基于多元線性回歸下的二手車(chē)估價(jià)轉(zhuǎn)讓模型

摘 ?要：隨著我國(guó)汽車(chē)產(chǎn)業(yè)的快速發(fā)展，二手車(chē)的交易也漸漸走向興旺，但與此同時(shí)我國(guó)二手車(chē)交易市場(chǎng)存在嚴(yán)重不對(duì)稱(chēng)問(wèn)題，價(jià)格評(píng)估體系也不可靠。而在國(guó)外，二手車(chē)市場(chǎng)相對(duì)成熟，擁有完善的法規(guī)體系，多樣的交易方式，信息公開(kāi)透明和合理的價(jià)格評(píng)估體系。因此分析并建立合理的二手車(chē)估價(jià)轉(zhuǎn)讓模型尤為重要，本文就是針對(duì)二手車(chē)的各種因素給出其估價(jià)轉(zhuǎn)讓模型。根據(jù)地區(qū)，品牌，里程等多個(gè)影響二手車(chē)價(jià)格的因素，為建立在多個(gè)變量下的單個(gè)變量的變化，我選擇使用SPSS軟件中的多元線性回歸分析來(lái)計(jì)算二手車(chē)買(mǎi)賣(mài)價(jià)格。計(jì)算之前我首先對(duì)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(chē)買(mǎi)賣(mài)價(jià)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(chē)價(jià)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(chē)直賣(mài)網(wǎng)[4]我們獲得一部分?jǐn)?shù)據(jù)進(jìn)行接下來(lái)的計(jì)算。計(jì)算之前，首先將無(wú)關(guān)的變量剔除掉，如上牌地，車(chē)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(cuò)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(jiǎn)單分類(lèi)，整合，對(duì)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(guò)程與一元線性回歸相同，但由于自變量個(gè)數(shù)多，計(jì)算相當(dāng)麻煩，一般在實(shí)際中應(yīng)用時(shí)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(gè)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(shuō)明該因素的重要程度，更簡(jiǎn)單地來(lái)說(shuō)，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(duì)消費(fèi)的影響程度并沒(méi)有改變，所以得想辦法將各個(gè)自變量化到統(tǒng)一的單位上來(lái)，即歸一化。在單位標(biāo)準(zhǔn)化后，這時(shí)的回歸方程稱(chēng)為標(biāo)準(zhǔn)回歸方程，回歸系數(shù)稱(chēng)為標(biāo)準(zhǔn)回歸系數(shù)，表示如下：

y= β1 x*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(chē)價(jià)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(gè)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(chē)價(jià)格和里程這兩個(gè)影響因素。

然后根據(jù)系數(shù)矩陣可得新車(chē)價(jià)格和二手車(chē)價(jià)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(chē)價(jià)格和影響因素之間的關(guān)系為：

由上表可見(jiàn)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(shuō)模型比較可靠。

1.2對(duì)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(wú)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(chē)價(jià)格評(píng)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(lèi)分塊-蒙特卡洛法”對(duì)BP神經(jīng)網(wǎng)絡(luò)中隱藏層的神經(jīng)元的選擇過(guò)程進(jìn)行優(yōu)化，建立二手車(chē)價(jià)格評(píng)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(gè)輸入層、9 個(gè)隱含層和 1 個(gè)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(cè)試。根據(jù)最后的預(yù)測(cè)對(duì)比圖可看出此模型預(yù)測(cè)的二手車(chē)價(jià)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(gè)模型所得結(jié)果準(zhǔn)確率都較高，對(duì)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(chē)價(jià)格計(jì)算更為準(zhǔn)確。

結(jié)束語(yǔ)：

我們選擇用BP神經(jīng)網(wǎng)絡(luò)來(lái)驗(yàn)證結(jié)果，得到的準(zhǔn)確率較高，說(shuō)明模型較為可靠，但同時(shí)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練還需要進(jìn)一步優(yōu)化，例如選擇更具有代表性的數(shù)據(jù)來(lái)進(jìn)行訓(xùn)練、設(shè)置更好的神經(jīng)元個(gè)數(shù)和參數(shù)、在保證不過(guò)擬合的情況下多次訓(xùn)練找到準(zhǔn)確率較大的情況、結(jié)果使用交叉驗(yàn)證等等，會(huì)使結(jié)果更具有說(shuō)服力。

參考文獻(xiàn)

[1] ?陳雷，邢宏珍.基于多元線性回歸的十堰市經(jīng)濟(jì)發(fā)展影響因素分析[J]，湖北工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2019，32（03），41-44.

[2] ?唐文廣，王夢(mèng)茹.多元線性回歸模型在房地產(chǎn)評(píng)估中的應(yīng)用[J].科技和產(chǎn)業(yè)，2019，19（06），89-94

[3] ?《數(shù)學(xué)建模算法與應(yīng)用》國(guó)防工業(yè)出版社，2011年8月1日.

[4] ?瓜子二手車(chē)直賣(mài)網(wǎng)：https：//www.guazi.com/nj/？ca_s=pz baidu&ca_n= tbmkbturl&scode= 10103000312;2019.8.13

[5] ?白宏熙，耿玉霞，孫寧. 一種基于BP神經(jīng)網(wǎng)絡(luò)的二手車(chē)價(jià)格評(píng)估優(yōu)化算法[P]. 2017-11-21.

作者簡(jiǎn)介：王子豪，男，（1998.12.4-），河北邢臺(tái)人，現(xiàn)于南京理工大學(xué)攻讀學(xué)士學(xué)位，目前主要從事于電子信息雷達(dá)相關(guān)的專(zhuān)業(yè)研究。