基于數(shù)據(jù)挖掘的共享單車經(jīng)濟(jì)的探究

楊文壽 陳洪

摘要：中國(guó)大陸如火如荼的發(fā)展共享單車經(jīng)濟(jì)，本文以O(shè)FO為例，基于所得數(shù)據(jù)，先運(yùn)用統(tǒng)計(jì)學(xué)方法中的散點(diǎn)圖對(duì)數(shù)據(jù)進(jìn)行初步分析，再建立一元線性回歸模型和一元非線性回歸模型，旨在檢驗(yàn)共享單車投放量是否對(duì)打車人次產(chǎn)生影響，模型的檢驗(yàn)結(jié)果都說(shuō)明了共享單車投放量對(duì)打車人次均產(chǎn)生了不同程度上的影響。

關(guān)鍵詞：OFO；sPss； 一元線性回歸模型；一元非線性回歸模型

0 引言

在共享經(jīng)濟(jì)背景下，共享單車很好地體現(xiàn)了黨的十八屆五中全會(huì)提出的“創(chuàng)新、協(xié)調(diào)、綠色、開(kāi)放、共享”五大發(fā)展理念，符合供給側(cè)結(jié)構(gòu)性改革要求，有助于發(fā)揚(yáng)創(chuàng)新精神、緩解環(huán)境污染和交通擁堵等難題。2017年5月9日，中國(guó)電子商務(wù)研究中心發(fā)表的《2016年度中國(guó)“共享經(jīng)濟(jì)”發(fā)展報(bào)告》文章指出，2016年中國(guó)“共享經(jīng)濟(jì)”市場(chǎng)規(guī)模達(dá)39450億元，增長(zhǎng)率為76.4%，其中，2016年，共享單車呈現(xiàn)近10倍規(guī)模發(fā)展[1]。以O(shè)FO為例，2016年度共享單車領(lǐng)域單就OFO就完成了五次融資。2017年3月l號(hào)更是完成了高達(dá)4.5億美元的D輪融資。

1 共享單車的現(xiàn)狀

2016年共享單車的發(fā)展異常火熱，可以說(shuō)是共享單車的發(fā)展元年。據(jù)中國(guó)電子商務(wù)研究中心監(jiān)測(cè)數(shù)據(jù)顯示，共享單車領(lǐng)域異?；馃?。截止2016年年底，共享單車用戶規(guī)模達(dá)1886.4萬(wàn)人，相比于2015年245萬(wàn)人，呈7倍的爆發(fā)式增長(zhǎng)。預(yù)計(jì)2017年用戶規(guī)模將達(dá)到4965萬(wàn)人，以O(shè)FO和摩拜呈現(xiàn)雙雄爭(zhēng)霸模式，共享單車行業(yè)格局將定。據(jù)第三方數(shù)據(jù)分析機(jī)構(gòu)艾媒咨詢權(quán)威發(fā)布的《2017年7月中國(guó)APP活躍用戶排行榜》最新數(shù)據(jù)顯示，OF07月的活躍用戶規(guī)模占比為4.47%，排名總榜單的第70名，位居共享單車行業(yè)第一。

2 模型的建立與求解

如下表3.1所示，這是某地區(qū)OFO共享單車投放量與打車人次數(shù)據(jù)，可設(shè)該地區(qū)投入共享單車的數(shù)量為x_i，打車人次為y_i。為了大致分析出x_i和y_i的函數(shù)圖像關(guān)系，首先利用表3.1的數(shù)據(jù)作y_i對(duì)x_i函數(shù)關(guān)系的散點(diǎn)圖。

共享單車投放量和打車人數(shù)大致呈現(xiàn)負(fù)相關(guān)的函數(shù)關(guān)系，隨著共享單車投入量的增加，打車人次逐漸減少，而且兩者在x=4000之前存在較強(qiáng)的線性關(guān)系，而在x=4000之后呈現(xiàn)非線性關(guān)系。因此，需要分倆段建立模型，分別建立一元線性回歸模型和一元非線性回歸模型來(lái)探究共享單車投放量對(duì)打車人次的影響進(jìn)行分析[2]。

2.1 一元線性回歸模型

（一）模型的建立

設(shè)一元線性回歸模型為：

y=β₀+β₁x+ε

上式中，β₀和β₁為回歸系數(shù)，占為隨機(jī)誤差項(xiàng)，假設(shè)ε～N（O，σ²），則隨機(jī)變量y～ （β₀+β₁x，σ²）。

若對(duì)y和x分別進(jìn)行了n次獨(dú)立觀測(cè)，得到以下n對(duì)觀測(cè)值

（y_i，x_i），i=1，2，3，…，n

上述，x_i是自變量在第i次觀測(cè)時(shí)的取值，它是一個(gè)非隨機(jī)變量，并且沒(méi)有測(cè)量誤差。對(duì)應(yīng)于x_i，y_i則是一個(gè)隨機(jī)變量，它的隨機(jī)性是由ε_i造成的。ε～N（O，σ²），對(duì)于不同的觀測(cè)，當(dāng)i≠j時(shí)，ε_i與ε_i是相互獨(dú)立的。用最

由F檢驗(yàn)可知，F(xiàn) =772.164，F(xiàn)>F_a（1，n-2），接受原假設(shè)H₀：β₁=0，拒絕備擇假設(shè)H₀：β₁≠0，即可以用x的線性關(guān)系來(lái)解釋y。

（五）模型的結(jié)論

從上述的一元線性回歸模型可知，在共享單車投放量小于4000輛時(shí)，打車人次與共享單車投放量呈現(xiàn)顯著的線性關(guān)系，并且是負(fù)相關(guān)。即共享單車投放量越大，打車人次就越少，從而使打車市場(chǎng)的收益減小。

2.2 一元非線性回歸模型

（一）模型的求解

由圖3.1我們可以觀察得到，在共享單車投放量大于4000輛時(shí)，共享單車投放量和打車人次并沒(méi)有呈現(xiàn)很顯著函數(shù)關(guān)系，所以我們利用共享單車投放量大于3000輛的之后的數(shù)據(jù)建立一元非線性回歸模型來(lái)分析二者之間的關(guān)系。

用SPSS分別對(duì)數(shù)據(jù)進(jìn)行冪函數(shù)擬合、多項(xiàng)式函數(shù)擬合以及對(duì)數(shù)函數(shù)擬合.擬合好的函數(shù)結(jié)果分別為：

冪函數(shù)：y= 4.855×l0⁵X^-0'4623

多項(xiàng)式函數(shù)：

y= -1.501x10^-9X⁴+ 2.422 x10^-5 x³—0.144x²+

372.8x - 3.421x l0⁵

對(duì)數(shù)函數(shù)：y= -1.116×l0⁴ lg（x）+ 5.075×l0⁴

（二）模型的參數(shù)對(duì)比

為了方便更好地識(shí)別哪一個(gè)函數(shù)能更好地?cái)M合，我們將用SPSS輸出的擬合優(yōu)度制作成表格來(lái)進(jìn)行對(duì)比。從表3.1中可以看出，擬合優(yōu)度從優(yōu)到差排序?yàn)槎囗?xiàng)式函數(shù)優(yōu)于冪函數(shù)優(yōu)于對(duì)數(shù)函數(shù)。所以我們選擇多項(xiàng)式函數(shù)來(lái)表示乘出租車人數(shù)與共享單車投入量之間的關(guān)系。

（三）模型的結(jié)論

通過(guò)分析多項(xiàng)式函數(shù)的圖像，可以看出，該地區(qū)在共享單車投放量大于4000輛時(shí)，將投放量再增加1000輛對(duì)打車人次無(wú)明顯影響。如果該地區(qū)在共享單車投放量大于5500輛，則會(huì)使打車人次大幅減小，從而使打車市場(chǎng)的收益大幅減小。

3 結(jié)語(yǔ)

從上述一元線性回歸模型和一元非線性回歸模型對(duì)數(shù)據(jù)的檢驗(yàn)結(jié)果來(lái)看，共享單車投放量對(duì)打車人次均產(chǎn)生了影響，尤其是一元線性回歸模型對(duì)打車人次產(chǎn)生了顯著性影響?？梢源笾抡J(rèn)為，共享單車投放量越大，打車人次就越少，從而使打車市場(chǎng)的收益減小，換句說(shuō)，會(huì)使得共享單車經(jīng)濟(jì)規(guī)模不斷擴(kuò)大。與此同時(shí)，隨著共享經(jīng)濟(jì)的發(fā)展，甚至受到全球關(guān)注。2017年4月18日，南京舉行的2017全球未來(lái)網(wǎng)絡(luò)發(fā)展峰會(huì)上，中國(guó)國(guó)家信息中心副主任馬忠玉表示，“預(yù)計(jì)到2020年，共享經(jīng)濟(jì)規(guī)模占到GDP比重的10%，2025年達(dá)到20%?！?/p>

參考文獻(xiàn)：

[1]中國(guó)電子商務(wù)研究中心.2016年度中國(guó)“共享經(jīng)濟(jì)”發(fā)展報(bào)告[R ].2017

[2]周龍雨基于BP神經(jīng)網(wǎng)絡(luò)的共享單車調(diào)度優(yōu)化[J]中國(guó)戰(zhàn)略新興產(chǎn)業(yè)，2017，（24）

[3]許振宇，宋新欣，喬彬計(jì)量經(jīng)濟(jì)學(xué)原理與應(yīng)用[M]北京：清華大學(xué)出版社，2016