文献知网节
  • 记笔记
摘要:文章基于网络搜索大数据,以新能源汽车为例,结合统计学和计量经济学理论与方法,利用斯皮尔曼相关系数、协整检验和格兰杰因果关系,检验分析了搜索指数与新能源汽车实际需求之间的关系。以新能源汽车历史销量作为单一变量建立自回归滑动平均模型(ARMA),并与加入了搜索指数的向量自回归模型(VAR)进行比较。结果表明,加入搜索指数的预测模型相较传统的预测模型,在样本期内和样本期外的预测精度分别提高了11.69%和14.95%。该模型只需利用前4个月的新能源汽车销售数据和网络搜索大数据,就能够准确地预测下一个月的需求,在提高预测时效性的同时,也为个人、企业和政府决策提供可靠的依据。
  • DOI:

    10.13941/j.cnki.21-1469/tk.2020.07.019

  • 专辑:

    理工C(机电航空交通水利建筑能源); 农业; 经济与管理

  • 专题:

    汽车工业; 工业经济; 信息经济与邮政经济

  • 分类号:

    F426.471;F49

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • HTML阅读
  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:389 页码:967-971 页数:5 大小:288K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者