基于网络搜索数据的汽车销量预测方法研究
发布时间：2023-03-12 22:20
近年来,随着社会经济的不断发展,人们的生活水平不断提高,普通大众对汽车这一代步工具的需要也慢慢加大,汽车消费需求慢慢变成生活中必不可少的一部分。汽车行业成为一个新型朝阳行业,对我国的经济实力的提高做出很大贡献。从消费心理上看,现在消费者已经从过去的盲目消费改变成理性消费,汽车消费者会按着自己的喜好、经济状况以及汽车的性价比来选择适合自己的车辆。同时,随着互联网的不断普及,电脑、无线端电子设备成为人们获得所需信息的重要途径。据中国互联网络中心研究数据显示,近年来,人们对互联网的需求越来越频繁,90%左右的消费者通过网络来搜索获取自己需要的信息。我们可以从主要的搜索引擎网站(百度、谷歌等)获得消费者的搜索数据,从这些数据可以挖掘消费者的真实心理需求,这对一个行业的市场分析和研究具有重要的战略意义。汽车销量的预测在宏观上有利于汽车行业产能监控、避免产能过剩、把控行业成长趋势、促进行业更好发展,微观上有利于车企制定生产营销策略、平衡供需、优化供应链。论文旨在研究大数据背景下,网络搜索数据、评价数据与汽车销量之间的关系,并建立预测模型对汽车销量进行预测。首先分别检验评分数据、百度指数数据与汽车销...
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和问题的提出
1.2 研究目的及意义
1.2.1 理论研究目的及意义
1.2.2 现实研究目的及意义
1.3 本文的创新
1.4 研究目标和方法
1.4.1 研究目标
1.4.2 研究方法
1.5 研究思路及文章结构
1.5.1 研究思路
1.5.2 文章结构
第二章 文献综述
2.1 有关网络数据爬取技术的研究
2.2 基于网络搜索数据的社会经济类相关预测研究
2.3 有关汽车销量预测的研究
第三章 相关理论和方法介绍
3.1 消费者购买决策理论
3.2 搜索引擎简介
3.2.1 搜索引擎定义及工作原理
3.2.2 搜索引擎类别
3.2.3 百度搜索引擎
3.3 百度指数简介
3.3.1 百度指数定义及其功能简介
3.3.2 百度指数使用方法简介
3.4 销量预测方法
3.4.1 定性分析预测法
3.4.2 回归分析预测法
3.4.3 时间序列模型
3.5 本章小结
第四章 相关数据的获取
4.1 百度指数数据的获取
4.1.1 百度指数数据的来源
4.1.2 数据抓取的准备工作
4.1.3 指数数据抓取的过程
4.1.4 指数数据解析的过程
4.1.5 百度指数数据抓取结果
4.2 评分数据的获取
4.2.1 评分数据的来源
4.2.2 评分数据的抓取过程
4.2.3 评分数据抓取结果
4.3 汽车销量数据的获取
4.4 本章小结
第五章 百度指数与销量数据的处理
5.1 相关性分析
5.1.1 评分数据与汽车销量的相关性分析
5.1.2 百度搜索指数与汽车销量的相关性分析
5.2 百度搜索指数数据的处理
5.2.1 百度搜索数据选取
5.2.2 百度搜索指数合成
5.3 销量数据的季节调整
5.3.1 时间序列的分解
5.3.2 季节调整概念
5.3.3 季节调整方法的发展
5.3.4 本文使用的季节调整方法
5.4 百度搜索指数与汽车销量的平稳性检验
5.5 百度搜索指数与汽车销量数据的协整检验
5.6 本章小结
第六章 汽车销量预测
6.1 预测模型的评价指标
6.2 百度指数模型的预测
6.2.1 序列平稳性检验
6.2.2 模型的建立与估计
6.2.3 汽车销量预测
6.3 时间序列模型的预测
6.3.1 序列平稳性检验
6.3.2 模型类型的识别、估计和选择
6.3.3 汽车销量预测
6.4 混合预测模型
6.4.1 序列平稳性检验
6.4.2 混合模型的建立与估计
6.4.3 汽车销量预测
6.5 本章小结
第七章 总结与展望
7.1 研究结论
7.2 存在的不足与展望
致谢
参考文献
附录
本文编号：3762047
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和问题的提出
1.2 研究目的及意义
1.2.1 理论研究目的及意义
1.2.2 现实研究目的及意义
1.3 本文的创新
1.4 研究目标和方法
1.4.1 研究目标
1.4.2 研究方法
1.5 研究思路及文章结构
1.5.1 研究思路
1.5.2 文章结构
第二章 文献综述
2.1 有关网络数据爬取技术的研究
2.2 基于网络搜索数据的社会经济类相关预测研究
2.3 有关汽车销量预测的研究
第三章 相关理论和方法介绍
3.1 消费者购买决策理论
3.2 搜索引擎简介
3.2.1 搜索引擎定义及工作原理
3.2.2 搜索引擎类别
3.2.3 百度搜索引擎
3.3 百度指数简介
3.3.1 百度指数定义及其功能简介
3.3.2 百度指数使用方法简介
3.4 销量预测方法
3.4.1 定性分析预测法
3.4.2 回归分析预测法
3.4.3 时间序列模型
3.5 本章小结
第四章 相关数据的获取
4.1 百度指数数据的获取
4.1.1 百度指数数据的来源
4.1.2 数据抓取的准备工作
4.1.3 指数数据抓取的过程
4.1.4 指数数据解析的过程
4.1.5 百度指数数据抓取结果
4.2 评分数据的获取
4.2.1 评分数据的来源
4.2.2 评分数据的抓取过程
4.2.3 评分数据抓取结果
4.3 汽车销量数据的获取
4.4 本章小结
第五章 百度指数与销量数据的处理
5.1 相关性分析
5.1.1 评分数据与汽车销量的相关性分析
5.1.2 百度搜索指数与汽车销量的相关性分析
5.2 百度搜索指数数据的处理
5.2.1 百度搜索数据选取
5.2.2 百度搜索指数合成
5.3 销量数据的季节调整
5.3.1 时间序列的分解
5.3.2 季节调整概念
5.3.3 季节调整方法的发展
5.3.4 本文使用的季节调整方法
5.4 百度搜索指数与汽车销量的平稳性检验
5.5 百度搜索指数与汽车销量数据的协整检验
5.6 本章小结
第六章 汽车销量预测
6.1 预测模型的评价指标
6.2 百度指数模型的预测
6.2.1 序列平稳性检验
6.2.2 模型的建立与估计
6.2.3 汽车销量预测
6.3 时间序列模型的预测
6.3.1 序列平稳性检验
6.3.2 模型类型的识别、估计和选择
6.3.3 汽车销量预测
6.4 混合预测模型
6.4.1 序列平稳性检验
6.4.2 混合模型的建立与估计
6.4.3 汽车销量预测
6.5 本章小结
第七章 总结与展望
7.1 研究结论
7.2 存在的不足与展望
致谢
参考文献
附录
本文编号：3762047
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3762047.html
