基于網絡搜索的經濟應用研究發展綜述

【摘 要】 本研究以網絡搜索的應用研究為對象，對網絡搜索與經濟行為相關的研究歷史進行了總結。按照研究問題的層次將現有研究劃分為微觀、中觀、宏觀三類，分別總結了各層面的研究發展，并探討了未來可能的研究方向。

【關鍵詞】 網絡搜索 關鍵詞 預測

一、引言

隨著互聯網的廣泛普及和應用，網絡搜索引擎應運而生。網絡搜索引擎的出現為經濟學、社會學等學科的研究打開了新思路。網絡搜索反映了人們的實際需求，而人們的需求要通過社會經濟活動得以實現，所以網絡搜索和社會經濟活動建立了聯系。

網絡搜索研究最早是應用于流行病檢測問題。2009年至今，網絡搜索數據預測的預測方法拓展到了各個領域，被經濟學、社會學等學科廣泛使用，國內外均取得了豐富的研究成果。孫毅、呂本富（2011）對網絡搜索與經濟行為相關性的文章進行了分類梳理，本文沿用其分類方法，按照研究問題的層次劃分為微觀、中觀、宏觀三個方面對現有文獻進行總結概述。

二、網絡搜索在微觀層面的研究

網絡搜索數據在微觀層面的研究主要集中在票房市場、旅游人次、網站用戶關注度預測等幾個方面。

Sharad等人（2010）首先將網絡搜索數據應用到了文化產業中。他們通過網絡搜索數據與電影、視頻游戲和網絡歌曲等文化產品的相關性，預測出了這些文化產品在幾天乃至數周后的熱度趨勢，驗證了將網絡搜索指數加入到預測模型中能都提高預測的準確度。王煉、賈建民（2014）對網絡搜索數據預測電影票房做出了探索。結果顯示，影片相關詞條的搜索量與搜索增長趨勢都能對預測電影票房有所幫助。

李山、邱榮旭等人（2008）利用網絡搜索數據進行了旅游景區關注度分析。研究表明旅游景區的關注度在特定的時間分布呈現出特點。黃先開，張麗峰等人（2013）年章基于百度指數，他們將百度搜索指數加入到模型中對北京故宮的當日游客量進行了預測，結果顯示加入百度指數的預測模型與傳統模型相比不僅提高了時效性，更提高了準確度。任樂、崔東佳（2014）年加入網絡搜索指數對北京市游客量進行預測分析，得出了同樣的結論。

其他研究包括王洪偉、張藝偉（2012）通過收集百度指數數據，通過多種理論網頁關注度的計算，提出了一種結合了理論用戶關注度和實際用戶關注度的網頁用戶關注度的新方法。陳濤、林杰（2016）則通過比較谷歌趨勢和百度搜索兩個不同的搜索引擎對突發事件的網絡輿情進行了研究。結論表明，網絡引擎的關注度指標能夠比較有效的反映突發事件的網絡輿情變化。

三、網絡搜索在中觀層面的研究

網絡搜索數據在行業研究的應用比較廣泛，在零售業銷量、房地產交易和股票交易預測等幾個方面都有較為深入的研究。

Choi和Varian在2009年使用谷歌趨勢預測了汽車及零部件銷售、失業索賠所得、城市旅游人次和消費者信心指數四個指標，預測結果顯示加入谷歌趨勢數據明顯提供了預測的準確度。國內王煉、寧一鑒等人（2015）建立模型驗證消費者網 絡搜索對市場份額的影響，結果證明了網絡搜索對汽車銷量具有顯著的正面影響。

Wu和Brynjolfsson（2009）利用谷歌趨勢中房地產搜索指數建立模型預測美國51個州的房地產市場趨勢，將預測精度提高了23.6%。洪濤、厲偉（2015）則在混頻數據的框架下，驗證了網絡搜索數據具有對中國房價指數的解釋能力。曹小琳、牟紅（2016）使用百度搜索數據，以全國商品房銷售面積為對象進行擬合預測，提高了原有模型的準確度。王博永、楊欣（2014）則將國家房地產調控政策進行分類，在百度搜索數據的基礎上，考察了國家房地產政策的調控效果。

Zhi Da等（2011）首先將網絡搜索數據與股票市場建立了聯系，證明了網絡搜索指數與股票波動之間存在著相關性。張誼浩、李元等（2014）也在網絡搜索數據基礎上對股票市場做出了研究。結果顯示網絡數據與股票市場存在相互作用，投資者的網絡搜索行為會對資產定價產生影響。

四、網絡搜索在宏觀層面的研究

在宏觀經濟層面，網絡搜索數據主要應用在失業率、消費、經濟周期等方面的預測。

在失業率方面，Askitas等（2009）將谷歌趨勢與德國失業率之間建立了聯系，他們選取了4組與失業相關的網絡搜索數據，運用計量模型驗證了這些數據與當月德國失業率之間存在著相關關系。Konstantin等（2009）首先將搜索指數預測延伸到消費領域，他們利用谷歌趨勢預測美國個人消費增長率，與原有模型相比提高了準確度。國內張崇、呂本富等（2012）以百度搜索指數為基礎，建立模型探究了網絡搜索指數與居民消費價格指數之間的關系。最終結果證明網絡搜索數據與CPI之間存在長期協整關系。與傳統模型相比，模型預測結果國家官方公布數據提前一個月，且模型具有了一定的轉折預測能力。

五、總結展望

網絡搜索的相關性研究開展時間很短，但已經涉及到經濟學、 社會學、 統計學等多個學科領域，且現有的研究都取得了較好的結果。但需要注意的是，目前網絡搜素的應用并沒有理論基礎作為支撐，所以要警惕出現偽回歸問題。對于網絡搜索與經濟行為之間的相關性的機理分析是這一研究領域的一個重點問題，也是未來研究的一個重要方向。選取關鍵詞是網絡搜索研究的重點，但目前國際對于網絡搜索預測研究的關鍵詞選取并沒有完善科學的體系，大多是學者主觀選擇，不可避免的會對結果造成影響。因此建立一個精確的、科學的和可操作性強的關鍵詞選擇體系也是未來的重要研究方向。除此之外，不同的統計模型在處理數據中各有優勢，但當前的研究在模型選擇上較為單一，沒有考慮網絡數據變量多、規模大等特點，未來可以在處理模型的選擇上做出改進。

【參考文獻】

[1] 孫毅，呂本富.網絡搜索與經濟行為相關性研究綜述[J].電子商務與信息管理，2011（07）

[2] Goal S， Hofman JM，Lahaie S，et al. What can we search predict[j].www10，2010

[3] 王煉，賈建民，基于網絡搜索的票房預測模型—來自中國電影市場的證據[J].系統工程理論與實踐，2014，（12）.

[4] 李山，邱榮旭，陳玲.基于百度指數的旅游景區絡空間關注度：時間分布及其前兆效應[J] 地理與地理信息科學，2008，24（6）： 7.

[5] 黃先開，張麗峰，丁于思. 百度指數與旅游景區游客量的關系及預測研究——以北京故宮為例[J]. 旅游學刊，2013，28（11）：93-100.

[6] 任樂，崔東佳. 基于網絡搜索數據的國內旅游客流量預測研究——以北京市國內旅游客流量為例[J]. 經濟問題探索，2014，（04）：67-73.

[7] 王洪偉，張藝偉 基于百度指數的網頁用戶關注度研究[J].情報學報.2012，（08：838-845

[8] 陳濤，林杰. 基于搜索引擎關注度的網絡輿情時空演化比較分析——以谷歌趨勢和百度指數比較為例[J]. 情報雜志，2013，32（03）：7-10+16.

[9] H. Choi， H. Varian. Predicting the Present with Google Trends[R]. Working Paper， 2009

[10] 王煉，寧一鑒，賈建民. 基于網絡搜索的銷量與市場份額預測：來自中國汽車市場的證據[J]. 管理工程學報，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] 洪濤，厲偉. 基于網絡搜索數據的住房價格預期與實際價格波動分析[J]. 統計與信息論壇，2015，30（11）：49-53.

[13] 曹小琳，牟紅.基于網絡搜索的商品房成交量預測研究[J]. 建筑經濟，2016，37（02）：73-77.

[14] Zhi Da， Joseph Engelberg， Pengjie Gao. In Search of Attention[R]. Working Paper， 2009

[15] 張誼浩，李元，蘇中鋒，張澤林. 網絡搜索能預測股票市場嗎？[J]. 金融研究，2014，（02）：193-206.

[16] 張崇，呂本富，彭賡，劉穎. 網絡搜索數據與CPI的相關性研究[J]. 管理科學學報，2012，15（07）：50-59+70.

[17] 孫毅，戴維，董紀昌，呂本富. 基于主成分分析的網絡搜索數據合成方法研究[J]. 數學的實踐與認識，2014，44（21）：121-128

作者簡介：盧小溪（1992—），女，漢族，籍貫：河北保定，在讀研究生。首都經濟貿易大學國際經濟管理學院，研究方向：數量經濟學。