论文部分内容阅读
【摘 要】 本研究以网络搜索的应用研究为对象，对网络搜索与经济行为相关的研究历史进行了总结。按照研究问题的层次将现有研究划分为微观、中观、宏观三类，分别总结了各层面的研究发展，并探讨了未来可能的研究方向。
【关键词】 网络搜索 关键词 预测
一、引言
随着互联网的广泛普及和应用，网络搜索引擎应运而生。网络搜索引擎的出现为经济学、社会学等学科的研究打开了新思路。网络搜索反映了人们的实际需求，而人们的需求要通过社会经济活动得以实现，所以网络搜索和社会经济活动建立了联系。
网络搜索研究最早是应用于流行病检测问题。2009年至今，网络搜索数据预测的预测方法拓展到了各个领域，被经济学、社会学等学科广泛使用，国内外均取得了丰富的研究成果。孙毅、吕本富（2011）对网络搜索与经济行为相关性的文章进行了分类梳理，本文沿用其分类方法，按照研究问题的层次划分为微观、中观、宏观三个方面对现有文献进行总结概述。
二、网络搜索在微观层面的研究
网络搜索数据在微观层面的研究主要集中在票房市场、旅游人次、网站用户关注度预测等几个方面。
Sharad等人（2010）首先将网络搜索数据应用到了文化产业中。他们通过网络搜索数据与电影、视频游戏和网络歌曲等文化产品的相关性，预测出了这些文化产品在几天乃至数周后的热度趋势，验证了将网络搜索指数加入到预测模型中能都提高预测的准确度。王炼、贾建民（2014）对网络搜索数据预测电影票房做出了探索。结果显示，影片相关词条的搜索量与搜索增长趋势都能对预测电影票房有所帮助。
李山、邱荣旭等人（2008）利用网络搜索数据进行了旅游景区关注度分析。研究表明旅游景区的关注度在特定的时间分布呈现出特点。黄先开，张丽峰等人（2013）年章基于百度指数，他们将百度搜索指数加入到模型中对北京故宫的当日游客量进行了预测，结果显示加入百度指数的预测模型与传统模型相比不仅提高了时效性，更提高了准确度。任乐、崔东佳（2014）年加入网络搜索指数对北京市游客量进行预测分析，得出了同样的结论。
其他研究包括王洪伟、张艺伟（2012）通过收集百度指数数据，通过多种理论网页关注度的计算，提出了一种结合了理论用户关注度和实际用户关注度的网页用户关注度的新方法。陈涛、林杰（2016）则通过比较谷歌趋势和百度搜索两个不同的搜索引擎对突发事件的网络舆情进行了研究。结论表明，网络引擎的关注度指标能够比较有效的反映突发事件的网络舆情变化。
三、网络搜索在中观层面的研究
网络搜索数据在行业研究的应用比较广泛，在零售业销量、房地产交易和股票交易预测等几个方面都有较为深入的研究。
Choi和Varian在2009年使用谷歌趋势预测了汽车及零部件销售、失业索赔所得、城市旅游人次和消费者信心指数四个指标，预测结果显示加入谷歌趋势数据明显提供了预测的准确度。国内王炼、宁一鉴等人（2015）建立模型验证消费者网 络搜索对市场份额的影响，结果证明了网络搜索对汽车销量具有显著的正面影响。
Wu和Brynjolfsson（2009）利用谷歌趋势中房地产搜索指数建立模型预测美国51个州的房地产市场趋势，将预测精度提高了23.6%。洪涛、厉伟（2015）则在混频数据的框架下，验证了网络搜索数据具有对中国房价指数的解释能力。曹小琳、牟红（2016）使用百度搜索数据，以全国商品房销售面积为对象进行拟合预测，提高了原有模型的准确度。王博永、杨欣（2014）则将国家房地产调控政策进行分类，在百度搜索数据的基础上，考察了国家房地产政策的调控效果。
Zhi Da等（2011）首先将网络搜索数据与股票市场建立了联系，证明了网络搜索指数与股票波动之间存在着相关性。张谊浩、李元等（2014）也在网络搜索数据基础上对股票市場做出了研究。结果显示网络数据与股票市场存在相互作用，投资者的网络搜索行为会对资产定价产生影响。
四、网络搜索在宏观层面的研究
在宏观经济层面，网络搜索数据主要应用在失业率、消费、经济周期等方面的预测。
在失业率方面，Askitas等（2009）将谷歌趋势与德国失业率之间建立了联系，他们选取了4组与失业相关的网络搜索数据，运用计量模型验证了这些数据与当月德国失业率之间存在着相关关系。Konstantin等（2009）首先将搜索指数预测延伸到消费领域，他们利用谷歌趋势预测美国个人消费增长率，与原有模型相比提高了准确度。国内张崇、吕本富等（2012）以百度搜索指数为基础，建立模型探究了网络搜索指数与居民消费价格指数之间的关系。最终结果证明网络搜索数据与CPI之间存在长期协整关系。与传统模型相比，模型预测结果国家官方公布数据提前一个月，且模型具有了一定的转折预测能力。
五、总结展望
网络搜索的相关性研究开展时间很短，但已经涉及到经济学、 社会学、 统计学等多个学科领域，且现有的研究都取得了较好的结果。但需要注意的是，目前网络搜素的应用并没有理论基础作为支撑，所以要警惕出现伪回归问题。对于网络搜索与经济行为之间的相关性的机理分析是这一研究领域的一个重点问题，也是未来研究的一个重要方向。选取关键词是网络搜索研究的重点，但目前国际对于网络搜索预测研究的关键词选取并没有完善科学的体系，大多是学者主观选择，不可避免的会对结果造成影响。因此建立一个精确的、科学的和可操作性强的关键词选择体系也是未来的重要研究方向。除此之外，不同的统计模型在处理数据中各有优势，但当前的研究在模型选择上较为单一，没有考虑网络数据变量多、规模大等特点，未来可以在处理模型的选择上做出改进。
【参考文献】
[1] 孙毅，吕本富.网络搜索与经济行为相关性研究综述[J].电子商务与信息管理，2011（07） [2] Goal S， Hofman JM，Lahaie S，et al. What can we search predict[j].www’10，2010
[3] 王煉，贾建民，基于网络搜索的票房预测模型—来自中国电影市场的证据[J].系统工程理论与实践，2014，（12）.
[4] 李山，邱荣旭，陈玲.基于百度指数的旅游景区络空间关注度：时间分布及其前兆效应[J] 地理与地理信息科学，2008，24（6）： 7.
[5] 黄先开，张丽峰，丁于思. 百度指数与旅游景区游客量的关系及预测研究——以北京故宫为例[J]. 旅游学刊，2013，28（11）：93-100.
[6] 任乐，崔东佳. 基于网络搜索数据的国内旅游客流量预测研究——以北京市国内旅游客流量为例[J]. 经济问题探索，2014，（04）：67-73.
[7] 王洪伟，张艺伟 基于百度指数的网页用户关注度研究[J].情报学报.2012，（08：838-845
[8] 陈涛，林杰. 基于搜索引擎关注度的网络舆情时空演化比较分析——以谷歌趋势和百度指数比较为例[J]. 情报杂志，2013，32（03）：7-10+16.
[9] H. Choi， H. Varian. Predicting the Present with Google Trends[R]. Working Paper， 2009
[10] 王炼，宁一鉴，贾建民. 基于网络搜索的销量与市场份额预测：来自中国汽车市场的证据[J]. 管理工程学报，2015，29（04）：56-64.
[11] Lynn Wu， Erik Brynjolfsson. The Future of Prediction—How Google Searches Foreshadow Housing Prices and Sales[R]. WorkingPaper， 2009
[12] 洪涛，厉伟. 基于网络搜索数据的住房价格预期与实际价格波动分析[J]. 统计与信息论坛，2015，30（11）：49-53.
[13] 曹小琳，牟红.基于网络搜索的商品房成交量预测研究[J]. 建筑经济，2016，37（02）：73-77.
[14] Zhi Da， Joseph Engelberg， Pengjie Gao. In Search of Attention[R]. Working Paper， 2009
[15] 张谊浩，李元，苏中锋，张泽林. 网络搜索能预测股票市场吗？[J]. 金融研究，2014，（02）：193-206.
[16] 张崇，吕本富，彭赓，刘颖. 网络搜索数据与CPI的相关性研究[J]. 管理科学学报，2012，15（07）：50-59+70.
[17] 孙毅，戴维，董纪昌，吕本富. 基于主成分分析的网络搜索数据合成方法研究[J]. 数学的实践与认识，2014，44（21）：121-128
作者简介：卢小溪（1992—），女，汉族，籍贯：河北保定，在读研究生。首都经济贸易大学国际经济管理学院，研究方向：数量经济学。
【关键词】 网络搜索 关键词 预测
一、引言
随着互联网的广泛普及和应用，网络搜索引擎应运而生。网络搜索引擎的出现为经济学、社会学等学科的研究打开了新思路。网络搜索反映了人们的实际需求，而人们的需求要通过社会经济活动得以实现，所以网络搜索和社会经济活动建立了联系。
网络搜索研究最早是应用于流行病检测问题。2009年至今，网络搜索数据预测的预测方法拓展到了各个领域，被经济学、社会学等学科广泛使用，国内外均取得了丰富的研究成果。孙毅、吕本富（2011）对网络搜索与经济行为相关性的文章进行了分类梳理，本文沿用其分类方法，按照研究问题的层次划分为微观、中观、宏观三个方面对现有文献进行总结概述。
二、网络搜索在微观层面的研究
网络搜索数据在微观层面的研究主要集中在票房市场、旅游人次、网站用户关注度预测等几个方面。
Sharad等人（2010）首先将网络搜索数据应用到了文化产业中。他们通过网络搜索数据与电影、视频游戏和网络歌曲等文化产品的相关性，预测出了这些文化产品在几天乃至数周后的热度趋势，验证了将网络搜索指数加入到预测模型中能都提高预测的准确度。王炼、贾建民（2014）对网络搜索数据预测电影票房做出了探索。结果显示，影片相关词条的搜索量与搜索增长趋势都能对预测电影票房有所帮助。
李山、邱荣旭等人（2008）利用网络搜索数据进行了旅游景区关注度分析。研究表明旅游景区的关注度在特定的时间分布呈现出特点。黄先开，张丽峰等人（2013）年章基于百度指数，他们将百度搜索指数加入到模型中对北京故宫的当日游客量进行了预测，结果显示加入百度指数的预测模型与传统模型相比不仅提高了时效性，更提高了准确度。任乐、崔东佳（2014）年加入网络搜索指数对北京市游客量进行预测分析，得出了同样的结论。
其他研究包括王洪伟、张艺伟（2012）通过收集百度指数数据，通过多种理论网页关注度的计算，提出了一种结合了理论用户关注度和实际用户关注度的网页用户关注度的新方法。陈涛、林杰（2016）则通过比较谷歌趋势和百度搜索两个不同的搜索引擎对突发事件的网络舆情进行了研究。结论表明，网络引擎的关注度指标能够比较有效的反映突发事件的网络舆情变化。
三、网络搜索在中观层面的研究
网络搜索数据在行业研究的应用比较广泛，在零售业销量、房地产交易和股票交易预测等几个方面都有较为深入的研究。
Choi和Varian在2009年使用谷歌趋势预测了汽车及零部件销售、失业索赔所得、城市旅游人次和消费者信心指数四个指标，预测结果显示加入谷歌趋势数据明显提供了预测的准确度。国内王炼、宁一鉴等人（2015）建立模型验证消费者网 络搜索对市场份额的影响，结果证明了网络搜索对汽车销量具有显著的正面影响。
Wu和Brynjolfsson（2009）利用谷歌趋势中房地产搜索指数建立模型预测美国51个州的房地产市场趋势，将预测精度提高了23.6%。洪涛、厉伟（2015）则在混频数据的框架下，验证了网络搜索数据具有对中国房价指数的解释能力。曹小琳、牟红（2016）使用百度搜索数据，以全国商品房销售面积为对象进行拟合预测，提高了原有模型的准确度。王博永、杨欣（2014）则将国家房地产调控政策进行分类，在百度搜索数据的基础上，考察了国家房地产政策的调控效果。
Zhi Da等（2011）首先将网络搜索数据与股票市场建立了联系，证明了网络搜索指数与股票波动之间存在着相关性。张谊浩、李元等（2014）也在网络搜索数据基础上对股票市場做出了研究。结果显示网络数据与股票市场存在相互作用，投资者的网络搜索行为会对资产定价产生影响。
四、网络搜索在宏观层面的研究
在宏观经济层面，网络搜索数据主要应用在失业率、消费、经济周期等方面的预测。
在失业率方面，Askitas等（2009）将谷歌趋势与德国失业率之间建立了联系，他们选取了4组与失业相关的网络搜索数据，运用计量模型验证了这些数据与当月德国失业率之间存在着相关关系。Konstantin等（2009）首先将搜索指数预测延伸到消费领域，他们利用谷歌趋势预测美国个人消费增长率，与原有模型相比提高了准确度。国内张崇、吕本富等（2012）以百度搜索指数为基础，建立模型探究了网络搜索指数与居民消费价格指数之间的关系。最终结果证明网络搜索数据与CPI之间存在长期协整关系。与传统模型相比，模型预测结果国家官方公布数据提前一个月，且模型具有了一定的转折预测能力。
五、总结展望
网络搜索的相关性研究开展时间很短，但已经涉及到经济学、 社会学、 统计学等多个学科领域，且现有的研究都取得了较好的结果。但需要注意的是，目前网络搜素的应用并没有理论基础作为支撑，所以要警惕出现伪回归问题。对于网络搜索与经济行为之间的相关性的机理分析是这一研究领域的一个重点问题，也是未来研究的一个重要方向。选取关键词是网络搜索研究的重点，但目前国际对于网络搜索预测研究的关键词选取并没有完善科学的体系，大多是学者主观选择，不可避免的会对结果造成影响。因此建立一个精确的、科学的和可操作性强的关键词选择体系也是未来的重要研究方向。除此之外，不同的统计模型在处理数据中各有优势，但当前的研究在模型选择上较为单一，没有考虑网络数据变量多、规模大等特点，未来可以在处理模型的选择上做出改进。
【参考文献】
[1] 孙毅，吕本富.网络搜索与经济行为相关性研究综述[J].电子商务与信息管理，2011（07） [2] Goal S， Hofman JM，Lahaie S，et al. What can we search predict[j].www’10，2010
[3] 王煉，贾建民，基于网络搜索的票房预测模型—来自中国电影市场的证据[J].系统工程理论与实践，2014，（12）.
[4] 李山，邱荣旭，陈玲.基于百度指数的旅游景区络空间关注度：时间分布及其前兆效应[J] 地理与地理信息科学，2008，24（6）： 7.
[5] 黄先开，张丽峰，丁于思. 百度指数与旅游景区游客量的关系及预测研究——以北京故宫为例[J]. 旅游学刊，2013，28（11）：93-100.
[6] 任乐，崔东佳. 基于网络搜索数据的国内旅游客流量预测研究——以北京市国内旅游客流量为例[J]. 经济问题探索，2014，（04）：67-73.
[7] 王洪伟，张艺伟 基于百度指数的网页用户关注度研究[J].情报学报.2012，（08：838-845
[8] 陈涛，林杰. 基于搜索引擎关注度的网络舆情时空演化比较分析——以谷歌趋势和百度指数比较为例[J]. 情报杂志，2013，32（03）：7-10+16.
[9] H. Choi， H. Varian. Predicting the Present with Google Trends[R]. Working Paper， 2009
[10] 王炼，宁一鉴，贾建民. 基于网络搜索的销量与市场份额预测：来自中国汽车市场的证据[J]. 管理工程学报，2015，29（04）：56-64.
[11] Lynn Wu， Erik Brynjolfsson. The Future of Prediction—How Google Searches Foreshadow Housing Prices and Sales[R]. WorkingPaper， 2009
[12] 洪涛，厉伟. 基于网络搜索数据的住房价格预期与实际价格波动分析[J]. 统计与信息论坛，2015，30（11）：49-53.
[13] 曹小琳，牟红.基于网络搜索的商品房成交量预测研究[J]. 建筑经济，2016，37（02）：73-77.
[14] Zhi Da， Joseph Engelberg， Pengjie Gao. In Search of Attention[R]. Working Paper， 2009
[15] 张谊浩，李元，苏中锋，张泽林. 网络搜索能预测股票市场吗？[J]. 金融研究，2014，（02）：193-206.
[16] 张崇，吕本富，彭赓，刘颖. 网络搜索数据与CPI的相关性研究[J]. 管理科学学报，2012，15（07）：50-59+70.
[17] 孙毅，戴维，董纪昌，吕本富. 基于主成分分析的网络搜索数据合成方法研究[J]. 数学的实践与认识，2014，44（21）：121-128
作者简介：卢小溪（1992—），女，汉族，籍贯：河北保定，在读研究生。首都经济贸易大学国际经济管理学院，研究方向：数量经济学。