网络搜索指数与CPI波动的相关性分析

网络搜索指数反映了用户的社会活动信息和行为趋势,为研究经济问题提供了重要的数据基础,本文利用脉冲响应函数和方差分解分析了网络搜索指数与CPI之间的相互关系。结果表明:CPI与网络搜索指数的相关性较高;CPI与网络搜索指数之间存在长期均衡关系,且两者在短期时间内互为因果;网络搜索指数的增加对CPI的增长具有促进作用,且这种效应需要一段时间内的传递,CPI的变化对网络搜索指数的变化影响程度更大。从长期发展情况看,经济形势的变化会对公众的购买决策产生一定影响,经济形势的发展会为公众的网络搜索行为创造稳定条件。

基于网络搜索指数的公众关注度对企业创新的影响

大数据时代下公众已然成为一种新的外部力量,并对企业创新产生了新的促进效应。虽然学界对企业创新影响因素已有一定的探讨,但尚缺乏基于大数据时代背景下利用网络搜索从公众层面对企业创新的研究。选取2011—2019年深圳证券交易所的上市企业为样本,利用负二项回归模型、Tobit模型等方法,实证探讨了基于网络搜索指数的公众关注度对企业创新的促进作用及信息透明度与知识产权保护的双重调节作用。研究发现:第一,公众关注度对企业创新具有显著的促进效应;第二,信息透明度在公众关注度对企业创新的促进过程中起正向调节作用;第三,公众关注度、信息透明度和知识产权保护三者交互项结果表明,地区知识产权保护程度越高,信息透明度对公众关注度与企业创新的调节作用越明显。研究结论不仅拓展了目前关于大数据应用于企业管理研究的方法集,为有效发挥公众关注度对企业创新的引导和监督作用提供了新视角,还为中国完善信息披露制度以及知识产权保护制度的深入改革提供了微观证据。

基于网络搜索指数与多中心过敏原皮肤点刺数据的广东省变应性鼻炎流行特征分析

目的分析变应性鼻炎(AR)在全国和广东省流行特征的差异,以及经济发展水平对尘螨过敏阳性率的影响。方法通过我国访问量最大的搜索引擎百度提供的'百度指数',选取2014~2018年共5年'过敏性鼻炎'搜索走势,分析全国范围和广东省AR搜索走势差异并分析其特征;通过对比'过敏性鼻炎'和'螨虫'在全国和广东省搜索走势,分析两组数据的相关性;搜集广东省11个地市15所三甲医院临床诊断A R患者尘螨标准化过敏原皮肤点刺(SPT)阳性率,与当地人均国内生产总值(gross domestic product,GDP)对比,分析其相关性。结果全国AR搜索走势具有明显的季节差异,每年4~5月及8~9月为搜索高峰,广东省AR搜索走势没有明显季节差异,只有1~2月搜索量较低;全国每年AR日搜索量谷峰比为24.37%,而广东省为42.28%,两者相比具有显著差异(P<0.001),全国月均搜索量大于峰值月份50%的月份数每年平均为6个月,而广东省平均每年为10.8个月,两者相比具有显著性差异(P=0.008);截取每月1日'过敏性鼻炎'与'螨虫'搜索量进行相关性分析,全国范围内两者没有相关性(R_s=0.392,P=0.064),而广东省两者搜索量具有明显相关性(R=0.604,P=0.002);广东省各地市多中心临床诊断AR患者尘螨SPT阳性率与当地人均GDP具有显著的相关性(R_s=0.900,P<0.001)。结论网络搜索大数据可在一定程度上反映真实世界AR的流行情况,通过对百度指数搜索走势分析,全国AR发作以季节性为主,而广东省AR发作以常年性为主,'螨虫'是广东省AR患者最为关注的过敏原,广东省各地市AR患者尘螨SPT阳性率与当地人均GDP呈高度相关,表明在气候条件基本一致的条件下,经济发展水平差异以及由此带来的生活方式改变是尘螨过敏率增高的重要原因。

网络搜索指数在社会科学领域中的应用现状及前沿研究

网络搜索指数是指互联网用户的搜索历史记录数,该历史数据具有全样本、实时、免费、客观等优点,自搜索指数发布以来已在众多学科得到应用,但目前系统地综述搜索指数在社会科学领域中的应用研究少有报道。以Web of Science核心数据库作为分析数据源,提取被SSCI收录的2004-2017年间与网络搜索指数相关的文献共450篇,应用可视化软件CiteSpace和VOSviewer进行应用现状及前沿预测的研究。研究结果显示:搜索指数已在经济、金融、医学、社会、心理学等领域得到广泛应用,研究成果呈现递增趋势,并发现文献数与引文数高度相关,证明搜索指数在社科领域研究中具有研究传承性;研究前沿分两个方向,一是搜索指数与多源数据的融合研究,二是搜索指数在健康管理领域的应用研究。

北京CPI网络搜索指数合成研究

本文是研究网络搜索数据与北京CPI的关系及预测能力的先导步骤,利用与CPI相关的关键词在百度指数网站获取的搜索数据,探究采用因子分析法进行网络搜索指数的合成,最后给出了北京CPI网络搜索指数的合成公式。

关于网络搜索指数在社会科学领域中的应用现状及前沿研究

网络检索指数,主要就是互联网用户的检索历史记录数值,此类历史数据信息具有免费特点、实时化特点、客观性特点与全样本的特点,自从网络检索指数开始出现之后,已经应用在很多学科中,尤其在社会科学领域中,具有一定的应用价值,有效促进医疗领域、金融领域与社会领域的良好发展。针对此,下文分析网络检索指数在社会科学领域中的应用现状,并且提出前沿研究方面的建议。

基于网络搜索指数和EMD-ARIMA-BP组合模型的游客量预测——以张家界为例

科学的客流量预测有利于完善旅游安全预警体系和优化旅游资源配置体系。为进一步提高游客量预测的准确度,提出一种基于网络搜索指数的EMD-ARIMA-BP组合模型,以探究互联网时代旅游消费者出行行为规律。该模型首先对网络搜索行为数据进行指数合成,其次利用EMD算法对游客量和网络搜索数据进行去噪处理,最后将ARIMA模型和BP神经网络进行组合,对游客量进行预测。实证分析以张家界为例。研究发现:(1)运用网络搜索数据预测旅游消费者出行行为切实可行,接近于实时的网络数据可以大幅提升预测的时效性;(2)经过EMD去噪算法对游客量与网络搜索行为数据进行去噪处理后,游客量的预测精度有较大程度提高;(3)基于网络搜索指数和EMD-ARIMA-BP组合模型的预测误差显著低于ARIMA模型和BP神经网络等基准模型。

基于网络搜索数据的地区RPI增速预测研究——模拟河北省日度网络搜索指数对地区RPI影响分析

大数据时代可有效利用高频网络搜索数据预测传统宏观经济走势。基于网络搜索数据对商品零售价格指数(RPI)变动影响的分析,利用相关关键词的网络搜索数据,构建河北省地区日度网络搜索指数,并基于混频数据模型MIDAS-AR(1)对地区RPI增速进行预测。研究结果表明:基于日度网络搜索指数的混频数据模型适用于地区RPI增速的预测。在静态预测方面,采用混频数据模型的预测精度要优于同频模型。在动态预测方面,采用调整模型h值的混频数据模型的预测效果优于AR(1)模型的动态预测结果,说明构建的日度网络搜索指数对地区RPI变动具有一定的预测能力。基于此,在对宏观经济进行监测预测时,应有效利用网络海量即时数据;混频数据模型可应用于区域RPI增速预测。

基于搜索引擎的消费者行为对居民消费价格指数的相关分析

互联网技术的发展使得越来越多的人运用网络渠道获取信息,网络搜索数据记录了用户的关注与需求,为研究社会经济问题提供了数据基础。本文通过分析消费者对搜索引擎的使用行为,将其网络搜索数据合成了三类关键词搜索指数:经济形势指数、国家政策指数和居民消费指数,并发现搜索指数与不同种类的居民消费价格指数之间存在长期均衡的关系,反映消费者对市场的关注程度和消费意愿及倾向对各类消费价格指数的影响。

基于自适应惯性权重优化后的粒子群算法优化误差反向传播神经网络和深度置信网络(DBN-APSOBP)组合模型的短期旅游需求预测研究

旅游需求的精准预测对于旅游景区资源调度和管理有着重要作用。单一的浅层学习算法无法很好地拟合旅游客流量的特征,针对上述问题,本文通过组合深度学习和浅层学习算法,同时结合网络搜索行为数据,建立深度置信网络和利用自适应惯性权重优化后的自适应惯性权重优化的粒子群算法(APSO)去优化误差反向传播神经网络(BP)神经网络——APSO-BP的组合预测模型,用深度置信网络(DBN)模型对原始非线性客流量数据预测,再对DBN模型预测所产生的残差建立APSO-BP模型进行预测,将二者预测值合成后得到最终的预测值。通过实验证明了该组合模型能够较为准确的拟合客流量数据特征,有效地提高了预测精度。

投资者关注与上市公司ESG表现——基于我国上市公司的数据分析

本研究针对投资者关注度与公司ESG表现相关问题进行了深入探索,以我国A股上市公司的数据为样本,基于有限关注、信息不对称、可持续发展理论、股权激励理论等多角度,通过理论分析与研究假设构建,细致分析了投资者关注度与中国上市公司ESG表现之间的关系,并在进一步研究中探讨了股价信息含量在其中的中介效应以及在不同公司样本中主效应的异质性。研究表明:(1)投资者关注度能够提升公司ESG表现;(2)股价信息含量在投资者关注度和公司ESG表现中呈现出中介效应;(3)投资者关注对上市公司ESG表现的促进作用在国有企业、非重污染企业和规模较大企业更为显著。本文不仅补充了上市公司ESG表现影响因素的相关文献,还为社会和政府治理上市公司行为提供了新的思路。这对于推动企业进一步实现高质量发展具有一定的参考价值。

投资者关注能否促进企业绿色创新绩效提升——融资约束的中介效应与环境规制的调节作用

基于2011—2020年中国A股上市公司面板数据,将网络搜索指数作为投资者关注的代理变量,探讨投资者关注能否促进企业绿色创新绩效提升。结果发现,投资者关注能够有效提高企业绿色创新绩效,体现在专利数量和专利质量上,资产规模、杠杆率、股权集中度对绿色创新绩效具有不同程度的影响。进一步研究发现,投资者关注通过融资约束这一中介变量影响绿色创新绩效,同时环境规制是有效的调节变量,投资者关注与环境规制的交互效应能够促进企业绿色创新绩效提升。从关注属性维度看,投资者负面关注对企业绿色创新的促进作用更显著,异质性检验发现,相较于非东部地区,东部地区企业的促进作用更加显著,相较于高污染企业,投资者关注对非高污染企业绿色创新绩效的影响更显著。

基于百度指数的湖南旅游目的地城市旅游者网络关注度及其空间格局研究

网络关注度从赛博空间层面反映了旅游者对旅游目的地的整体感知。通过社会网络分析方法,以综合运用"直接取词法"和"范围取词法"选定的与湖南旅游目的地城市旅游活动密切相关的共计103个关键词的百度指数构建而成的网络关注度指数为分析数据,对湖南旅游目的地城市的网络关注度及其空间格局进行了系统分析。研究发现:(1)旅游者对湖南各旅游目的地城市的网络关注程度有所差别,但是上述旅游目的地城市的网络关注度在年度周期内呈现出同步波动态势,具有较强的"共现性";(2)旅游者对湖南各旅游目的地城市的网络关注度构成了相对完整的关联结构,但是岳阳与其他旅游目的地城市之间网络信息互动较弱,娄底和益阳与其他旅游目的地城市之间基本没有网络信息互动;(3)旅游者对湖南各旅游目的地城市的网络关注度的网络影响力呈现出明显的等级结构,其中,长沙、郴州和株洲具有显著的"结构洞"优势,对湖南各旅游目的地城市之间的信息流动起到的"桥接"作用明显;(4)旅游者对湖南各旅游目的地城市的网络关注度的空间关联网络可以划分4个板块:其中湘西州位于"经纪人"板块;衡阳等4个节点位于"献媚"位置;长沙等6个节点位于"首属人"位置;娄底、岳阳和益阳则位于"孤立"位置;(5)旅游者对湖南各旅游目的地城市的网络关注度在很大程度上反映了湖南各旅游目的地城市的资源禀赋和旅游产业发展状况,但两者之间并不完全匹配。湖南各旅游目的地城市的资源禀赋和旅游产业是旅游者对湖南各旅游目的地城市产生网络关注度的基础,而网络关注度则主要通过促进或阻碍地理空间因素的方式对湖南旅游目的地城市网络关注度及其空间格局产生影响。鉴于上述研究发现,论文提出,要促进湖南省的旅游产业发展,各旅游目的地城市除了需要强化自身的优质资源建设,凸显各自的旅游发展特质之外,还需要扩大各旅游目的地城市之间的旅游信息交流和合作,尤其需要促进湖南各旅游目的地城市与其他区域之间的旅游者、旅游信息等要素的自由流动,逐步形成多中心、多网络协同发展的旅游空间格局。

冰雪旅游需求的时空分布规律研究

利用冰雪旅游网络关注度和现实冰雪旅游客流之间的密切相关性,收集2011-2018年全国31个省、市和自治区的"冰雪旅游"网络关注度数据,采用季节性集中指数、地理集中指数和变差系数对冰雪旅游需求的时间和空间分布规律进行研究。结果显示:(1)2011-2018年全国冰雪旅游需求稳步快速增长,但总体需求量仍有很大的提升空间;(2)冰雪旅游需求具有明显的季节性特征,每年的1月、11月和12月3个月是冰雪旅游需求的最旺季;(3)冰雪旅游需求在全国31个省、市、自治区具有明显的地区分布差异,黑龙江、北京、浙江、上海等地是冰雪旅游需求最旺盛的地区。研究结论为以市场需求为依据、为推动我国冰雪旅游发展、实现3亿人参与冰雪运动的战略目标提供了管理建议。

机器学习在旅游客流量预测中的应用研究——以丽江市为例

已有客流量预测模型大多基于官方公布的数据,具有信息滞后性,较少同时考虑宏观经济因素、季节项引入百度搜索指数与TOPSIS综合评价体系,融合OLS回归、岭回归、Lasso回归改进传统客流量预测模型,并以丽江市为例,实证发现:TOPSIS综合评价体系能有效筛选重要性靠前的特征,使模型泛化能力变强;加入网络搜索指数、宏观经济因素及季节项特征后,预测精度显著提高.该研究对准确提取预测模型特征,提高客流量预测精度具有实践意义.

智慧旅游背景下的大数据应用研究:以旅游需求预测为例

随着旅游人数增长迅猛,各大旅游城市、旅游景点时常出现"人满为患"的现象,为城市和景区的管理造成极大的困扰。在智慧旅游蓬勃发展的背景下,同时也产生了庞大的与旅游相关的网络搜索数据。尝试利用"旅游大数据"预测未来一段时间内的游客量变化,为管理者制定分流和应急预案提供借鉴。经过实证分析,"旅游大数据"与人工神经网络技术结合,可以对游客量进行更为准确的预测。

基于多源异步混频CPI数据的预测方法研究

研究目标:基于线上消费者价格指数和网络搜索价格指数预测CPI。研究方法:在卷积神经网络(CNN)框架中融合MADL_MIDAS模型,建立异步混频卷积神经网络(AMCNN)模型,并通过选用2016年1月至2019年12月的数据验证该方法的有效性。研究发现:日度线上CPI及日度网络搜索指数属于CPI的领先指标,同时引入并保留原有数据特征有助于改进CPI预测精度,提高CPI“拐点”捕捉能力。研究创新:揭示了高频日度线上CPI和网络搜索数据对低频月度CPI的预测能力,提出了一种融合神经网络与传统计量模型的异步混频数据处理方法。研究价值:预测CPI波动水平和“拐点”时,可辅助利用线上CPI、网络搜索高频数据,结合AMCNN模型提高预测精度。AMCNN模型可用于处理异步混频数据、探究变量间复杂不确定性(线性、非线性)关系,具有很强的适应性和扩展性,可应用于其他经济、金融领域,应用价值较高。

基于互联网大数据背景下的CPI预测研究

本文基于网络搜索数据,以宏观层面、微观层面和金融层面为研究视角,选取与CPI(consumerpriceindex,居民消费价格指数)相关的网络搜索词,获取其百度指数,运用PC A(principal component analysis,主成分分析)降维方法合成宏观类综合指数、微观类综合指数和金融类综合指数。以该三类综合指数为基础,建立CPI预测模型并拟合出CPI的预测值。结果显示,基于网络搜索数据拟合出的CPI预测值与真实的CPI的走势相吻合,样本内和样本外预测结果的平均绝对误差均较小。本文预测CPI的方法能克服传统CPI统计方法的滞后性,可以在一定程度上提前预测出CPI的走势及其拐点,可为未来宏观经济形势预测提供参考。