能夠準確地預測下一個月的需求,在提高預測時效性的同時,也為個人、企業(yè)和政府決策提供可靠的依據(jù)。 

【文章來源】：可再生能源. 2020,38(07)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

2019年新能源汽車實際銷售量與基于ARMA模型的預測銷售量的對比

該方程的AIC=1.131 322,SC=1.399 300，擬合優(yōu)度為0.945 007。模型通過了AR特征根檢驗，表明其具有穩(wěn)定性。式（4）對樣本期內(nèi)數(shù)據(jù)的均方根誤差為9 494.834，對樣本期外驗證數(shù)據(jù)的均方根誤差為11 737.51。模型預測銷售量和實際銷售量的對比如圖2所示。由式（4）可知，兩個變量的各滯后期對新能源汽車銷售量均有正向性影響，但影響幅度不同，其中，新能源汽車銷售量滯后1期的影響最大，其次是“新能源汽車”百度指數(shù)的滯后4期。由模型可知，如果知道了新能源汽車前4個月的實際銷量并結(jié)合對應期間的搜索指數(shù)，就可以預測出新能源汽車下個月度的需求。

【參考文獻】：
期刊論文
[1]我國新能源汽車月度銷售量預測模型研究[J]. 周彥福,王紅蕾.  軟件導刊. 2019(08)
[2]我國新能源汽車銷售量的預測模型[J]. 翟帆,雷玉瓊.  河南教育學院學報(自然科學版). 2019(01)
[3]基于搜索引擎關注度的網(wǎng)絡輿情時空演化比較分析——以谷歌趨勢和百度指數(shù)比較為例[J]. 陳濤,林杰.  情報雜志. 2013(03)
[4]網(wǎng)絡搜索與經(jīng)濟行為相關性研究綜述[J]. 孫毅,呂本富.  管理評論. 2011(07)



本文編號：2976161