網(wǎng)絡(luò)搜索指數(shù)與汽車銷量關(guān)系研究

1、網(wǎng)絡(luò)搜索指數(shù)與汽車銷量關(guān)系研究網(wǎng)絡(luò)搜索指數(shù)與汽車銷量關(guān)系研究搜索引擎已經(jīng)成為消費(fèi)者決策過程中信息搜索和評(píng)價(jià)過程的起點(diǎn)，根據(jù)在NNI調(diào)查社區(qū)進(jìn)展的搜索營(yíng)銷調(diào)查顯示，有77%的互聯(lián)網(wǎng)用戶在購(gòu)置產(chǎn)品之前會(huì)上網(wǎng)搜索信息1。網(wǎng)民的搜索需求在一定程度上反映了他們的關(guān)注點(diǎn)和意圖，而網(wǎng)絡(luò)搜索數(shù)據(jù)正是對(duì)網(wǎng)民搜索需求的客觀記錄。網(wǎng)絡(luò)搜索數(shù)據(jù)的這一特性使其可以映射用戶實(shí)際生活中的行為特點(diǎn)，并影響企業(yè)經(jīng)營(yíng)和政府管理方式，成為目前研究大數(shù)據(jù)的主要方向之一。本文以我國(guó)汽車市場(chǎng)為背景，研究網(wǎng)絡(luò)搜索數(shù)據(jù)與汽車銷量之間的關(guān)系。之所以選擇汽車作為研究對(duì)象，是因?yàn)槠嚠a(chǎn)品屬性復(fù)雜并且要求較大資金投入，消費(fèi)者在購(gòu)置汽車時(shí)會(huì)對(duì)汽車產(chǎn)品

2、各種屬性進(jìn)展仔細(xì)考察和評(píng)估。不僅如此，汽車也是研究消費(fèi)者外部搜索相關(guān)文獻(xiàn)中最為常用的產(chǎn)品對(duì)象之一2。1研究意義與思路11研究意義網(wǎng)絡(luò)搜索數(shù)據(jù)的利用價(jià)值已經(jīng)得到了學(xué)術(shù)界的廣泛關(guān)注。國(guó)外學(xué)者在房地產(chǎn)3、就業(yè)4、股票5、汽車和旅游6等眾多領(lǐng)域都驗(yàn)證了谷歌搜索數(shù)據(jù)的作用。但是在中國(guó)，百度是應(yīng)用最多的搜索引擎，因此用百度搜索指數(shù)研究中國(guó)的社會(huì)經(jīng)濟(jì)行為更符合實(shí)際情況。任樂通過計(jì)算相關(guān)系數(shù)、確定領(lǐng)先階數(shù)并合成百度搜本文由論文聯(lián)盟搜集整理索指數(shù)，實(shí)證了北京市搜索數(shù)據(jù)與月旅游客流量之間的相關(guān)關(guān)系7；袁慶玉等從網(wǎng)絡(luò)關(guān)鍵詞搜索數(shù)據(jù)與汽車銷量的角度建立了理論根底框架，采用綜合賦權(quán)法對(duì)關(guān)鍵詞進(jìn)展提取，預(yù)測(cè)了汽車銷量8。

3、但是對(duì)國(guó)內(nèi)現(xiàn)有研究而言，利用網(wǎng)絡(luò)搜索數(shù)據(jù)預(yù)測(cè)用戶需求仍屬于一個(gè)新的研究領(lǐng)域，并沒有形成系統(tǒng)的研究體系，還存在以下缺乏：1對(duì)于關(guān)鍵詞的選取還存在爭(zhēng)議。多數(shù)研究是直接指定關(guān)鍵詞，或者是結(jié)合百度自動(dòng)生成的關(guān)鍵詞來提取指數(shù)，并沒有考慮關(guān)鍵詞能否代表用戶實(shí)際的網(wǎng)絡(luò)搜索行為。2預(yù)測(cè)模型多采用時(shí)間序列的靜態(tài)回歸或者是對(duì)短面板數(shù)據(jù)的建模，不利于控制不同個(gè)體間的差異，也不利于準(zhǔn)確地反映和刻畫在時(shí)間推移的過程中網(wǎng)絡(luò)搜索數(shù)據(jù)對(duì)銷售影響的動(dòng)態(tài)變化。為彌補(bǔ)現(xiàn)有研究存在的缺乏，本文在關(guān)鍵詞選擇和模型設(shè)定上都作出了改良，目的是驗(yàn)證網(wǎng)絡(luò)搜索數(shù)據(jù)如何反映當(dāng)前的汽車銷量并預(yù)測(cè)將來的銷量變化趨勢(shì)。本文的主要工作是：提出了一套構(gòu)造化

4、的流程來提取網(wǎng)絡(luò)搜索數(shù)據(jù)關(guān)鍵詞，并應(yīng)用于我國(guó)汽車市場(chǎng)的研究。該流程為網(wǎng)絡(luò)搜索數(shù)據(jù)在其他領(lǐng)域的研究提供了參考。12研究思路2文獻(xiàn)綜述21有關(guān)汽車銷量預(yù)測(cè)的相關(guān)研究關(guān)于國(guó)內(nèi)汽車銷量的預(yù)測(cè)，從以往的相關(guān)研究來看，學(xué)者從定性和定量?jī)蓚€(gè)方面進(jìn)展了相關(guān)研究。在定性方面，如：門峰等針對(duì)我國(guó)汽車產(chǎn)業(yè)的開展方向進(jìn)展研究，認(rèn)為我國(guó)汽車產(chǎn)業(yè)已經(jīng)成為國(guó)民經(jīng)濟(jì)的重要支柱產(chǎn)業(yè)，并預(yù)測(cè)將來510年是我國(guó)由汽車工業(yè)大國(guó)向汽車工業(yè)強(qiáng)國(guó)轉(zhuǎn)變的重要時(shí)期9；王莉分析了國(guó)際金融危機(jī)給中國(guó)汽車行業(yè)帶來的總體影響10。定量方面的研究那么可以分為兩個(gè)層面：一是單方法預(yù)測(cè)法包括多元回歸分析法、時(shí)間序列預(yù)測(cè)法、神經(jīng)網(wǎng)絡(luò)分析法，如：陳歡通過定性灰

5、色預(yù)測(cè)模型的方法對(duì)汽車銷量進(jìn)展了預(yù)測(cè)11，該方法可以反映復(fù)雜數(shù)據(jù)的非線性和汽車銷量數(shù)據(jù)自身的規(guī)律性，但對(duì)歷史數(shù)據(jù)過于依賴，歷史數(shù)據(jù)越多，預(yù)測(cè)結(jié)果越可靠；郭順生等基于時(shí)間序列ARA模型對(duì)中國(guó)汽車的月銷量數(shù)據(jù)進(jìn)展預(yù)測(cè)12；汪玉秀等綜合汽車顏色、排量及版本類型3個(gè)因素，建立了馬爾科夫過程的4S店汽車銷量預(yù)測(cè)模型預(yù)測(cè)絕對(duì)誤差均小于5%13。二是組合預(yù)測(cè)方法，如：李響等基于ARA模型與RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合的混合模型預(yù)測(cè)了天津市日汽車銷量，認(rèn)為組合模型相對(duì)于單一的預(yù)測(cè)模型有較高的預(yù)測(cè)精度14；蔡賓等采用改良差分進(jìn)化算法和灰色模型對(duì)幾個(gè)主要汽車品牌的銷量進(jìn)展了預(yù)測(cè)，并對(duì)汽車銷量的開展趨勢(shì)作出了判斷15；李莉

6、通過建立灰色模型和馬爾科夫模型相結(jié)合的組合預(yù)測(cè)模型預(yù)測(cè)了我國(guó)小排量汽車的銷量，該模型整合了G1，1模型處理光滑序列的有效性和灰色馬爾科夫鏈處理隨機(jī)序列的有效性，反映出了數(shù)據(jù)序列的開展趨勢(shì)16。無論是傳統(tǒng)的定性預(yù)測(cè)方法，還是定量預(yù)測(cè)都只能依賴于歷史數(shù)據(jù)，但歷史數(shù)據(jù)具有很強(qiáng)的延遲性，而且其預(yù)測(cè)的粒度較大，一般為汽車銷量的年度數(shù)據(jù)。另外，與傳統(tǒng)的預(yù)測(cè)方法相比，人工智能建模方法雖然預(yù)測(cè)精度較高，但也存在算法復(fù)雜性高，應(yīng)用廣泛性和對(duì)原始數(shù)據(jù)的變化趨勢(shì)依賴性較強(qiáng)等缺陷和缺乏。22基于網(wǎng)絡(luò)搜索數(shù)據(jù)的經(jīng)濟(jì)類、社會(huì)類行為相關(guān)性研究目前基于網(wǎng)絡(luò)搜索數(shù)據(jù)的經(jīng)濟(jì)社會(huì)類行為預(yù)測(cè)已成為各領(lǐng)域?qū)W者們研究的一個(gè)新的熱點(diǎn)，并在

7、國(guó)內(nèi)外都獲得了一定的研究成果。在宏觀經(jīng)濟(jì)領(lǐng)域，Vsen等利用網(wǎng)絡(luò)搜索趨勢(shì)也對(duì)家庭支出做出了預(yù)測(cè)17；hi等研究如何利用網(wǎng)絡(luò)搜索數(shù)據(jù)預(yù)測(cè)短期經(jīng)濟(jì)價(jià)值，文中的例子包括房地產(chǎn)、失業(yè)索賠、旅游目的地規(guī)劃和消費(fèi)者信心18。在社會(huì)領(lǐng)域，Ripberger等使用網(wǎng)絡(luò)Query搜索數(shù)據(jù)對(duì)公眾的注意力進(jìn)展衡量，獲得了良好效果19。國(guó)內(nèi)學(xué)者張崇等提醒了網(wǎng)絡(luò)搜索數(shù)據(jù)與居民消費(fèi)價(jià)格指數(shù)PI之間存在一定的相關(guān)關(guān)系和先行滯后關(guān)系，并獲得了良好的預(yù)測(cè)效果20。董倩等發(fā)現(xiàn)網(wǎng)絡(luò)搜索數(shù)據(jù)不但可以較好地預(yù)測(cè)房?jī)r(jià)指數(shù)，而且可以分析經(jīng)濟(jì)主體行為的趨勢(shì)與規(guī)律，有一定的時(shí)效性21。孫毅等對(duì)相關(guān)研究進(jìn)展了綜述，提出基于網(wǎng)絡(luò)搜索數(shù)據(jù)的相關(guān)性研

8、究是典型的穿插研究，而對(duì)于網(wǎng)絡(luò)搜索數(shù)據(jù)與經(jīng)濟(jì)行為之間的相關(guān)性的機(jī)理分析、關(guān)鍵詞的選擇和數(shù)據(jù)處理模型選擇是需要解決的關(guān)鍵問題22。網(wǎng)絡(luò)搜索數(shù)據(jù)也開場(chǎng)用來預(yù)測(cè)汽車銷量。Du等發(fā)現(xiàn)從谷歌搜索數(shù)據(jù)中對(duì)38個(gè)主要汽車品牌提取出來的7大趨勢(shì)可以從品牌層面解釋美國(guó)市場(chǎng)74%的汽車銷量23。國(guó)內(nèi)學(xué)者王煉等以百度搜索指數(shù)為數(shù)據(jù)根底，討論網(wǎng)絡(luò)搜索在我國(guó)汽車市場(chǎng)的預(yù)測(cè)作用，結(jié)果顯示網(wǎng)絡(luò)搜索數(shù)據(jù)對(duì)汽車銷量具有顯著的正向影響，研究還發(fā)現(xiàn)，在其他傳統(tǒng)指標(biāo)的數(shù)據(jù)無法獲得時(shí)，網(wǎng)絡(luò)搜索數(shù)據(jù)仍然可以發(fā)揮重要預(yù)測(cè)作用24。但王煉等是對(duì)短面板數(shù)據(jù)進(jìn)展建?；貧w，數(shù)據(jù)量較少，不利于刻畫百度搜索指數(shù)與社會(huì)經(jīng)濟(jì)活動(dòng)的動(dòng)態(tài)變化，也不能確定變量

9、之間是否存在著長(zhǎng)期的平衡關(guān)系。綜上所述，雖然網(wǎng)絡(luò)搜索數(shù)據(jù)可以作為傳統(tǒng)數(shù)據(jù)的良好補(bǔ)充來實(shí)現(xiàn)對(duì)市場(chǎng)需求的預(yù)測(cè)，但仍有以下方面可以改良：1該領(lǐng)域的很多研究都是以谷歌趨勢(shì)為數(shù)據(jù)源。雖然谷歌是全球最大的搜索引擎，但仍然存在很多像中國(guó)這樣的國(guó)家偏向于使用本地的搜索引擎，因此應(yīng)用百度搜索指數(shù)研究我國(guó)市場(chǎng)需求更符合實(shí)際情況。2在確定獲取百度搜索指數(shù)的關(guān)鍵詞上，并沒有一個(gè)系統(tǒng)化、統(tǒng)一的的方法。之前的研究普遍都是手動(dòng)指定關(guān)鍵詞，或者是利用百度自動(dòng)生成的詞。在本文中，我們基于文本挖掘技術(shù)，提出了一個(gè)構(gòu)造化的流程來確定檢索關(guān)鍵詞，可以真實(shí)地反映出用戶網(wǎng)絡(luò)搜索的習(xí)慣。3以往的研究大都采用時(shí)間序列數(shù)據(jù)，或是短面板數(shù)據(jù)，不

10、利于檢驗(yàn)更復(fù)雜的行為模型。本文搜集了國(guó)內(nèi)市場(chǎng)最近9年的汽車月度銷量數(shù)據(jù)，采用長(zhǎng)面板數(shù)據(jù)建模，可以準(zhǔn)確地反映和刻畫在時(shí)間長(zhǎng)期推移的過程中網(wǎng)絡(luò)搜索數(shù)據(jù)對(duì)銷售影響的動(dòng)態(tài)變化。3實(shí)證分析31數(shù)據(jù)來源311汽車銷量本文的汽車銷量數(shù)據(jù)來源于搜狐網(wǎng)站汽車頻道 db.aut.shu./xdata/，該數(shù)據(jù)為月度更新數(shù)據(jù)。為了研究網(wǎng)絡(luò)搜索數(shù)據(jù)與汽車銷量之間的長(zhǎng)期相關(guān)關(guān)系，我們選取的時(shí)間段為2022年1月至2022年12月，共108個(gè)月?？紤]到車型數(shù)據(jù)在此期間的持續(xù)可獲得性，我們將連續(xù)12個(gè)月無銷量的車型排除。最終，我們搜集了55款車型在此期間的國(guó)內(nèi)市場(chǎng)月度銷量數(shù)據(jù)。312網(wǎng)絡(luò)搜索本文使用的網(wǎng)絡(luò)搜索數(shù)據(jù)源于百度搜

11、索指數(shù)。百度baidu.是全球最大的中文搜索引擎，截至2022年第三季度，百度在國(guó)內(nèi)的市場(chǎng)份額到達(dá)823%，遠(yuǎn)超過其后的谷歌中國(guó)79%、搜狗48%、360搜索38%25。百度搜索指數(shù)是以百度網(wǎng)頁(yè)搜索為根底的免費(fèi)海量數(shù)據(jù)分析效勞，可以反映不同關(guān)鍵詞在過去一段時(shí)間里的用戶關(guān)注度。用戶關(guān)注度以數(shù)千萬網(wǎng)民在百度的搜索量為數(shù)據(jù)根底，以關(guān)鍵詞為統(tǒng)計(jì)對(duì)象，代表了各個(gè)關(guān)鍵詞在百度網(wǎng)頁(yè)搜索中的搜索頻次，每天更新1次。圖1是網(wǎng)絡(luò)搜索數(shù)據(jù)的1個(gè)例如。顯示的是兩款車型普力馬和福美來在2022年用戶關(guān)注度的變化趨勢(shì)?？梢钥吹剑?022年的大局部時(shí)間里，福美來受關(guān)注程度要高于普力馬，在2月初，普力馬的用戶關(guān)注度大幅上升

12、而超過福美來，而在6月份以后，普力馬的受關(guān)注程度又始終低于福美來。32遴選關(guān)鍵詞在研究汽車銷量與百度搜索指數(shù)之間關(guān)系的過程中，選取恰當(dāng)?shù)木W(wǎng)絡(luò)搜索關(guān)鍵詞是非常重要的，直接影響研究結(jié)果的可靠性。一方面，由于汽車是屬性復(fù)雜并且要求較大資金投入的產(chǎn)品，消費(fèi)者在購(gòu)置汽車時(shí)會(huì)對(duì)汽車的各種屬性進(jìn)展仔細(xì)考察和評(píng)估。另一方面，根據(jù)NNI調(diào)查社區(qū)開展的搜索營(yíng)銷調(diào)查結(jié)果，有77%的互聯(lián)網(wǎng)用戶在購(gòu)置產(chǎn)品前會(huì)上網(wǎng)搜索信息1。考慮到這一點(diǎn)，我們選取了用戶活潑度最高的汽車論壇汽車之家論壇來提取關(guān)鍵詞。為了準(zhǔn)確地反映消費(fèi)者考慮購(gòu)置汽車并上網(wǎng)搜索信息時(shí)所采用的搜索詞，我們采取以下詳細(xì)步驟來確定搜索關(guān)鍵詞。321確定根本詞條我們

13、根據(jù)搜狐網(wǎng)站汽車頻道 ：db.aut.shu./xdata/所提供的車型名以及品牌名+車型名的組合如：A4L以及奧迪A4L來作為最初的根本詞條。322獲取根本詞條的近義詞323選取論壇高頻詞條對(duì)每一詞條我們都在論壇的文本中統(tǒng)計(jì)出詞頻，并選取詞頻較多的詞作為百度搜索指數(shù)中檢索的目的關(guān)鍵詞。對(duì)于仍有歧義的詞條，我們會(huì)加上品牌名來作為目的檢索關(guān)鍵詞，如金剛，目的詞那么為吉利金剛。類似的例子還包括雨燕、北斗星、高爾夫等。324確定最終搜索詞條對(duì)目的詞在百度搜索指數(shù)中進(jìn)展檢索，我們選取在百度指數(shù)中排名最高的詞作為關(guān)鍵詞。對(duì)于仍不能確定排名的詞，我們?cè)龠x取其與銷量之間在不同滯后期06期皮爾遜相關(guān)系數(shù)最高的

14、詞作為搜索關(guān)鍵詞。最終得到了55款車型可各自用于百度指數(shù)檢索的惟一關(guān)鍵詞。對(duì)每一個(gè)關(guān)鍵詞指數(shù)我們都計(jì)算了其與銷量在012滯后期的皮爾遜相關(guān)系數(shù)，表1是關(guān)鍵詞的百度搜索指數(shù)與銷量之間基于最大皮爾遜相關(guān)系數(shù)的滯后階數(shù)?？梢钥闯鰷笃谄毡榧性?2期，且其中大多數(shù)滯后期都為0期。對(duì)該現(xiàn)象可能的解釋是：盡管現(xiàn)實(shí)當(dāng)中消費(fèi)者在最終購(gòu)置前可能會(huì)產(chǎn)生幾個(gè)月的信息搜索和評(píng)價(jià)過程，但是他們搜索的數(shù)量和強(qiáng)度都比擬小，直到在購(gòu)置的前1個(gè)月其搜索數(shù)量會(huì)到達(dá)1個(gè)臨界點(diǎn)。4百度搜索指數(shù)與汽車銷量的關(guān)系41單位根檢驗(yàn)本文選擇實(shí)際汽車銷量S為因變量，以百度搜索指數(shù)B為自變量。為了減少異方差對(duì)檢驗(yàn)結(jié)果帶來的影響，本文數(shù)據(jù)全部對(duì)數(shù)

15、處理lnS，lnB，這樣處理也是考慮到了銷量和搜索指數(shù)的偏斜分布。進(jìn)展對(duì)數(shù)處理還有一個(gè)好處是，在解釋估計(jì)結(jié)果時(shí)可以以百分比變化而非絕對(duì)值的變化解釋搜索的預(yù)測(cè)作用。由于本文的樣本數(shù)據(jù)均為面板數(shù)據(jù)，和時(shí)間序列數(shù)據(jù)一樣，為了保證變量的平穩(wěn)性和防止偽回歸現(xiàn)象，在建立計(jì)量經(jīng)濟(jì)學(xué)模型之前要對(duì)變量進(jìn)展單位根檢驗(yàn)和協(xié)整檢驗(yàn)。常用的面板數(shù)據(jù)單位根檢驗(yàn)方法有LL檢驗(yàn)、PP檢驗(yàn)、IPS檢驗(yàn)和ADF檢驗(yàn)等，本文采用這4種方法同時(shí)進(jìn)展檢驗(yàn)，檢驗(yàn)結(jié)果如表2所示，由于檢驗(yàn)原理不同，不同檢驗(yàn)方法的結(jié)果不盡一樣，本文以4種方法結(jié)果一致為準(zhǔn)，得到汽車銷量和網(wǎng)絡(luò)搜索指數(shù)在所有情況下都為程度平穩(wěn)。由于協(xié)整檢驗(yàn)的目的是看一組非平穩(wěn)序列

16、的線性組合是否具有協(xié)整關(guān)系26，所以本文不再對(duì)汽車銷量和網(wǎng)絡(luò)搜索數(shù)據(jù)做協(xié)整檢驗(yàn)，而直接進(jìn)入Granger因果檢驗(yàn)。42格蘭杰因果檢驗(yàn)從實(shí)際生活來看，消費(fèi)者會(huì)在購(gòu)置汽車前上網(wǎng)搜索信息，那么網(wǎng)絡(luò)搜索發(fā)生在購(gòu)置汽車之前，也即百度搜索指數(shù)是汽車銷量的原因，為了驗(yàn)證實(shí)際數(shù)據(jù)能否支撐該結(jié)論，必須進(jìn)展格蘭杰因果檢驗(yàn)，檢驗(yàn)的前提條件是數(shù)據(jù)平穩(wěn)。從網(wǎng)絡(luò)搜索到汽車購(gòu)置，實(shí)際產(chǎn)出滯后期有02個(gè)月，但本研究以網(wǎng)絡(luò)搜索數(shù)據(jù)對(duì)汽車銷量的預(yù)測(cè)為目的，對(duì)同期影響不作考慮。因此本文在進(jìn)展格蘭杰因果檢驗(yàn)時(shí)將滯后期設(shè)定為12期，結(jié)果如表3所示。從格蘭杰因果檢驗(yàn)的結(jié)果看，在滯后1期和2期的情況下網(wǎng)絡(luò)搜索指數(shù)與汽車銷量存在著雙向互動(dòng)的

17、因果關(guān)系。但格蘭杰因果檢驗(yàn)度量對(duì)汽車銷量進(jìn)展預(yù)測(cè)時(shí)，網(wǎng)絡(luò)搜索數(shù)據(jù)的前期信息對(duì)均方誤差SE減少的奉獻(xiàn)要大于另外一種情況。因此網(wǎng)絡(luò)搜索數(shù)據(jù)對(duì)汽車銷量具有預(yù)測(cè)作用。51模型設(shè)定采用面板數(shù)據(jù)分析網(wǎng)絡(luò)搜索與銷量關(guān)系時(shí)，首先需要用F檢驗(yàn)來分析是采用混合回歸還是面板數(shù)據(jù)，結(jié)果發(fā)現(xiàn)本文應(yīng)該采用面板數(shù)據(jù)。在研究它們的關(guān)系時(shí)很有可能會(huì)產(chǎn)生遺漏相關(guān)變量的問題。在回歸模型中，遺漏重要的相關(guān)變量是導(dǎo)致內(nèi)生性的主要原因。因?yàn)橐坏┻@個(gè)被遺漏的變量同時(shí)與因變量和目的自變量相關(guān)，那么目的自變量與隨機(jī)擾動(dòng)項(xiàng)的無關(guān)性假定就不再成立，這時(shí)假如用最小二乘估計(jì)，目的自變量的估計(jì)就是有偏的。出于此考慮，本文首先采用固定效應(yīng)模型對(duì)面板數(shù)據(jù)做

18、估計(jì)，由此來控制由于遺漏變量而產(chǎn)生的內(nèi)生性影響，用固定效應(yīng)模型控制截面變異也是面板數(shù)據(jù)模型對(duì)于截面數(shù)據(jù)模型的一大優(yōu)勢(shì)所在，而且Hausan檢驗(yàn)的結(jié)果也回絕了采用隨機(jī)效應(yīng)模型來建模?？紤]到銷量與網(wǎng)絡(luò)搜索之間存在滯后期，在該模型當(dāng)中，使用前一期搜索指數(shù)和前兩期搜索指數(shù)作為自變量，以檢驗(yàn)前1個(gè)月網(wǎng)絡(luò)搜索和前兩期搜索是否都可以預(yù)測(cè)銷量。對(duì)車型i在時(shí)間t的銷量有如下模型：圖2為?？怂谷龓麑?shí)際銷量數(shù)據(jù)和預(yù)測(cè)銷量數(shù)據(jù)的比照?qǐng)D，其中l(wèi)nS為實(shí)際銷量數(shù)據(jù)的對(duì)數(shù)值，lnF1、lnF2分別為提早1個(gè)月和2個(gè)月的預(yù)測(cè)。從比照?qǐng)D可以看出，百度搜索指數(shù)與汽車銷量結(jié)合程度較好，模型預(yù)測(cè)效果很好。該結(jié)果再次表達(dá)了網(wǎng)絡(luò)搜索數(shù)據(jù)的預(yù)測(cè)效力。圖2?？怂谷龓麑?shí)際銷量數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)比照?qǐng)D按照Hyndan28提出的方法，本文選擇平均絕對(duì)誤差A(yù)E作為評(píng)價(jià)預(yù)測(cè)效力的指標(biāo)。平均絕對(duì)誤差的單位與因變量的單位一致，易于解釋。此外，本文