基于多元線性回歸下的二手車估價轉(zhuǎn)讓模型獲獎科研報告

基于多元線性回歸下的二手車估價轉(zhuǎn)讓模型獲獎科研報告摘

要：隨著我國汽車產(chǎn)業(yè)的快速發(fā)展，二手車的交易也漸漸走向興旺，但與此同時我國二手車交易市場存在嚴(yán)重不對稱問題，價格評估體系也不可靠。而在國外，二手車市場相對成熟，擁有完善的法規(guī)體系，多樣的交易方式，信息公開透明和合理的價格評估體系。因此分析并建立合理的二手車估價轉(zhuǎn)讓模型尤為重要，本文就是針對二手車的各種因素給出其估價轉(zhuǎn)讓模型。根據(jù)地區(qū)，品牌，里程等多個影響二手車價格的因素，為建立在多個變量下的單個變量的變化，我選擇使用SPSS軟件中的多元線性回歸分析來計(jì)算二手車買賣價格。計(jì)算之前我首先對數(shù)據(jù)進(jìn)行了預(yù)處理，然后將自變量和因變量導(dǎo)入SPSS軟件進(jìn)行分析得到了二手車買賣價格模型。為驗(yàn)證此模型，后又用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練回歸，其最后的準(zhǔn)確率達(dá)到了0.9996，證明此模型還是非?？煽康摹?/p>

關(guān)鍵詞：SPSS軟件;多元線性回歸;BP神經(jīng)網(wǎng)絡(luò)

1.二手車價格的計(jì)算模型

1.1模型的建立

1.1.1多元線性回歸[1][2][3]

首先從瓜子二手車直賣網(wǎng)[4]我們獲得一部分?jǐn)?shù)據(jù)進(jìn)行接下來的計(jì)算。計(jì)算之前，首先將無關(guān)的變量剔除掉，如上牌地，車主信息等數(shù)據(jù)剔除掉。再利用Excel篩選功能和替換剔除掉錯誤、串行的數(shù)據(jù)。

剔除掉部分?jǐn)?shù)據(jù)后，我們選擇用Excel數(shù)據(jù)透明表將大量數(shù)據(jù)簡單分類，整合，對一些區(qū)間內(nèi)有較大空缺的數(shù)據(jù)我們進(jìn)行補(bǔ)錄，盡量使數(shù)據(jù)更具代表性和一般性。

多元線性回歸的基本原理和基本計(jì)算過程與一元線性回歸相同，但由于自變量個數(shù)多，計(jì)算相當(dāng)麻煩，一般在實(shí)際中應(yīng)用時都要借助統(tǒng)計(jì)軟件，本文我們選擇使用SPSS軟件進(jìn)行分析。由于各個自變量的單位代表的實(shí)際意義不同，則其單位很可能不一樣，因此自變量前系數(shù)的大小并不能說明該因素的重要程度，更簡單地來說，同樣的工資收入，如果用元為單位就比用百元為單位所得的回歸系數(shù)要小，但是這種情況下工資水平對消費(fèi)的影響程度并沒有改變，所以得想辦法將各個自變量化到統(tǒng)一的單位上來，即歸一化。在單位標(biāo)準(zhǔn)化后，這時的回歸方程稱為標(biāo)準(zhǔn)回歸方程，回歸系數(shù)稱為標(biāo)準(zhǔn)回歸系數(shù)，表示如下：

y=β1x*1+β2x*2+…+βkx*k

根據(jù)以上多元線性回歸模型的理論，我選擇使用SPSS軟件進(jìn)行二手車價格的多元線性回歸。操作步驟如下：首先設(shè)置自變量和因變量，設(shè)置好各個參數(shù)，然后進(jìn)行回歸分析。

根據(jù)得到的輸入/移去的變量表我們可以直觀看出經(jīng)輸入/移去變量之后，只剩下了新車價格和里程這兩個影響因素。

然后根據(jù)系數(shù)矩陣可得新車價格和二手車價格成正相關(guān)，里程與其成負(fù)相關(guān)。且根據(jù)系數(shù)我們可以得到二手車價格和影響因素之間的關(guān)系為：

由上表可見Sig也就是顯著性水平很低即不確定度接近于0，很低，也就是說模型比較可靠。

1.2對比BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一，它能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。一種基于BP神經(jīng)網(wǎng)絡(luò)的二手車價格評估優(yōu)化算法，其特征在于，選取三層BP神經(jīng)網(wǎng)絡(luò)為原型，采用“類分塊-蒙特卡洛法”對BP神經(jīng)網(wǎng)絡(luò)中隱藏層的神經(jīng)元的選擇過程進(jìn)行優(yōu)化，建立二手車價格評估模型【5】。

據(jù)此可知，采用BP神經(jīng)網(wǎng)絡(luò)，設(shè)置好參數(shù)，其中包括4個輸入層、9個隱含層和1個輸出層。

選取所得數(shù)據(jù)中的900組數(shù)據(jù)進(jìn)行學(xué)習(xí)，選取剩余的100組左右的數(shù)據(jù)進(jìn)行測試。根據(jù)最后的預(yù)測對比圖可看出此模型預(yù)測的二手車價格和真實(shí)值非常接近，再由下圖可知最終數(shù)據(jù)與真實(shí)值擬合的效果非常好，且相關(guān)系數(shù)R=0.9996。

綜上所述兩個模型所得結(jié)果準(zhǔn)確率都較高，對比其結(jié)果和實(shí)際意義可知BP神經(jīng)網(wǎng)絡(luò)的二手車價格計(jì)算更為準(zhǔn)確。

結(jié)束語：

我們選擇用BP神經(jīng)網(wǎng)絡(luò)來驗(yàn)證結(jié)果，得到的準(zhǔn)確率較高，說明模型較為可靠，但同時BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練還需要進(jìn)一步