论文部分内容阅读
消费者信心指数是一个国家或地区的消费者对当前经济状况满意程度和未来经济走向预期的综合指数,它与国家经济形势有着密切的联系,本文将消费者信心指数的影响因素分成宏观经济、家庭经济、就业形势、房地产、物价、汽车和利率等七个方面。根据消费者行为理论,消费者在做出最终购买决策之前会有消费需求产生以及相关信息检索。而随着互联网的日益发展,居民在购买决策之前常使用搜索引擎、网络媒体等对信息进行搜索,因此,网络搜索热词可以实时反映消费者对某一事物的关注度,进而反映消费者信心。由于我国网民用户习惯使用百度搜索引擎进行信息检索,因此,本文基于百度的热门相关检索词以及百度新闻获取搜索关键词,并以对应的百度指数作为解释变量,用以预测消费者信心指数。然而,考虑到构建的解释变量矩阵是一组高维数据,变量间存在较强的多重共线性,因此利用LASSO算法对变量进行选取,剔除多余变量,选择关键变量。在模型建立的过程中,首先使用传统的统计计量方法,建立逐步最小二乘回归模型,对模型参数进行检验并利用建立的模型进行预测。进一步考虑到变量之间可能存在着非线性相关关系,本文对模型进行优化,选择建立核偏最小二乘回归模型,探讨了核偏最小二乘回归模型在消费者信心指数预测中的可行性和优劣。最后,本文对建立的预测模型进行对比分析,发现核偏最小二乘回归模型的预测效果优于逐步最小二乘回归模型,并且可以较好地预测消费者信心指数的波动趋势。这有助于我们更好地衡量消费者信息的波动,进一步提高我国消费者信心指数的应用发展水平,同时对国家政策的制定、经济形势的预测及在其它领域的应用有着一定的参考价值。