本文關(guān)鍵詞：基于網(wǎng)絡(luò)搜索指數(shù)的市場預(yù)測模型及應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：及時有效的市場預(yù)測,一直以來都是理論與實踐界關(guān)注的焦點(diǎn)問題。傳統(tǒng)預(yù)測技術(shù)由于其存在的局限性,限制了預(yù)測的有效性及應(yīng)用領(lǐng)域的擴(kuò)展。近年來,隨著搜索引擎技術(shù)的發(fā)展與人們獲取信息渠道的改變,基于網(wǎng)絡(luò)搜索數(shù)據(jù)的全新預(yù)測技術(shù)應(yīng)運(yùn)而生。然而,現(xiàn)有研究尚處于初級階段且多集中在國外,網(wǎng)絡(luò)搜索數(shù)據(jù)源也多以谷歌趨勢為主,并且在諸如搜索關(guān)鍵詞選擇、網(wǎng)絡(luò)搜索指數(shù)合成及預(yù)測模型設(shè)定等多方面非常值得繼續(xù)深入研究,且其在不同領(lǐng)域的實際應(yīng)用效果也有待進(jìn)一步的研究與驗證�；诖�,本文從探究國內(nèi)網(wǎng)絡(luò)搜索數(shù)據(jù)具有的預(yù)測價值出發(fā);首先,進(jìn)行消費(fèi)者網(wǎng)絡(luò)信息搜索與產(chǎn)品市場銷量間相關(guān)性的理論框架搭建;并在此基礎(chǔ)之上,建立網(wǎng)絡(luò)搜索指數(shù)合成體系。然后,構(gòu)建分析模型,并選擇實例對象開展實證研究;最后,進(jìn)行預(yù)測模型效果對比研究及網(wǎng)絡(luò)搜索指數(shù)源差異比較分析。主要研究內(nèi)容及結(jié)論如下:1.探討了國內(nèi)網(wǎng)絡(luò)搜索數(shù)據(jù)具有的市場預(yù)測價值。本文以汽車銷量為例的實證研究結(jié)果表明,網(wǎng)絡(luò)搜索數(shù)據(jù)雖與產(chǎn)品歷史銷量數(shù)據(jù)所包含的信息存在一定交叉關(guān)系,但同時包含了較多歷史銷量數(shù)據(jù)所沒有的新信息,能夠顯著提高預(yù)測模型對未來產(chǎn)品銷量波動的解釋效力;并且網(wǎng)絡(luò)搜索數(shù)據(jù)所包含的新信息對產(chǎn)品銷量的近期波動反應(yīng)更敏感,具有很強(qiáng)的預(yù)測時效性。2.構(gòu)建基于網(wǎng)絡(luò)搜索指數(shù)的市場預(yù)測模型并驗證預(yù)測效果。實證結(jié)果顯示,本文所構(gòu)建的產(chǎn)品銷量預(yù)測模型相比對比模型,實際預(yù)測精度更高,同時還顯示出極強(qiáng)的時效性。在對細(xì)分車型帕薩特月銷量進(jìn)行實際預(yù)測時,模型的擬合度達(dá)81.8%,預(yù)測的平均絕對誤差為0.122,且相比傳統(tǒng)統(tǒng)計部門發(fā)布的數(shù)據(jù)至少提前一個月以上。特別的,在預(yù)測模型網(wǎng)絡(luò)搜索數(shù)據(jù)變量引入方面,本文對網(wǎng)絡(luò)搜索指數(shù)合成方法所做的改進(jìn)被證明是簡單有效的,相比類似研究中所采用的時差相關(guān)性合成和逐步合成的搜索指數(shù)處理方法效果更好。3.對不同網(wǎng)絡(luò)搜索指數(shù)源的預(yù)測效果差異進(jìn)行了探討。本文對比考察了引入百度指數(shù)與360指數(shù)的模型預(yù)測效果。結(jié)果顯示,兩指數(shù)平臺的網(wǎng)絡(luò)搜索數(shù)據(jù)與產(chǎn)品的市場銷量間均存在較顯著的相關(guān)關(guān)系;從整體上來看,基于百度指數(shù)源的預(yù)測模型解釋力更強(qiáng)(R-squared=0.8180.711)。對導(dǎo)致這種差異原因的初步分析進(jìn)一步表明,兩網(wǎng)絡(luò)搜索指數(shù)源存在多方面的差異性。本文在網(wǎng)絡(luò)搜索指數(shù)合成及網(wǎng)絡(luò)搜索數(shù)據(jù)源差異探討等方面所做的有益擴(kuò)展,豐富了基于網(wǎng)絡(luò)搜索指數(shù)的市場預(yù)測相關(guān)理論研究;而且,基于汽車行業(yè)的實證分析,顯示出本文所構(gòu)建的市場預(yù)測模型具有很強(qiáng)的實際預(yù)測效力,能夠為類似產(chǎn)品市場預(yù)測提供有效的決策參考。
【關(guān)鍵詞】：市場預(yù)測 網(wǎng)絡(luò)搜索指數(shù) 預(yù)測模型 回歸分析 主成分分析
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F49;F426.471
【目錄】：

• 摘要3-5
• Abstract5-10
• 第1章 緒論10-17
• 1.1 研究背景10-11
• 1.2 研究內(nèi)容及意義11-12
• 1.2.1 研究內(nèi)容11-12
• 1.2.2 研究意義12
• 1.3 研究框架及方法12-15
• 1.3.1 研究框架12-14
• 1.3.2 研究方法14-15
• 1.4 研究創(chuàng)新點(diǎn)15-17
• 第2章 文獻(xiàn)綜述17-30
• 2.1 網(wǎng)絡(luò)搜索指數(shù)概述17-22
• 2.1.1 網(wǎng)絡(luò)搜索指數(shù)介紹17-19
• 2.1.2 百度指數(shù)19-21
• 2.1.3 360搜索指數(shù)21-22
• 2.2 市場預(yù)測與傳統(tǒng)預(yù)測方法概述22-24
• 2.2.1 市場預(yù)測發(fā)展概述22-23
• 2.2.2 傳統(tǒng)預(yù)測方法概述23-24
• 2.3 引入網(wǎng)絡(luò)搜索數(shù)據(jù)預(yù)測的文獻(xiàn)綜述24-29
• 2.3.1 研究起源24
• 2.3.2 網(wǎng)絡(luò)搜索與經(jīng)濟(jì)行為相關(guān)性研究綜述24-25
• 2.3.3 在經(jīng)濟(jì)市場預(yù)測方面的研究綜述25-29
• 2.4 本章小結(jié)29-30
• 第3章 理論框架與網(wǎng)絡(luò)搜索指數(shù)合成體系30-46
• 3.1 基于消費(fèi)者網(wǎng)絡(luò)信息搜索的模型理論框架30-35
• 3.1.1 消費(fèi)者購買決策過程30-31
• 3.1.2 AIDMA模式與AISAS模式31-33
• 3.1.3 模型理論框架33-35
• 3.2 網(wǎng)絡(luò)搜索關(guān)鍵詞庫構(gòu)建35-39
• 3.2.1 關(guān)鍵詞選擇方法35-37
• 3.2.2 關(guān)鍵詞庫構(gòu)建步驟37
• 3.2.3 關(guān)鍵詞篩選37-39
• 3.3 關(guān)鍵詞搜索指數(shù)合成39-44
• 3.3.1 網(wǎng)絡(luò)搜索指數(shù)合成方法39-42
• 3.3.2 關(guān)鍵詞搜索指數(shù)合成42-43
• 3.3.3 主成分分析法簡介43-44
• 3.4 本章小結(jié)44-46
• 第4章 基于網(wǎng)絡(luò)搜索指數(shù)的市場預(yù)測模型及應(yīng)用研究46-63
• 4.1 研究模型構(gòu)建46-48
• 4.1.1 相關(guān)研究模型回顧46-47
• 4.1.2 基于網(wǎng)絡(luò)搜索指數(shù)的市場預(yù)測模型構(gòu)建47-48
• 4.2 實例對象與數(shù)據(jù)來源48-50
• 4.2.1 實例對象選擇48-50
• 4.2.2 研究數(shù)據(jù)來源50
• 4.3 網(wǎng)絡(luò)搜索指數(shù)合成50-55
• 4.3.1 搜索關(guān)鍵詞庫50-53
• 4.3.2 搜索指數(shù)合成53-55
• 4.4 模型估計與預(yù)測分析55-62
• 4.4.1 數(shù)據(jù)檢驗與參數(shù)選擇55-57
• 4.4.2 模型估計與結(jié)果57-60
• 4.4.3 模型預(yù)測效果60-62
• 4.5 本章小結(jié)62-63
• 第5章 基于網(wǎng)絡(luò)搜索指數(shù)的市場預(yù)測模型比較研究63-72
• 5.1 基于網(wǎng)絡(luò)搜索指數(shù)的銷量預(yù)測模型效果比較63-67
• 5.1.1 比較對象63
• 5.1.2 研究數(shù)據(jù)63-65
• 5.1.3 模型估計與結(jié)果分析65-66
• 5.1.4 模型預(yù)測效果對比分析66-67
• 5.2 基于360搜索指數(shù)源的模型預(yù)測效果比較67-71
• 5.2.1 研究數(shù)據(jù)67-68
• 5.2.2 模型估計與預(yù)測結(jié)果68-69
• 5.2.3 預(yù)測效果差異探析69-71
• 5.3 本章小結(jié)71-72
• 第6章 研究結(jié)論與展望72-76
• 6.1 研究結(jié)論72-74
• 6.2 研究局限與展望74-76
• 參考文獻(xiàn)76-81
• 附錄A 360指數(shù)源的搜索指數(shù)合成主成分方差提取表81-82
• 附錄B 360搜索指數(shù)抓取工具82-83
• 致謝83-84
• 攻讀碩士學(xué)位期間從事的科研工作及取得的成果84

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫毅;呂本富;陳航;薛添;;基于網(wǎng)絡(luò)搜索行為的消費(fèi)者信心指數(shù)構(gòu)建及應(yīng)用研究[J];管理評論;2014年10期

2 董倩;孫娜娜;李偉;;基于網(wǎng)絡(luò)搜索數(shù)據(jù)的房地產(chǎn)價格預(yù)測[J];統(tǒng)計研究;2014年10期

3 王博永;楊欣;;基于網(wǎng)絡(luò)搜索的房地產(chǎn)政策調(diào)控效果研究[J];管理評論;2014年09期

4 劉志明;;使用微博數(shù)據(jù)進(jìn)行預(yù)測的研究綜述[J];科技管理研究;2014年13期

5 宮劍;李潔玲;;基于神經(jīng)網(wǎng)絡(luò)的藥品需求組合預(yù)測研究與應(yīng)用[J];中國管理信息化;2014年08期

6 李秀婷;劉凡;董紀(jì)昌;呂本富;;基于互聯(lián)網(wǎng)搜索數(shù)據(jù)的中國流感監(jiān)測[J];系統(tǒng)工程理論與實踐;2013年12期

7 彭賡;蘇亞軍;李娜;;失業(yè)率預(yù)測研究——基于網(wǎng)絡(luò)搜索數(shù)據(jù)及改進(jìn)的逐步回歸模型[J];現(xiàn)代管理科學(xué);2013年12期

8 王守中;崔東佳;彭賡;;基于Web搜索數(shù)據(jù)的寶馬汽車銷量預(yù)測研究[J];經(jīng)濟(jì)師;2013年12期

9 劉俊娥;慕檸嚀;劉丙午;;固有模態(tài)SVM預(yù)測模型在零售銷量預(yù)測中的應(yīng)用[J];物流技術(shù);2013年21期

10 倪冬梅;趙秋紅;李海濱;;需求預(yù)測綜合模型及其與庫存決策的集成研究[J];管理科學(xué)學(xué)報;2013年09期

  本文關(guān)鍵詞：基于網(wǎng)絡(luò)搜索指數(shù)的市場預(yù)測模型及應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

本文編號：260678