基于產業鏈視角的林產品百度指數動態關系研究

韓鋒 趙榮 寧攸涼

摘 要：通過建立2011年1月—2019年12月的百度搜索指數時間序列，應用向量自回歸模型，分析以“木材+原木+鋸材”等為代表的上游林產品、以“板材”為代表的中游林產品、以“地板+家具+木門”等為代表的下游林產品的百度搜索指數之間的動態關系。研究結果顯示：從百度搜索指數角度看，上游林產品主要受到自身及外部因素的影響，受下游產業鏈影響較小;中游林產品短期受上游林產品的影響較大，長期則受自身及外部因素的影響;下游林產品受上游產業鏈影響非常小，主要受到自身及外部因素的影響。研究建議：針對木材等原材料市場，市場觀察者應更加關注自身市場和下游板材市場;針對以“板材”為代表的中間產品市場，市場觀察者應更加關注自身市場和上游木材原料市場;針對家裝等終端市場，市場觀察者應更加關注產業鏈外部環境影響。

關鍵詞：人造板;木質家具;產業鏈;百度指數;向量自回歸模型

基金項目：中國林業科學研究院基金專項“我國林業科技需求分析研究”（CAFYBB2019MC003）;國家社會科學基金項目“天然林全面商業禁伐背景下中國木材安全風險及其防范研究”（17BGL248）。

[中圖分類號] F302.4 [文章編號] 1673-0186（2021）004-0063-012

[文獻標識碼] A? ? ? [DOI編碼] 10.19631/j.cnki.css.2021.004.006

龐大的網絡搜索數據與現實的社會行為具有強相關性[1]，通過搜索數據的挖掘分析能夠準確預測公眾需求變化，對指導和調控社會經濟活動具有重要意義[2-3]。Google Trend和百度指數（Baidu Index）是全球最重要的搜索數據平臺，其運作機制都是基于海量網民搜索日志，獲取關鍵詞一定時間內被搜索頻次、趨勢，進而反映事件熱點。Google Trend和百度指數研究已經廣泛應用于旅游行業[4-6]、交通運輸行業[7]、股市投資金融領域[8]、期刊評價[9]、農業管理[10]等領域，通過對研究對象網絡關注情況進行分析，并結合實際情況進行判斷，進而指導經濟決策。研究利用百度指數分析上游（原木、木材）、中游（板材）、下游（木質家具）林產品的百度指數時間特征，通過向量自回歸模型（VAR模型）對其百度指數的相互傳導進行時間序列分析，并結合現實林產品市場變化，分析林產品百度指數的變化內因，為林產品市場行為預測、指導和調控提供一定的理論參考。

一、文獻綜述

我國是全球林產品生產加工和貿易大國，鋸材、人造板、地板等年產量均為世界第一，2019年林產品進出口貿易額達到1 600億美元[11-12]。作為一項傳統產業，林業生產制造環節從原材料一直到終端產品已經形成了完整的產業鏈，全產業鏈研究也成為林業產業研究的重要視角，如林業產業鏈的形成機制[13]、林業生態產業鏈穩定條件[14]、林產工業產業鏈效率[15]、林業產業集群[16]。盡管全產業鏈研究已經取得了豐碩的成果，但從單產品產業鏈出發的研究相對較少，且主要集中在林紙產業、人造板產業、木質地板產業等相對閉合的產業[17-19]。

在林業產業中，用材林成熟后采伐得到原木、鋸材等初加工產品，再加工為人造板，人造板再廣泛用于建筑、家具等終端產品，即從木材到人造板，從人造板再到以人造板為原料的木質產品，是非常重要的產業鏈[13，15，20]，這些產品按照關聯順序可分為上游（原木、木材）、中游（集成材、人造板）、下游（木地板、木結構建筑、木門窗家具等）環節，即原材料、中間產品、終端產品。這條產業鏈貫通資源市場、流通市場、生產市場、需求市場和服務市場[13]。這條產業鏈相對輻射廣且閉合不嚴，使其針對性研究相對較少，因此開展針對性研究，是對林業產業鏈研究的重要補充。

百度是全球最大的中文搜索引擎，2019年在我國市場占有率高達67.09%，對我國市場的搜索占有率和中文搜索算法均具有顯著優勢[21]。盡管如此，大數據和林產品市場的研究結合仍然有諸多發展的空間，目前利用網絡信息大數據研究林產品市場仍相對較為空白。因此，通過互聯網大數據分享平臺，探索大數據技術在林產品市場預測、指導和調控的應用具有重要的理論意義。

二、研究方法

從產業鏈視角出發，對上游（原木、木材）、中游（集成材、人造板）、下游（木地板、木結構建筑、木門窗家具等）林產品的百度搜索指數構建向量自回歸模型（VAR模型）。

（一）百度指數

百度指數是以百度海量網民行為數據為基礎的數據分享平臺，是當前互聯網乃至整個數據時代最重要的統計分析平臺之一，能夠展示某個關鍵詞在百度的搜索規模、一段時間內的熱度漲跌態勢以及相關的新聞輿論變化。百度指數的主要功能模塊有：搜索指數、需求圖譜、資訊指數、媒體指數等，分別用于針對性分析詞條的搜索時間特征、地域分布、人群屬性等特征。

利用百度指數中的“搜索指數”功能分析我國主要林產品網絡關注度時間特征研究，并通過中心詞的“需求圖譜-相關詞分類”進行中心詞擴充。搜索指數是以網民在百度的搜索量為數據基礎，反映關鍵詞在百度的搜索規模及一段時間內的熱度漲跌態勢，代表了網絡關注度。“需求圖譜-相關詞分類”是反映搜索中心詞之前和之后還有哪些搜索需求，它通過相關程度排序得出來源相關詞和去向相關詞。

搜索指數包括PC端和移動端搜索指數。PC端趨勢積累了2006年6月至今的數據，而移動端趨勢展現了從2011年1月至今的數據，為了保證統計指標的一致性，將PC端無法匹配移動端的數據進行剔除，以月為單位，分析我國林產品2011年1月至2019年12月的每月百度搜索指數變化。

（二）向量自回歸模型

向量自回歸模型簡稱VAR模型，是基于數據的統計性質建立模型，VAR模型把系統中每一個內生變量作為系統中所有內生變量的滯后值的函數來構造模型，從而將單變量自回歸模型推廣到由多元時間序列變量組成的“向量”自回歸模型。VAR模型是處理多個相關經濟指標的分析與預測最容易操作的模型之一，近年來VAR模型受到越來越多的經濟工作者的重視。不含外生變量的VAR模型的一般數學形式如下：

VAR模型的建立主要分為以下步驟：第一，進行單位根檢驗，檢驗時間序列是否為平穩序列，因非平穩序列在回歸分析中存在偽回歸，只有平穩序列才能進行VAR建模;第二，滯后階數的確定;第三，格蘭杰因果關系檢驗，用于檢驗內生解釋變量的滯后值是否對被解釋變量具有顯著性影響，若沒有通過檢驗，則沒有統計學意義;第四，通過最大特征根是否小于1檢驗模型穩定性。

通過以上檢驗即可進行脈沖響應分析和方差分解分析，脈沖響應和方差分解是對內生變量相互作用關系的分析，脈沖響應分析是一個內生變量的沖擊對其他內生變量帶來的影響，方差分解分析是一個內生變量的變化受模型內各內生變量沖擊所作的貢獻度。

（三）數據的選取

從產業鏈視角出發，對上游（原木、木材）、中游（集成材、人造板）、下游（木地板、木結構建筑、木門窗家具等）林產品進行數據選取。首先，選擇木材、人造板，地板分別作為上游、中游和下游林產品的中心詞。然后，利用百度指數的“需求圖譜-相關詞分類”功能對中心詞進行詞條擴充，根據擴充結果，并結合產業鏈產品分類，確定關鍵詞。

通過以上步驟，確定上游林產品選擇“木材+原木+鋸材”3個詞條;中游林產品中選擇“人造板+木板+板材+刨花板+纖維板+膠合板+木工板+顆粒板+密度板”9個詞條;下游林產品中選擇“地板+木家具+木門”3個詞條。

最后，通過百度指數的“搜索指數”功能對以上15個詞條進行搜索，并按照上游林產品、中游林產品、下游林產品分組進行加權，進而獲得2011年1月—2019年12月的上游林產品、中游林產品、下游林產品3類產品的每月的百度搜索指數。

三、結果分析

通過描述性統計分析和向量自回歸模型分析，研究上游（原木、木材）、中游（集成材、人造板）、下游（木地板、木結構建筑、木門窗家具等）林產品的百度指數特征和其之間的相互影響。

（一）描述性統計分析

上游林產品：2011年1月到2019年12月間，上游林產品的百度搜索指數9年間總體保持平穩（見圖1）。具體來看，2013年最低，搜索指數為797，2018年最高達到1 094，其他各年也均在800～1 100之間范圍，其中，在2011年3月底、4月初，2018年7月中旬至9月上旬達到峰值，搜索指數均超過1 500，之后有所下降。

中游林產品：2011年1月到2018年12月間，中游林產品的百度搜索指數8年間總體穩步上升（見圖2）。從2011年的3 002增長到2017年的6 227，2018年后有所下降，下降至2019年的4 747。

下游林產品：2011年1月到2019年12月間，下游林產品的百度搜索指數9年間呈現先增高再降低的變化趨勢（見圖3），其中在2012年9月至2012年底達到高峰，搜索指數超過10 000，隨后逐漸回落，2018年后逐漸下降，到2019年12月下降到最低點2 000。

從外部因素影響的角度看，林產品的百度搜索指數受國家宏觀調控、房地產新政、環保督察、世界原木出口限制等因素影響。

第一，市場環境的影響。2010年后，受世界經濟及我國經濟結構轉型升級低迷的影響，國家陸續出臺很多拉動內需的新政策，同時房地產市場調控政策頻出，國內CPI指數變化較為頻繁，進而帶動木材加工產量和市場需求量的變化。但是，近幾年我國經濟進入新常態，經濟下行壓力比較大，這也同樣作用于林產品市場，如2014年以來，以下游林產品為代表的家裝市場網絡關注度逐年降低。

第二，國內采伐政策的變化。2011年國家啟動第二輪天保工程，調減了黑龍江、吉林、內蒙古和大興安嶺天然林木材產量690萬立方米，國產東北大徑材供給進一步減少。2015年天然林全面停止商業性采伐，國內木材原料短缺，給原材料市場供給端帶來顯著的影響。

第三，逐漸嚴苛的環保政策。我國林產品市場，特別是中游的板材制造業面臨著節能減排等環保新政的影響，其中廊坊、邢臺、菏澤、臨沂、沭陽這幾個板材基地的產量大約占中國板材市場的70%，2017年9月中央環保督察組對山東臨沂、日照、青島等地的木材加工企業進行環保督察，95%的木材加工企業被臨時停產整改，2018年3月山東臨沂的環保督察“回頭看”，也引發社會強烈關注。

第四，國外原木禁出口政策進一步收緊。包括俄羅斯的樺木原木出口、加蓬的高山巴花的禁伐、馬來西亞全面禁止橡膠木采伐，也對我國林產品市場帶來一定的影響。

（二）VAR模型分析

將上游林產品搜索指數設為變量SYBI;將中游林產品搜索指數設為變量ZYBI;將下游林產品搜索指數設為變量XYBI。通過建立VAR模型，對上、中、下游林產品的搜索指數的動態關系進行分析。

1. 建立模型

（1）單位根檢驗

ADF單位根檢驗有三種模型，檢驗順序是從（C，T，K）開始，如果平穩則結束檢驗;如果不平穩，則檢驗（C，0，K），如果平穩則結束;如果不平穩，則檢驗（0，0，K），如果平穩則結束，如果不平穩則說明變量不平穩。其中，C代表截距項，T代表趨勢，K代表滯后階數。通過ADF單位根檢驗，結果顯示，上、中、下游林產品搜索指數的ADF值分別小于1%、5%、10%的臨界值，即通過了1%、5%、10%的檢驗，均為平穩序列，具備VAR建模條件（見表1）。

（2）確定最優滯后階數

通過最優滯后階數檢驗，得到LR統計量、赤池信息準則AIC以及施瓦茨準則SC等指標，根據AIC、SC最小值的判斷準則，序列最優滯后階數為1階或2階，此時再根據LR值越小越優原則，選擇2階更為恰當。因此，序列VAR模型的最優滯后階數確定為2階（見表2）。

（3）模型穩定性檢驗

只有VAR模型通過了穩定性檢驗，后面所做的分析才是有效的。根據所有的AR根都位于單位圓內，VAR模型穩定（見圖4）。

（4）格蘭杰因果關系檢驗

格蘭杰因果關系檢驗是一種外生性檢驗方法，用于檢驗內生解釋變量的滯后值是否對被解釋變量具有顯著性影響。如果解釋變量的滯后值對被解釋變量沒有顯著性影響，則VAR模型不具有統計學意義。此外，值得注意的是，格蘭杰因果關系檢驗反應的是時間序列數據的動態關系，具有統計學意義，但是真正因果性的判據仍需結合經濟學理論分析。

從表3中可以看到，在格蘭杰因果關系檢驗中，SYBI為被解釋變量時，ZYBI和XYBI分別通過了顯著性1%和5%的檢驗，拒絕模型設定的沒有因果關系的原假設;ZYBI為被解釋變量時，SYBI和XYBI分別通過了顯著性水平5%和10%的檢驗，拒絕模型設定的沒有因果關系的原假設;XYBI為被解釋變量時，SYBI和ZYBI均沒有通過顯著性水平10%的檢驗，不能拒絕模型設定的沒有因果關系的原假設。

因此，綜上所述，根據模型檢驗結果，下游林產品、中游林產品的搜索指數的滯后值對上游林產品搜索指數有顯著性影響，具有預測能力;上游林產品、下游林產品的搜索指數的滯后值對中游林產品搜索指數有顯著性影響，具有預測能力，即上游林產品和中游林產品的搜索指數相互影響，下游林產品的搜索指數變動對上游林產品和中游林產品的搜索指數變動具有單方向影響。

2.脈沖響應和方差分解分析

根據格蘭杰因果關系檢驗結果，上游林產品和中游林產品的搜索指數相互影響，下游林產品的搜索指數對上游林產品和中游林產品的搜索指數產生單方向影響。因此，脈沖響應分析和方差分解分析只針對上游對中游林產品的搜索指數、中游對上游林產品的搜索指數、下游對上游林產品的搜索指數、下游對中游林產品的搜索指數共4個關系做進一步研究。脈沖響應反映了模型中每個內生變量對誤差擾動沖擊的反應程度。

從圖5-1中看，ZYBI的脈沖對SYBI的影響，從開始為逆向，到第2期達到逆向影響最大，到第3期后為正向，在第5期達到正向最大化后降低并趨于收斂。說明中游林產品搜索指數的增加會對上游林產品產生明顯的正向作用，隨著滯后期的延長，作用會越來越弱。

從圖5-3中看，SYBI的脈沖對ZYBI的影響為正向，隨著滯后期的延長而降低并趨于收斂。說明上游林產品搜索指數的增加也會對中游林產品產生一定的正向作用，但是長期這種正向作用也會越來越弱。綜合來看，兩者相互產生正向的影響，隨著滯后期的延長影響逐漸減小。

從圖5-2和圖5-4中看，XYBI的脈沖對SYBI和ZYBI影響的形狀較為接近，第2期后變為逆向，第5期達到逆向影響最大后隨著滯后期的延長趨于收斂。這說明下游林產品搜索指數的變化會對上游林產品和中游林產品搜索指數產生一定的逆向效應。

方差分解是分析每一個結構沖擊對其他內生變量的影響程度，通過方差分解反映沖擊的貢獻度。從表4中可以看到：

上游林產品搜索指數（SYBI）主要受到自身波動的影響，隨著滯后期的延長，到第6期后，中游林產品搜索指數（ZYBI）和下游林產品搜索指數（XYBI）的影響才逐漸顯現，但是第10期后，上游林產品搜索指數（SYBI）自身的方差貢獻度仍然超過80%，中游林產品搜索指數（ZYBI）的方差貢獻度不足20%，而下游林產品搜索指數（XYBI）的方差貢獻度不足1%，并已經趨于穩定。這說明上游林產品搜索指數受中游林產品搜索指數的影響相對較大，但遲滯性顯著。

中游林產品搜索指數（ZYBI）主要受自身和上游林產品搜索指數（SYBI）影響，前3期主要受到上游林產品搜索指數（SYBI）的影響，第3期后主要受到自身影響，到第9期，自身的方差貢獻度達到60%，上游林產品搜索指數（SYBI）的方差貢獻度仍然超過30%，而下游林產品搜索指數（XYBI）的方差貢獻度不足10%。這說明中游林產品搜索指數短期內受上游林產品搜索指數的影響大，長期內受自身影響大。

下游林產品搜索指數（XYBI）第2期后，自身的方差貢獻度已經超過90%，并趨于穩定。說明下游林產品搜索指數主要受自身影響，受到其他內生變量的影響非常小。

（三）結果討論

基于百度搜索指數，利用VAR模型以月為單位，對2011年1月至2019年12月上、中、下游林產品，即林產品原材料、中間產品、終端產品的時間序列之間的動態關系進行了分析，根據格蘭杰因果關系檢驗，下游林產品、中游林產品的搜索指數的滯后值對上游林產品搜索指數有顯著性影響，具有預測能力;上游林產品、下游林產品的搜索指數的滯后值對中游林產品搜索指數有顯著性影響，具有預測能力。

通過脈沖響應和方差分解分析可以得出：上游林產品，即“木材+原木+鋸材”等林產品原材料市場主要受到自身及外部因素的影響，受下游產業鏈影響較小，其中板材等中間產品具有一定的影響，并具有滯后性。結合前文的描述性統計分析，在2011年上半年、2015年中、2018年下半年產生三個高峰，其中2011年國家啟動第二輪天保工程，調減了黑龍江、吉林、內蒙古和大興安嶺天然林木材產量690萬立方米，國產東北大徑材供給進一步減少，但是2011年1—6月原木進口量同比增長24.83%，木材市場交易活躍。2015年天然林全面停止商業性采伐，木材原料短缺。2018年，在國家宏觀調控、房地產新政、環保督察、世界原木出口限制、原材料和人工成本上漲等因素影響下，我國木材價格在2018年下半年達到峰值，同時國外原木禁出口政策進一步收緊，包括俄羅斯的樺木原木出口、加蓬的高山巴花為期6個月的禁伐、馬來西亞全面禁止橡膠木采伐，國內木材需求增加，供給減少，導致木材價格上漲。這些都導致了上游林產品原材料搜索指數的高峰。

中游林產品，即以“板材”為代表的中間產品市場受上游原材料的影響較大，長期則受自身及外部因素的影響。結合前文的描述性統計分析，從短期看，在原材料市場的傳統淡季，板材等中間產品市場較為冷淡，如每年的7—9月，在這最熱的季節大部分伐木工人選擇休息，導致工人工資大幅度上漲，木材原材料的價格也隨之上漲;此外7—9月屬于多雨季節，運輸成本增加，同時多雨季節運輸和人造板容易受潮，進而產生變形、發霉，為了節約成本、避免人造板受潮帶來的損失，大部分客戶會選擇在這個時候停止采購。從長期看，近20年來中國人造板產業高速發展，生產、銷售、技術水平、產品質量和經濟效益都得到了全面提高，據FAO統計，我國是世界人造板生產、消費和進口貿易第一大國，人造板產業已在中國林產品產業中占據舉足輕重的位置。根據國家林業和草原局的統計數據，2011—2019年，人造板行業總資產穩定增長，企業數量基本持平，行業銷售毛利率和凈利潤率穩定小幅增長。

下游林產品，即“地板+家具+木門”等終端林產品市場受上游產業鏈影響非常小，主要受到自身及外部因素的影響。結合前文的描述性統計分析，終端林產品與市場環境，特別是房地產行業變化息息相關。2010年后，我國經濟增長承壓，GDP增長率保持在6.5%～7%之間，所以導致下游林產品市場整體較為平穩。但是，2012年下半年，由于原材料漲價、家具出口退稅率下調、人工和銷售成本增加等各種原因，家具和家裝的價格出現了新一輪上漲，與2011年同期相比，木制家具的價格漲幅超過10%。此外，對未來木材供應緊張、價格上漲的預期，國內家具和家裝業所面臨的是持續而巨大的成本壓力，這也導致了2013年第四季度下游林產品搜索指數的高漲。此外，2018年的房地產新政、環保督察也對終端的家裝市場產生不良影響，影響了市場信心，進而導致2018年以來搜索指數的下降。

四、結論與啟示

綜上，林產品的網絡關注度具有明顯的時間差異，其間的動態變化具有內在的影響，通過林產品網絡關注度時間序列特征分析，對林產品市場的預測具有重要啟示。

從產業鏈角度看，木材等原材料市場與自身市場和中游板材市場相互影響較大，值得市場觀察者給予更多觀察，而家裝等終端市場與原材料市場和板材市場相互影響不大，更多受到自身市場慣性和產業鏈外部環境影響。

從網絡關注度的角度來看，基于大數據的網絡關注度對產品市場具有一定的“預兆”功能，及時把握網絡關注度，可以對未來市場行為進行預判，也可以根據關注度情況，對產業的優化布局和營銷產品提出針對性的措施。

參考文獻

[1]? GINSBERG J， MOHEBBI M H， PATEL R S， ect. Detecting influenza epidemics using search engine query data[J]. Nature： International Weekly Journal of Science， 2009， 457（7232）： 1012-1014.

[2]? 李霞，曲洪建.郵輪旅游網絡關注度的時空特征和影響因素——基于百度指數的研究[J].統計與信息論壇，2016（4）：101-106.

[3]? 劉建.大數據背景下稅收治理中的隱私權保護問題[J].重慶社會科學，2019（12）：45-56.

[4]? DAVIDSON A P， YU Y. The internet and the occidental tourist： Ananalysis of Taiwan's tourism websites from the perspective of west-ern tourists[J]. Information Technology and Tourism， 2005， 7（2）： p.91-102.

[5] 吳妙薇，張建國，崔會平，等.諸葛八卦村游客行為特征與旅游體驗評價研究——基于百度指數和網絡文本分析[J].中國農業資源與區劃，2019（12）：259-267.

[6]? 孫燁，張宏磊，劉培學，等.基于旅游者網絡關注度的旅游景區日游客量預測研究——以不同客戶端百度指數為例[J].人文地理，2017（3）：152-160.

[7] 孫陽，張落成，姚士謀.長三角城市群“空間流”網絡結構特征——基于公路運輸、火車客運及百度指數的綜合分析[J].長江流域資源與環境，2017（9）：1304-1310.

[8]? 陳植元，米雁翔，厲洋軍，等.基于百度指數的投資者關注度與股票市場表現的實證分析[J].統計與決策，2016（23）：155-157.

[9]? 王術.基于百度指數核心期刊影響后效應的分析[J].中國科技期刊研究，2015（1）：82-85.

[10]? 王軍華.基于百度指數的“互聯網+農業”公眾關注度空間自相關分析[J].中國農業資源與區劃，2020（4）：325-330.

[11]? 國家林草局.2019年全國林業產業總產值7. 56萬億元[EB/OL].[2020-01-03]. http： //www. gov. cn/xinwen/2020-01/03/content_5466218. htm .

[12]? GARZUGLIA M. 1948-2018 Seventy years of FAO's Global Forest Resources Assessment[R]. Rome： Food and Agriculture Organization of the United Nations， 2018.

[13]? 郭承龍，郭偉偉，鄭麗麗.林業產業鏈的形成機制探析[J].林業經濟問題，2009（1）：56-60.

[14]? 曲麗麗，田國雙.林業生態產業鏈的穩定性分析與政策建議[J].東北農業大學學報（社會科學版），2010（6）： 46-49.

[15]? 李英，劉廣丹，龔敏，等.重點國有林區森林資源管理及其產業鏈發展趨勢分析[J].林業資源管理，2016（2）：8-13+24.

[16]? 洪燕真，戴永務.林業產業集群企業網絡結構與創新績效的關系——基于福建林業產業集群的調查數據[J].林業科學，2015（11）：103-112.

[17]? 王珊珊，楊紅強.基于國際碳足跡標準的中國人造板產業碳減排路徑研究[J].中國人口·資源與環境，2019（4）：27-37.

[18]? 向中華，劉高峰，曾勝.基于灰色-模糊理論的森林木質地板生態產業鏈優化評價研究[J].四川師范大學學報（自然科學版），2012（4）：573-576.

[19]? 張智光.林紙循環經濟系統的資源、生態和價值鏈拓展模型[J].中國人口·資源與環境，2012（12）：46-53.

[20] 郭承龍，張智光，楊加猛.林業低碳產業鏈的共生系統動力解析[J].南京林業大學學報（自然科學版），2016（6）：92-96.

[21]? 前瞻產業研究院.2019年中國搜索引擎行業市場競爭格局分析 百度仍是行業龍頭、PC市場雙雄并立[EB/OL].? https： //bg. qianzhan. com/trends/detail/506/200212-f8c7fb7b. html.（2020-2-12/2020-2-20）

（責任編輯：丁忠兵）