基于網(wǎng)絡(luò)搜索詞搜索量的房價預(yù)測

劉娜娜+李雨潔+唐宇+邱益聰

摘要：通過分析人們在互聯(lián)網(wǎng)搜索過程中留下的搜索數(shù)據(jù)，我們可以獲取許多有用的信息，本文基于人們利用互聯(lián)網(wǎng)搜索詞進(jìn)行房價預(yù)測。從確定種子關(guān)鍵詞開始，接下來進(jìn)行種子關(guān)鍵詞擴(kuò)充，進(jìn)而確定核心關(guān)鍵詞，然后利用多元線性回歸進(jìn)行房價預(yù)測模型建立，并對比擬合值與實(shí)際值。

關(guān)鍵詞：大數(shù)據(jù)；種子關(guān)鍵詞；多元線性回歸

一、背景

隨著互聯(lián)網(wǎng)的飛速發(fā)展，大數(shù)據(jù)時代已經(jīng)悄然地進(jìn)入人們的生活當(dāng)中，大數(shù)據(jù)開啟了巨大的時代轉(zhuǎn)型，就宏觀經(jīng)濟(jì)分析而言，大數(shù)據(jù)時代帶來的轉(zhuǎn)變是重大且具有變革意義的。[1]另一方面，房地產(chǎn)市場在大多數(shù)國家屬于支柱性產(chǎn)業(yè)，房地產(chǎn)市場的興衰或成敗決定著國家經(jīng)濟(jì)形勢的好壞。[2]隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，也給房地產(chǎn)行業(yè)帶來了一定沖擊和變革，房地產(chǎn)行業(yè)越來越多與互聯(lián)網(wǎng)相加，據(jù)統(tǒng)計，在美國房地產(chǎn)商中，有72%的人利用互聯(lián)網(wǎng)銷售房屋，房地產(chǎn)經(jīng)紀(jì)人中有90%的人經(jīng)常利用網(wǎng)絡(luò)與購房者進(jìn)行交流，互聯(lián)網(wǎng)已成為美國房地產(chǎn)營銷的主要媒體。[3]通過分析消費(fèi)者利用互聯(lián)網(wǎng)的搜索痕跡，我們可以得到需求方的相關(guān)信息，從而為供給策略提供依據(jù)。在房地產(chǎn)行業(yè)中，我們就可以利用互聯(lián)網(wǎng)搜索引擎中廣大消費(fèi)者的與房地產(chǎn)相關(guān)的搜索詞匯進(jìn)行商品房的預(yù)測。

二、關(guān)鍵詞選取

（一）種子關(guān)鍵詞的選取

種子關(guān)鍵詞是在研究開始時所確定的初始關(guān)鍵詞，這些關(guān)鍵詞必然與所要研究的問題密切相關(guān)。其選取基于以下兩個標(biāo)準(zhǔn)：一是要有一定的理論基礎(chǔ)作支撐，且該理論基礎(chǔ)必須貫穿于種子關(guān)鍵詞選取的始終；二是選取的種子關(guān)鍵詞必須與所要研究的問題有密切的關(guān)系。[4]

據(jù)此，我們采用范圍取詞法，即根據(jù)所研究的經(jīng)濟(jì)行為的影響因素，確定種子關(guān)鍵詞的選取范圍，然后在范圍內(nèi)選擇合適的關(guān)鍵詞作為種子關(guān)鍵詞。

房地產(chǎn)的價格受宏觀和微觀兩方面因素共同作用，宏觀經(jīng)濟(jì)政策及外部環(huán)境的變化影響著供求關(guān)系，而供求關(guān)系決定了商品房的價格?；诤暧^層面，選擇“房貸利率”作為關(guān)鍵詞；基于微觀層面，其中又涉及到兩個主體，供應(yīng)方和需求方，針對房地產(chǎn)開發(fā)商，選擇“成都樓盤”、“成都房地產(chǎn)”作為關(guān)鍵詞，針對購房群體，選擇“成都搜房網(wǎng)”、“成都房價”、“成都租房”、“成都二手房”作為關(guān)鍵詞。

（二）種子關(guān)鍵詞的拓展

通常，在進(jìn)行相關(guān)搜索時，人們不僅僅會搜索一次，例如當(dāng)搜索城市樓盤時，如果對搜索結(jié)果不滿意，可能還有根據(jù)百度搜索推薦進(jìn)行再次搜索，通過這樣多次搜索的過程，來獲取滿意的結(jié)果。因此，對于種子關(guān)鍵詞的拓展，主要采用百度搜索推薦的方法，匯總7個初始種子關(guān)鍵詞的相關(guān)方面，形成關(guān)鍵詞集合，如下表1。

（三）核心關(guān)鍵詞確定

在確定了一組與所要研究的問題密切相關(guān)的關(guān)鍵詞后，在后續(xù)的研究過程中一些相關(guān)關(guān)鍵詞將被視為核心關(guān)鍵詞，圍繞這一核心會派生出更多有價值的關(guān)鍵詞，推動后續(xù)研究的進(jìn)行。[4]

我們通過2014-2015年的種子關(guān)鍵詞搜索量月度數(shù)據(jù)與成都市商品房月度價格指數(shù)進(jìn)行相關(guān)性分析，以此確定核心關(guān)鍵詞如下表2。

通過上表我們可以發(fā)現(xiàn)，選擇出的核心關(guān)鍵詞的搜索量與商品房價格之間利用多元回歸的擬合結(jié)果與實(shí)際值之間誤差很小，其平均相對誤差值為0.88%。利用該模型，我們在知道2015年12月份幾個核心關(guān)鍵詞的搜索量之后，預(yù)估商品房價格指數(shù)，如下表6：

四、結(jié)論

“互聯(lián)網(wǎng)+”時代，我們可以利用互聯(lián)網(wǎng)上的“大數(shù)據(jù)”進(jìn)行房價的預(yù)測，本文采用的方法較為簡單，預(yù)測結(jié)果與實(shí)際值之間存在一定差異，同時如何使用恰當(dāng)?shù)姆椒?，使得估計值與實(shí)際值之間的誤差更小，值得我們不斷探索和研究。近幾年政府在房地產(chǎn)行業(yè)也頒布了相關(guān)法律政策，我們也可以利用此種方法預(yù)測國家政策對于商品房價的作用?；ヂ?lián)網(wǎng)大數(shù)據(jù)，將會給我們的生產(chǎn)生活帶來意想不到的改變。（作者單位：四川大學(xué)商學(xué)院）

參考文獻(xiàn)：

[1]BreimanL，Randomforests[J].MachineLearing，2001（45）.

[2]梁云芳，高鐵梅，賀書平.房地產(chǎn)市場與國民經(jīng)濟(jì)協(xié)調(diào)發(fā)展的實(shí)證分析[J].中國社會科學(xué)，2006，（3）：74-84.

[3]楊樹新，董紀(jì)昌，李秀婷.基于網(wǎng)絡(luò)關(guān)鍵詞搜索的房地產(chǎn)價格影響因素研究[J].新疆財經(jīng)大學(xué)學(xué)報.2013（3）：7.

[4]楊洋.基于灰色關(guān)聯(lián)聚類的房屋銷售額預(yù)測關(guān)鍵詞優(yōu)化研究[D].吉林：吉林大學(xué)，2015：14

[5]王惠文，孟潔.多元線性回歸的預(yù)測建模方法[J]，北京航空航天大學(xué)學(xué)報.2007，33（4）：500.

[6]周復(fù)恭，黃運(yùn)成.應(yīng)用線性回歸分析[M].北京：中國人民大學(xué)出版社，1989：88-115.

[7]于秀林，任雪松.多元統(tǒng)計分析[M].北京：中國統(tǒng)計出版社，2011：8-30.

[8]葉峰，多元線性回歸在經(jīng)濟(jì)技術(shù)產(chǎn)量預(yù)測中的應(yīng)用[J]，中外能源，（2）：45.