基于非線性回歸的“拍照賺錢”多任務(wù)打包定價(jià)模型

李俊 卓應(yīng)廣 秦麗文

The Multi-Task Packaging Pricing Model of "Make Money by Taking Pictures"

Based on Nonlinear Regression

LI Jun1， ZHUO Ying-guang2， QIN Li-wen1

【摘? 要】“拍照賺錢”是一種新穎的網(wǎng)絡(luò)商業(yè)機(jī)遇。通過對(duì)多個(gè)任務(wù)進(jìn)行打包發(fā)布不僅可以使用戶的滿意程度提高，還可以使得商家獲得較高的利益。論文應(yīng)用MATLAB以及SPSS等數(shù)據(jù)處理與分析軟件對(duì)數(shù)據(jù)進(jìn)行斯皮爾曼相關(guān)系數(shù)分析，建立多元線性回歸模型，用該模型對(duì)數(shù)據(jù)進(jìn)行處理，根據(jù)處理后的數(shù)據(jù)建立非線性回歸模型，即多任務(wù)打包定價(jià)模型。該模型的適應(yīng)性和經(jīng)濟(jì)性均較高，可推廣應(yīng)用于跑腿、代購(gòu)等領(lǐng)域定價(jià)問題的解決。

【Abstract】"Making money by taking pictures" is a new online business opportunity. It can not only improve the satisfaction of users， but also make the merchants get higher benefits by packaging and publishing multi-task. The paper uses MATLAB， SPSS and other data processing and analysis software to perform Spearman correlation coefficient analysis on the data， establish a multiple linear regression model， use this model to process the data， and establish a nonlinear regression model based on the processed data， that is， multi-task package pricing model. The model has high adaptability and economy， and can be used to solve the pricing problems in the fields of running errands， agency purchase and so on.

【關(guān)鍵詞】斯皮爾曼相關(guān)系數(shù);多元線性回歸;非線性回歸

【Keywords】Spearman correlation coefficient; multiple linear regression; nonlinear regression

【中圖分類號(hào)】F224? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻(xiàn)標(biāo)志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號(hào)】1673-1069（2020）05-0168-02

1 引言

隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展，網(wǎng)絡(luò)商業(yè)機(jī)遇如雨后春筍般層出不窮?！芭恼召嶅X”就是現(xiàn)在網(wǎng)絡(luò)技術(shù)快速發(fā)展下產(chǎn)生的一種自助式服務(wù)模式。用戶只需要一部手機(jī)，通過下載APP軟件并注冊(cè)成為會(huì)員，從APP上領(lǐng)取需要拍照的任務(wù)（如去某個(gè)商業(yè)市場(chǎng)核查某種商品），以此來賺取相應(yīng)的酬金。這是一種基于移動(dòng)聯(lián)網(wǎng)設(shè)備的自助式勞務(wù)眾包平臺(tái)，為企業(yè)提供各種商業(yè)核查和信息搜集服務(wù)，相比傳統(tǒng)的人力調(diào)研方式可節(jié)省大量調(diào)查成本，而且有效地保證了所調(diào)查對(duì)象相關(guān)數(shù)據(jù)的真實(shí)性，縮短了調(diào)查的周期，提高了企業(yè)采集信息的效率。但當(dāng)多個(gè)任務(wù)位置相對(duì)集中時(shí)，會(huì)導(dǎo)致新的問題，即用戶爭(zhēng)相選擇。針對(duì)該問題可采用將多個(gè)任務(wù)打包，然后進(jìn)行發(fā)布的方式。在APP中對(duì)多任務(wù)打包之后進(jìn)行合理定價(jià)是保證正常運(yùn)行的核心要素，這也是如今大多數(shù)商家面臨的一個(gè)亟待解決的實(shí)際性問題。

2 問題分析

通過對(duì)項(xiàng)目任務(wù)數(shù)據(jù)和會(huì)員信息數(shù)據(jù)進(jìn)行斯皮爾曼相關(guān)系數(shù)分析，可以知道定價(jià)規(guī)律與任務(wù)GPS經(jīng)緯度、任務(wù)執(zhí)行情況、會(huì)員的信譽(yù)值、會(huì)員GPS經(jīng)緯度分布都有關(guān)聯(lián)。從地理位置上進(jìn)行考慮，可以使用“地圖者”地圖標(biāo)記軟件，這是一種基于云服務(wù)的新型地理信息系統(tǒng)，主要面向企業(yè)機(jī)構(gòu)和個(gè)人用戶提供云地圖服務(wù)。系統(tǒng)主要功能包括空間地理數(shù)據(jù)的編輯、展示、可視化分析、輔助決策，等等。將任務(wù)數(shù)據(jù)導(dǎo)入“地圖者”，其自動(dòng)找到相對(duì)的位置，并將數(shù)據(jù)在圖層上表示出來，然后手工設(shè)置圖層樣式，選擇合適的圖層，如圖1所示。

通過圖1可以了解到任務(wù)未完成的位置主要集中分布在機(jī)場(chǎng)、森林公園、山區(qū)等幾乎沒有商業(yè)市場(chǎng)的地方。而且在實(shí)際情景中，在任務(wù)相對(duì)集中的區(qū)域會(huì)出現(xiàn)用戶爭(zhēng)相選擇的情況。

綜合考慮以上情況，可以將位置相對(duì)集中的任務(wù)根據(jù)不同會(huì)員預(yù)定任務(wù)限額的數(shù)目進(jìn)行打包，得到許多不同任務(wù)數(shù)量的小包，讓會(huì)員根據(jù)自己的任務(wù)限額進(jìn)行挑選（在這里假設(shè)某位置內(nèi)的任務(wù)量足夠多、不同信譽(yù)值的會(huì)員和任務(wù)的位置隨機(jī)分布，而且每個(gè)會(huì)員所選擇的小包的任務(wù)數(shù)量小于等于其各自的預(yù)定任務(wù)限額），在此基礎(chǔ)上進(jìn)行建立模型和求解。

利用SPSS軟件對(duì)會(huì)員信息數(shù)據(jù)進(jìn)行相關(guān)性分析，如表1所示。

由表1分析可得，預(yù)定任務(wù)限額（分配件數(shù)）與信譽(yù)值、任務(wù)緯度以及任務(wù)經(jīng)度均有相關(guān)性，且顯著性均為0。

2.1 多元線性回歸模型的建立與求解

多元線性回歸模型具體求解步驟如下：

①b=regress（Y，X）確定回歸方程系數(shù)的點(diǎn)估計(jì)值。其中，Y為任務(wù)限額的n*1的矩陣;X為（ones（n，1），x1，…，xm）的矩陣，即關(guān)于任務(wù)經(jīng)度、緯度以及會(huì)員信譽(yù)值的n*3維的矩陣。

②根據(jù)[b，bint，rint，states]=regress（Y，X，alpha）求回歸系數(shù)的點(diǎn)估計(jì)和區(qū)間估計(jì)，并檢驗(yàn)回歸模型。

③通過rcoplot（r，rint）得出殘差以及其置信區(qū)間。通過將已結(jié)束項(xiàng)目的任務(wù)數(shù)據(jù)導(dǎo)入MATLAB，然后進(jìn)行多元線性回歸可得數(shù)據(jù)處理結(jié)果：

R2=0.864，擬合度較高，其他結(jié)果見表2。

由表2可得任務(wù)定價(jià)和任務(wù)緯度以及任務(wù)經(jīng)度的多元線性回歸方程為：

Y=-19.2376+2.46×X1+0.2802×X2（1）

式（1）中，Y為任務(wù)定價(jià)，X1為GPS緯度，X2為GPS經(jīng)度。

同理，由會(huì)員信息數(shù)據(jù)可得任務(wù)打包數(shù)和任務(wù)緯度、任務(wù)經(jīng)度以及信譽(yù)值的多元線性回歸方程為：

Z=263.2205-1.9425×X1-1.8738×X2+0.004×X3（2）

式（2）中，Z為任務(wù)打包數(shù)，X1為GPS緯度，X2為GPS經(jīng)度，X3為會(huì)員信譽(yù)值。

2.2 多任務(wù)打包定價(jià)模型的求解

分別由式（1）和式（2）結(jié)合已結(jié)束項(xiàng)目任務(wù)數(shù)據(jù)和會(huì)員信息數(shù)據(jù)中的數(shù)據(jù)得到兩組新的數(shù)據(jù)，每組數(shù)據(jù)分別包含定價(jià)和任務(wù)經(jīng)緯度、任務(wù)打包數(shù)和任務(wù)經(jīng)緯度，然后利用任務(wù)經(jīng)緯度將兩組數(shù)據(jù)結(jié)合在一起，再次使用MATLAB軟件進(jìn)行一元指數(shù)形式的非線性回歸求解，可以得到任務(wù)定價(jià)和任務(wù)打包數(shù)的擬合回歸方程：

Y=3.7255×Z-0.02? ?（3）

式（3）中，Y為任務(wù)定價(jià)，Z為任務(wù)打包數(shù)。

定價(jià)和任務(wù)打包數(shù)的散點(diǎn)圖如圖2所示。

3 結(jié)語(yǔ)

本文根據(jù)已結(jié)束項(xiàng)目任務(wù)數(shù)據(jù)，利用MATLAB構(gòu)建定價(jià)和位置經(jīng)緯度的多元線性回歸方程，根據(jù)會(huì)員信息數(shù)據(jù)建立分配件數(shù)和位置經(jīng)緯度以及會(huì)員信譽(yù)值的多元線性回歸方程，接著進(jìn)行一元指數(shù)形式的非線性回歸求解，可以得到定價(jià)和預(yù)定任務(wù)限額的擬合回歸方程。綜合分析可得，該模型具有較高的實(shí)用性和經(jīng)濟(jì)性，因此，可以作為多任務(wù)打包定價(jià)的模型，并可推廣用于解決跑腿和代購(gòu)定價(jià)等問題。

【參考文獻(xiàn)】

【1】王松桂，陳敏，陳立萍.線性統(tǒng)計(jì)模型線性回歸與方差分析[M].北京：高等教育出版社，1999.

【2】卓金武.MATLAB在數(shù)學(xué)建模中的應(yīng)用[M].北京：北京航空航天大學(xué)出版社，2014.

【3】毛可.軟件眾包任務(wù)的定價(jià)模型與人員匹配方法研究及工具實(shí)現(xiàn)[D].北京：中國(guó)科學(xué)院大學(xué)，2014.