基于網(wǎng)絡(luò)搜索數(shù)據(jù)的福州市商品房價格指數(shù)預(yù)測模型研究

莊虹莉，李立婷，林雨婷，劉藝輝，溫永仙

（福建農(nóng)林大學(xué) 計算機與信息學(xué)院，福建 福州 350002）

基于網(wǎng)絡(luò)搜索數(shù)據(jù)的福州市商品房價格指數(shù)預(yù)測模型研究

莊虹莉，李立婷，林雨婷，劉藝輝，溫永仙

（福建農(nóng)林大學(xué) 計算機與信息學(xué)院，福建 福州 350002）

文章以百度搜索引擎上的關(guān)鍵詞指數(shù)為數(shù)據(jù)基礎(chǔ)，首先通過指標(biāo)平穩(wěn)性檢驗與時差相關(guān)性分析從初始關(guān)鍵詞庫中選取出14個關(guān)鍵詞作為解釋變量指標(biāo)，其次建立基于懲罰函數(shù)的變量選擇（Elastic N et、SCA D和G roup Bridge）對福州市商品房價格指數(shù)進行預(yù)測，再者基于四種不同誤差指標(biāo)，運用綜合評判分析法對懲罰函數(shù)的變量選擇、多元線性回歸分析、偏最小二乘回歸分析、隨機森林的預(yù)測精度進行綜合分析，最終確定G roup Bridge為福州市商品房價格指數(shù)的最佳預(yù)測模型。

隨機森林；Elastic N et；SCA D；G roup Bridge；綜合評判分析法

一、引言

隨著互聯(lián)網(wǎng)的飛速發(fā)展，大數(shù)據(jù)時代降臨，人們獲取信息的渠道變得更加寬廣，尤其是搜索引擎在人們生活中扮演者不可或缺的角色。房地產(chǎn)交易過程也不例外，人們通過搜索引擎了解最新的經(jīng)濟形勢與政策，從而做出合理的消費決策，所以說搜索引擎在消費者、開發(fā)商以及政府中起到橋梁性作用。所以基于網(wǎng)絡(luò)搜索數(shù)據(jù)對福州市的商品房價格指數(shù)進行預(yù)測模型分析具有一定的研究價值。通過建立一系列合理的模型對網(wǎng)絡(luò)搜索數(shù)據(jù)進行深入分析，最終得到預(yù)測福州市商品房同比價格指數(shù)的最優(yōu)模型，實現(xiàn)在一定程度上對商品房同比價格指數(shù)的預(yù)測，解決房價相關(guān)信息的時滯性問題，同時也為相關(guān)部門的調(diào)控工作提供理論支持。

目前國內(nèi)學(xué)者基于網(wǎng)絡(luò)搜索數(shù)據(jù)（主要是百度指數(shù)）在房地產(chǎn)價格、商品零售價格等領(lǐng)域都有所研究，主要研究方法以定量分析為主。例如董倩[1]等就是基于百度指數(shù)對北京等16大中城市的新房價格與二手房價格建立6種預(yù)測模型（線性回歸、隨機森林等），得到各城市房價的最優(yōu)預(yù)測模型；姜文杰[2]等就是基于百度指數(shù)對我國大中城市分別建立ARMA模型與自回歸分布滯后模型，然后比較兩種模型的預(yù)測效果，解決房價相關(guān)信息的時滯性問題；劉偉江[3]等就是基于谷歌指數(shù)采用時差相關(guān)分析方法選取與商品價格相關(guān)性較高的關(guān)鍵詞，然后再利用回歸模型進行價格指數(shù)預(yù)測。

最早利用網(wǎng)絡(luò)搜索數(shù)據(jù)資源開拓全新的研究領(lǐng)域是美國的 Ginsberg J[4]，他們團隊利用 Google搜索指數(shù)成功預(yù)測流感發(fā)展趨勢，大致估計流感的定期發(fā)病率；接著是 Askita與Zimmermann[5]同樣基于網(wǎng)絡(luò)搜索數(shù)據(jù)成功預(yù)測出失業(yè)率的變化趨勢等。

本文基于懲罰函數(shù)的變量選擇對網(wǎng)絡(luò)搜索數(shù)據(jù)進行深入的研究，借助四種不同的誤差指標(biāo)與傳統(tǒng)的預(yù)測模型進行對比，最終得到預(yù)測福州市商品房同比價格指數(shù)的最優(yōu)模型。

二、懲罰函數(shù)的變量選擇

回歸是傳統(tǒng)的預(yù)測模型，即通過得到解釋變量的參數(shù)估計實現(xiàn)預(yù)測，而懲罰函數(shù)的變量選擇既能實現(xiàn)參數(shù)估計又能實現(xiàn)變量選擇，即既能實現(xiàn)預(yù)測又能降低模型的復(fù)雜度。

對于線性回歸模型：

其中ε～N（0，σ2）的隨機誤差項，β是回歸系數(shù)，y為連續(xù)的響應(yīng)變量。傳統(tǒng)的對線性回歸模型的參數(shù)估計是最小二乘，則β的最小二乘估計為：

但是最小二乘估計也存在不足之處：

（1）對于高維數(shù)據(jù)（n＜p）或當(dāng)解釋變量存在多重共線性時，難以實現(xiàn)對β的估計。

（2）最小二乘無法實現(xiàn)變量選擇，這將導(dǎo)致模型過于復(fù)雜。

懲罰函數(shù)的變量選擇思想在于：在最小二乘或極大似然函數(shù)的基礎(chǔ)上加入懲罰函數(shù)項得到新的目標(biāo)函數(shù)，然后通過最小化或者最大化目標(biāo)函數(shù)得到參數(shù)估計值。其實就是將不顯著變量的系數(shù)壓縮為零而把該變量剔除，對顯著變量進行很小或不壓縮而保留在模型中，最終實現(xiàn)模型的變量選擇和參數(shù)估計。

在最小二乘估計的基礎(chǔ)上引入不同的懲罰項，就可以得到不同的懲罰函數(shù)變量選擇方法。這里選擇代表性的幾個懲罰方法進行研究：單變量選擇方法（SCAD）、高度相關(guān)數(shù)據(jù)的變量選擇（Elastic Net）和雙層變量選擇方法（Group Bridge）。

1.SCAD。SCAD是實現(xiàn)單變量的選擇方法，由Fan和Li[6]在Lasso基礎(chǔ)上發(fā)展的一種非凹的懲罰函數(shù)，其定義如下：

其中，pλ（|βj| ）是SCAD懲罰項，定義如下：

其中，α＞2為調(diào)整參數(shù)，λ＞0為罰參數(shù)。Fan指出α=3.7時，其估計效果最好。

SCAD懲罰會把與被解釋變量不相關(guān)的解釋變量所對應(yīng)的系數(shù)壓縮為0，其他一些變量系數(shù)朝0壓縮，當(dāng)變量系數(shù)很大時則基本保持不變，使得最后得到的估計量滿足：無偏性、稀疏性和連續(xù)性，連續(xù)性使得結(jié)果更為穩(wěn)定。

2.Elastic Net。Elastic Net是Zhou和Hastic[7]在嶺回歸和Lasso的基礎(chǔ)上提出的新的變量選擇方法，是處理高維高度相關(guān)數(shù)據(jù)的變量選擇方法，解釋變量間通常具有群組效應(yīng)，即高度相關(guān)的預(yù)測變量的系數(shù)應(yīng)該相等或是接近相等。其定義如下：

（3）式是嶺回歸懲罰項和Lasso懲罰項的一個凸組合。其中α為罰參數(shù)，當(dāng)α=0時，上式為Lasso回歸；當(dāng)α=1時，上式為嶺回歸。因此Elastic Net回歸結(jié)合了嶺回歸和Lasso回歸的優(yōu)點，既能消除變量間的多重共線性，又能進行變量選擇，還能處理群組效應(yīng)。

3.Group Bridge。雙層變量選擇方法的獨特之處：篩選變量時考慮了變量的分組情況，不僅能夠篩選出重要分組，而且能夠在組內(nèi)篩選出重要的單個變量。Huang等[8]提出雙層變量選擇可以看成是組內(nèi)懲罰和組間懲罰的一種復(fù)合函數(shù)，即對第j組變量的懲罰項表示為：

其中，pouter是組間懲罰，pinner為組內(nèi)懲罰。

Breheny和Huang提出，只需在組內(nèi)和組間都選擇實現(xiàn)單個變量選擇的懲罰函數(shù)，例如Lasso、SCAD、MCP懲罰等，就能實現(xiàn)組間和組內(nèi)的變量選擇[9]。由此得到了Group Bridge[9]變量選擇方法，它是組內(nèi)進行Lasso懲罰，組間進行Bridge懲罰。

Group Bridge變量選擇方法的基本定義為：假設(shè)已知分有J組變量，分別為A1，A2，…，AJ，令βAJ=（βj）j∈Aj為 β相應(yīng)變量構(gòu)成的子向量，則 Group Bridge的定義如下：

其中，λ＞0是罰參數(shù)，常數(shù)cj為βAJ的調(diào)整參數(shù)，一般選擇 cj∝|Aj|1-γ，γ為 Bridge的指標(biāo)，當(dāng) 0＜γ＜1時，式（4）可同時實現(xiàn)單變量和組變量的選擇。

4.罰參數(shù)的選擇。懲罰函數(shù)的變量選擇中罰參數(shù)對模型的精度至關(guān)重要，合適的罰參數(shù)能夠有效的提高預(yù)測精度和降低模型的復(fù)雜度。本文通過10折交叉驗證[10]（10-fold Cross-Validation）實現(xiàn)罰參數(shù)的選擇。

三、福州市商品房價格指數(shù)預(yù)測模型的實證分析

本文通過基于懲罰函數(shù)的變量選擇對網(wǎng)絡(luò)搜索數(shù)據(jù)進行深入的研究，借助四種不同的誤差指標(biāo)與傳統(tǒng)的預(yù)測模型進行對比，最后通過綜合評判得到預(yù)測福州市商品房同比價格指數(shù)的最優(yōu)模型。

（一）數(shù)據(jù)準(zhǔn)備

1.研究對象

由于福州市實屬二線城市，屬于經(jīng)濟水平較高、房地產(chǎn)交易活動相對活躍的地級市省會，購房者對于房地產(chǎn)信息的收集渠道主要還是以網(wǎng)絡(luò)搜索為主（在我國主要以百度搜索引擎為主），搜索引擎上的關(guān)鍵詞指數(shù)體現(xiàn)了購房者的關(guān)注點，所以本文基于網(wǎng)絡(luò)搜索數(shù)據(jù)前提下對福州市的商品房價格的預(yù)測分析具有一定的價值性與實用性。

2.數(shù)據(jù)來源

本文的研究對象之一：福州市的商品房價格指數(shù)數(shù)據(jù)來源于國家統(tǒng)計局（http：//www.stats.gov. cn/）每個月所公布的關(guān)于“70個大中城市住宅銷售價格變動情況”的報告內(nèi)容。本文主要搜集福州市從2012年1月至2015年12月總計48個月的新建商品住宅月度價格指數(shù)（包括環(huán)比指數(shù)、同比指數(shù)、定基指數(shù)，本文主要對同比價格指數(shù)進行研究）。

本文的另一研究對象：關(guān)鍵詞搜索量數(shù)據(jù)主要來源于百度指數(shù)（http：//index.baidu.com/），百度搜索指數(shù)能綜合反映該關(guān)鍵詞在過去一天用戶與媒體對其的關(guān)注度，是以海量網(wǎng)民的搜索數(shù)據(jù)為基礎(chǔ)的數(shù)據(jù)分享平臺，主要的功能模塊可分為：趨勢研究、需求圖譜、輿情管家、人群畫像等。本文主要通過趨勢研究這一模塊（以整體趨勢為主）來獲取關(guān)鍵詞的搜索量（按每日搜索量統(tǒng)計）。

3.數(shù)據(jù)預(yù)處理-初始關(guān)鍵詞的選取

（1）從定性方面分析。由圖1的理論框架可看出，分別能從主體因素與非主體因素兩方面進行關(guān)鍵詞的初步選取，從主體因素（房地產(chǎn)市場供求關(guān)系、房地產(chǎn)經(jīng)濟交易活動以及與房地產(chǎn)相關(guān)聯(lián)的指標(biāo)等）分析考慮，最終通過人為選取出“福州房價、福州房地產(chǎn)、戶型、建材”這4個作為主體因素的基準(zhǔn)關(guān)鍵詞；同樣從非主體因素（宏觀經(jīng)濟形勢、與房地產(chǎn)密切相關(guān)的調(diào)控政策等）分析得到：“房貸利率、公積金、買房政策”3個作為非主體因素的基準(zhǔn)關(guān)鍵詞。

圖1 基于網(wǎng)絡(luò)搜索數(shù)據(jù)對商品房價格指數(shù)預(yù)測模型進行研究的理論框架

（2）從定量方面分析。通過以上定性分析得到的7個基準(zhǔn)關(guān)鍵詞，首先利用百度搜索引擎的關(guān)鍵詞推薦技術(shù)（其原理是可查詢與指定關(guān)鍵詞相關(guān)度較高的詞匯）對基準(zhǔn)關(guān)鍵詞范圍進行適當(dāng)擴展，得到與7個基準(zhǔn)關(guān)鍵詞相關(guān)的關(guān)鍵詞58個，總計65個；接著以百度指數(shù)為標(biāo)準(zhǔn)對這65個關(guān)鍵詞進一步篩選，將在研究時間范圍內(nèi)數(shù)據(jù)量相對較少以及出現(xiàn)重復(fù)的關(guān)鍵詞一一剔除，最后通過定量分析，確定“福州房地產(chǎn)、住房公積金、房貸利率”等48個指標(biāo)作為初始關(guān)鍵詞，構(gòu)建成一個關(guān)鍵詞庫。這48個指標(biāo)的具體變量名見表1。

表1 48個指標(biāo)所對應(yīng)的關(guān)鍵詞

（二）模型準(zhǔn)備

由于本文的最終目的是對福州市的商品房價格指數(shù)的預(yù)測模型進行比較分析，所以從關(guān)鍵詞庫里的解釋變量選取解釋變量指標(biāo)這一環(huán)節(jié)至關(guān)重要，不僅需要考慮與商品房同比價格指數(shù)相關(guān)度，還需考慮到兩者間的時差關(guān)系。時差關(guān)系主要包括領(lǐng)先、同步與滯后三個階段，只有與基準(zhǔn)指標(biāo)處于領(lǐng)先或同步的指標(biāo)才能在預(yù)測活動中起到相關(guān)作用，具有一定的研究價值。對于時差關(guān)系判斷本文選擇的是時差相關(guān)分析法，它可以較完整體現(xiàn)兩個變量間的時差性與相關(guān)性。而只有平穩(wěn)時間序列才可以進行時差相關(guān)分析，所以在進行時差相關(guān)分析之前要進行平穩(wěn)性檢驗，對于非平穩(wěn)序列進行差分處理將其轉(zhuǎn)化為平穩(wěn)序列。

1.指標(biāo)選取——平穩(wěn)性檢驗[11]。首先將所有變量的時間序列都畫出序列圖，然后進行ADF檢驗，而對于非平穩(wěn)序列進行差分處理，直至使之成為平穩(wěn)序列。

圖2“福州房地產(chǎn)”平穩(wěn)檢驗前后序列圖

具體檢驗結(jié)果為：所有變量的時間序列都是經(jīng)過二次差分后將其轉(zhuǎn)化為平穩(wěn)序列。

2.時差相關(guān)分析。時差相關(guān)分析具體實現(xiàn)公式如下：

由于本文主要研究對象是福州市商品房同比價格指數(shù)，所以將其作為基準(zhǔn)指標(biāo)，其余解釋變量作為檢驗指標(biāo)，利用SPSS軟件實現(xiàn)時差相關(guān)分析，在22個領(lǐng)先或同步指標(biāo)中選取相關(guān)系數(shù)在0.55以上的變量（14個）作為預(yù)測模型中的解釋變量，具體如表2所示：

表2 相關(guān)系數(shù)大于0.55的領(lǐng)先或同步解釋變量

經(jīng)過指標(biāo)平穩(wěn)性檢驗與時差相關(guān)分析，最終確定14個解釋變量作為以下預(yù)測模型中的解釋變量指標(biāo)，其中公積金、房貸利率與政策屬于非主體因素，而房價信息與戶型屬于主體因素，也就是說時差相關(guān)分析選取出的指標(biāo)是具有典型性的，在很大程度上代表了廣大購房消費者所關(guān)注的方面，所以將這14個指標(biāo)當(dāng)成預(yù)測模型的解釋變量具有客觀性與科學(xué)性。

在這14個關(guān)鍵詞指標(biāo)中，有將近60%成分是屬于公積金這一因素范疇的，結(jié)合公積金原始搜索量數(shù)據(jù)，可直觀看出福州市民在購房交易中會把關(guān)注點集中在公積金及其相關(guān)因素上，接著才是房貸利率、調(diào)控政策以及戶型這些較為重要的因素上。

（三）懲罰函數(shù)的變量選擇方法

懲罰函數(shù)的變量選擇方法是將某些解釋變量的系數(shù)壓縮為0，以犧牲偏差為代價而提高預(yù)測精度。因此本文采用懲罰的變量選擇方法對這14個解釋變量進一步降維。為了評價模型的優(yōu)劣，將前35個樣本作為訓(xùn)練集，后13個樣本作為測試集，通過實現(xiàn)對測試集的預(yù)測，定量評價模型的優(yōu)良。

借助R語言的包實現(xiàn)對懲罰函數(shù)的變量選擇方法的參數(shù)估計和變量選擇，通過求解得到三種懲罰函數(shù)的變量選擇的回歸方程為：

從三個懲罰函數(shù)的變量選擇模型的回歸方程中，得到公積金貸款利率、住房公積金提取條件、福州房地產(chǎn)信息網(wǎng)，這三個關(guān)鍵詞應(yīng)該是影響福州市商品房價格指數(shù)的比較重要的因子，也包含了房地產(chǎn)業(yè)交易活動所考慮的大部分綜合因素，所以能較全面反映出福州市商品房價格指數(shù)變化，說明懲罰函數(shù)的變量選擇方法在顯著變量篩選功能上的效果不錯。

為了與其他傳統(tǒng)的預(yù)測模型進行比較，分別對后13個樣本進行預(yù)測，預(yù)測的結(jié)果詳見表3。其中多元線性回歸、偏最小二乘、隨機森林是常用的回歸預(yù)測模型，前兩者是參數(shù)估計領(lǐng)域，而隨機森林是非參數(shù)估計領(lǐng)域且能夠?qū)崿F(xiàn)變量選擇，因此采用這三種方法與懲罰函數(shù)的變量選擇方法進行對比。

表3 預(yù)測結(jié)果比較

（四）預(yù)測精度綜合分析

1.求解誤差指標(biāo)。為了直觀的能夠從數(shù)值上衡量以上六種模型的預(yù)測精度與穩(wěn)定性，本文針對誤差進行分析，選用平均絕對誤差（MAE）、平均相對誤差（MRE）、均方根誤差（RMSE）、均方百分比誤差（MSPE）這四種誤差指標(biāo)對測試集的預(yù)測結(jié)果進行評價。分別計算出六種模型的四種誤差指標(biāo)如表4所示。

表4 各模型誤差指標(biāo)分析表

通過表4數(shù)據(jù)可看出懲罰函數(shù)的變量選擇中的SCAD和GB均表現(xiàn)出優(yōu)良的性質(zhì)，四種誤差都相對較小，但是為了更加直觀的顯示出結(jié)果，在這里進一步采用基于四種誤差指標(biāo)的綜合評判分析法，對這六種模型的擬合度與穩(wěn)定性進行權(quán)衡與評定。

2.綜合評判分析法[12]。綜合評判法是一種采用多個評價指標(biāo)對目標(biāo)方案從定性與定量兩個方面進行綜合評判的方法。其基本原理是通過對所建立的評價因素進行相關(guān)處理得到一些可以反映目標(biāo)方案優(yōu)劣性的評價指標(biāo)，從而得出目標(biāo)方案的優(yōu)劣性比較結(jié)果。評判結(jié)果集里的評價值代表模型的優(yōu)越性，評價值越大，說明該模型的性能越好。借助MATLAB求解得到綜合評判結(jié)果集：

C1=[0.174 0.284 0.125 0.151 0.916 0.999]

由綜合評判的結(jié)果集可得到本次綜合評判中各個預(yù)測模型的優(yōu)屬度，就從這四個評價指標(biāo)分析，可較直觀看出GB和SCAD模型的預(yù)測精度極高，分別為0.999和0.916，遠(yuǎn)比其他的四種模型大的多，因此將懲罰函數(shù)的變量選擇方法應(yīng)用到網(wǎng)絡(luò)搜索數(shù)據(jù)，能夠得到較高精度的預(yù)測模型。由于本文采用的網(wǎng)絡(luò)搜索數(shù)據(jù)中的解釋變量具有明顯的分組，即分成6組（比如將與公積金相關(guān)的變量看成一組），因此適用于分組變量選擇的GB比單變量選擇的SCAD擁有更高的預(yù)測精度，而且選用變量數(shù)更全。因此將GB作為網(wǎng)絡(luò)搜索數(shù)據(jù)福州市商品房價格指數(shù)的最佳預(yù)測模型。

四、結(jié)果綜合分析

（一）關(guān)鍵詞指標(biāo)結(jié)果分析

首先通過時差相關(guān)分析選取的關(guān)鍵詞指標(biāo)有14個，其中有9個（將近60%比例）是屬于“公積金”這一因素范疇的，有兩個指標(biāo)是屬于“福州房價信息”，“房貸”、“政策”與“戶型”分別占有一個指標(biāo)。而對于多元線性回歸分析與偏最小二乘回歸兩種模型并不能實現(xiàn)變量選擇；隨機森林通過得到因子的重要性得分能夠?qū)崿F(xiàn)變量的選擇；懲罰函數(shù)的變量選擇方法能夠?qū)崿F(xiàn)變量選擇（大幅度的降低模型的復(fù)雜度）并實現(xiàn)參數(shù)估計，對于Elastic Net選擇出的關(guān)鍵詞指標(biāo)總計 4個，其中“公積金”范疇有3個指標(biāo)，另一個屬于“福州房價信息”；SCAD選擇出的關(guān)鍵詞指標(biāo)總計3個，其中“公積金”范疇有2個指標(biāo)，另一個屬于“福州房價信息”；Group Bridge選擇出的關(guān)鍵詞指標(biāo)總計 6個，其中“公積金”范疇有4個指標(biāo)，另外屬于“福州房價信息”和“契稅政策”，涉及更多類型的變量，因此這里的預(yù)測精度更高。

通過以上分析，不難發(fā)現(xiàn)這六種模型對于關(guān)鍵詞指標(biāo)的選取具有很高的相似度，說明通過不同的預(yù)測模型研究可以分析出福州市的購房者對于“公積金”及其相關(guān)因素的關(guān)注度相當(dāng)高，對于“福州房價信息”、“房貸”與“政策”這些因素關(guān)注度也比較高，而對于“建材”與“戶型”對買房因素關(guān)注度相對較低。因此通過預(yù)測模型中的關(guān)鍵詞指標(biāo)可以直觀看出福州市民所關(guān)注的方面，政府與相關(guān)部門可以從關(guān)注點出發(fā)，基于最佳預(yù)測模型的研究基礎(chǔ)，采取合理的措施，維持房地產(chǎn)業(yè)健康發(fā)展。

（二）預(yù)測模型結(jié)果分析

1.從預(yù)測精度分析。本文對于六種模型的預(yù)測精度分析采用的是針對四種誤差指標(biāo)進行綜合評判分析，得到Group Bridge的預(yù)測精度較高，SCAD次之，均比其他四種模型的精度高得多。

2.從模型復(fù)雜度分析。多元線性回歸模型與最小二乘回歸分析這兩種預(yù)測模型無法實現(xiàn)變量的選擇目標(biāo)，僅能得到14個因子的參數(shù)估計，進一步用于預(yù)測；而對于懲罰函數(shù)的變量選擇就具有顯著變量篩選的功能，所以在一定程度上減少了工作量且選取出的解釋變量數(shù)遠(yuǎn)比其他兩種模型解釋變量數(shù)量來得少，關(guān)鍵是還能達到一個較好的預(yù)測效果。

綜上所述，六種模型各有優(yōu)缺點，針對不同的研究對象，可能適用不同的預(yù)測模型。本文綜合考慮預(yù)測精度、模型復(fù)雜度，最終將GB作為預(yù)測福州市商品房價格指數(shù)的最佳模型。

五、總結(jié)

大數(shù)據(jù)背景下，充分利用網(wǎng)絡(luò)數(shù)據(jù)資源挖掘出相關(guān)重要信息來分析解決一些實際問題是現(xiàn)在乃至未來的重要研究趨勢。本文研究的創(chuàng)新之處在于利用關(guān)鍵詞搜索指數(shù)對福州市的商品房價格指數(shù)進行預(yù)測與分析，具體表現(xiàn)為以下幾個方面：

其一，本文利用關(guān)鍵詞的百度指數(shù)這一網(wǎng)絡(luò)數(shù)據(jù)資源來反映福州市商品房價格指數(shù)的變化趨勢，該網(wǎng)絡(luò)數(shù)據(jù)資源在一定程度上能較為全面反映購房消費者的即時狀態(tài)與消費心理，同時網(wǎng)絡(luò)數(shù)據(jù)這一虛擬化資源能在購房消費者與房地產(chǎn)業(yè)兩者間起到橋梁作用，能將兩者的此時形勢與狀態(tài)及時傳達給對方。所以本文所利用的數(shù)據(jù)資源能較為全面反映在大數(shù)據(jù)背景下福州房地產(chǎn)業(yè)的交易形勢。

其二，本文主要是將懲罰函數(shù)的變量選擇運用到網(wǎng)絡(luò)搜索數(shù)據(jù)，對福州市商品房價指數(shù)進行預(yù)測，為了評價該方法的好壞，進一步與傳統(tǒng)解決網(wǎng)絡(luò)搜索數(shù)據(jù)的方法（多元線性回歸分析、偏最小二乘回歸分析、隨機森林）進行對比。

其三，本文所運用的預(yù)測精度分析方法-綜合評判分析法具有一定的科學(xué)性與全面性，從定量方面上較為準(zhǔn)確闡釋模型的性能優(yōu)劣，具有較高的可信度。

[1]董倩，孫娜娜，李偉.基于網(wǎng)絡(luò)搜索數(shù)據(jù)的房地產(chǎn)價格預(yù)測[J].統(tǒng)計研究，2014，31（10）：81-88.

[2]姜文杰，2016.基于百度指數(shù)的房地產(chǎn)價格相關(guān)性研究[J].統(tǒng)計與決策（2）：90-93.

[3]劉偉江，2014.基于網(wǎng)絡(luò)關(guān)鍵詞搜索量的商品零售價格指數(shù)預(yù)測研究[J].制度經(jīng)濟學(xué)研究（4）：153-169.

[4]Ginsberg J，Mohebbi M H，PateI R s，et a1.Detecting influenza epidemics using search engine Query data[J].Nature，2009，457：1012-1014.

[5]Askitas N.，Zimmermann K.F，Google Econometrics and unemploymentForecasting[C].working Paper，2009：107-120.

[6]Fan J，Li R.Variable Selection via Nonconcave Penalized Likelihood and its Oracle Properties[J].Journal of the American Statistical Association，2001，96（456）：1348-1360.

[7]Hui Z，Trevor H.Regularization and variable selection via the elastic net[J].Journal of the Royal Statistical Society，2005，67（2）：301-320.

[8]Huang J，Breheny P，Ma S.A Selective Review of Group Selection in High-Dimensional Models[J].Statistical Science，2012，27（4）：481-499.

[9]Breheny P，Huang J.Penalized methods for bi-level variable selection [J].Statistics and its interface，2009，2（3）：369-380.

[10]高少龍.幾種變量選擇方法的模擬研究和實證分析[D].山東大學(xué)，2014：8-10.

[11]賈杰林，李健，吳舜澤.水環(huán)境趨勢預(yù)警指標(biāo)體系的構(gòu)建與時差分析.中國水污染控制戰(zhàn)略與政策創(chuàng)新研討會論文集[C].中國環(huán)境科學(xué)學(xué)會，2010：44-51.

[12]宋俊杰.三峽流域中長期徑流預(yù)報模型精度評定綜合分析及優(yōu)化方法研究[D].華中科技大學(xué)，2013：15-32.

（責(zé)任編輯：D 校對：T）

F299.233

A

1004-2768（2017）02-0105-07

2016-11-25

國家自然基金資助項目“禾谷類作物胚乳性狀多QTL定位統(tǒng)計方法研究”（31171448）；國家自然基金資助項目“基于高維數(shù)據(jù)和全基因組標(biāo)記的數(shù)量性狀基因定位方法研究”（31571558）；福建農(nóng)林大學(xué)數(shù)學(xué)建模實訓(xùn)室（111ZS1503）

莊虹莉（1990-），女，福建農(nóng)林大學(xué)計算機與信息學(xué)院碩士研究生，研究方向：數(shù)理統(tǒng)計及應(yīng)用；李立婷（1993-），女，福建農(nóng)林大學(xué)計算機與信息學(xué)院碩士研究生，研究方向：數(shù)理統(tǒng)計及應(yīng)用；林雨婷（1992-），女，福建農(nóng)林大學(xué)計算機與信息學(xué)院碩士研究生，研究方向：數(shù)理統(tǒng)計及應(yīng)用；劉藝輝，男，福建農(nóng)林大學(xué)計算機與信息學(xué)院，研究方向：數(shù)理統(tǒng)計及應(yīng)用；溫永仙（1966-），女，福建農(nóng)林大學(xué)計算機與信息學(xué)院教授，研究方向：數(shù)理統(tǒng)計及應(yīng)用。溫永仙為通訊作者。