基于多元回歸擬合方法對“拍照賺錢”定價問題的研究

摘 要：針對“拍照賺錢”的任務(wù)定價的問題，文章運用了多元線性回歸、聚類分析等理論和方法，構(gòu)建了線性多元回歸模型，綜合運用了MATLAB、EVIEW等軟件編程求解，最終查找出了原先的定價規(guī)律、部分任務(wù)未完成的原因，并制定出了更加合理的定價規(guī)律。

關(guān)鍵詞：“拍照賺錢”;多元回歸擬合;EVIWES;MATLA

中圖分類號：F045 ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? 文章編號：1008-4428（2018）03-38 ?-02

一、引言

隨著網(wǎng)絡(luò)信息技術(shù)的飛躍發(fā)展，智能手機普及率越來越高，而基于智能手機存在的手機軟件也越來越豐富，并已經(jīng)進入各個企業(yè)家的視野，成為新的經(jīng)濟增長的研究方向。而作為一種自助服務(wù)模式——“拍照賺錢”模式就是在這種環(huán)境下出現(xiàn)的。有需要的用戶可以通過下載并注冊該APP軟件成為會員。通過這種方式，“拍照賺錢”APP軟件將企業(yè)與用戶緊密地聯(lián)系在一起。企業(yè)將各種商業(yè)檢查和信息搜集的拍照任務(wù)發(fā)布在平臺上，會員從APP上領(lǐng)取需要拍照的任務(wù)（比如上超市去檢查某種商品的上架情況），賺取APP對任務(wù)所標定的酬金，從而達到一種雙贏的局面。相比傳統(tǒng)的市場調(diào)查方式，自助式移動勞務(wù)眾包模式可以大大利用閑置的勞務(wù)人員，節(jié)省調(diào)查成本，而且有效地保證了調(diào)查數(shù)據(jù)真實性，縮短了調(diào)查的周期，使調(diào)研業(yè)實現(xiàn)高效率、低成本、規(guī)模廣的飛躍。由此，“拍照賺錢”APP成為該勞務(wù)眾包平臺運行的核心。而APP中任務(wù)的定價方式成為任務(wù)是否完成的核心要素，如果任務(wù)定價過低，則該項拍照任務(wù)會無人問津，信息獲取失敗，嚴重的話會導(dǎo)致調(diào)研等重大項目執(zhí)行的滯后。所以，研究該平臺的任務(wù)定價規(guī)律就變得十分必要了。

二、任務(wù)定價規(guī)律研究

文章對相關(guān)數(shù)據(jù)進行分析，找出“拍照賺錢”的任務(wù)定價規(guī)律。為此，筆者對已結(jié)束項目任務(wù)中的數(shù)據(jù)進行處理，篩選出所有任務(wù)完成的數(shù)據(jù)，選取其中249個數(shù)據(jù)，然后用EXCLE對選出來的數(shù)據(jù)和定價進行回歸擬合，并對擬合出的定價值進行預(yù)處理以及模型的合理檢驗，從而得出定價規(guī)律。

借助EXCEL中數(shù)據(jù)分析功能對緯度、經(jīng)度為自變量的數(shù)據(jù)和定價為因變量的數(shù)據(jù)進行多元回歸擬合，得到了如下的函數(shù)關(guān)系式（定價規(guī)律）：

P=-574.375+6.55468X1+4.325699X2

（一）模型合理性檢驗

標準誤差非常小，方程擬合的非常好;X1、X2的T統(tǒng)計量的值分別為1.96795E-05、3.11951E-08、8.535E-06都明顯的小于顯著性水平0.05，說明定價跟自變量緯度和經(jīng)度有關(guān)。

（二）對Y值進行預(yù)處理后的殘差分析

先對Y的值進行如下的處理：

經(jīng)過上述的處理可以得到新的Y值，然后用預(yù)測的Y值與處理后的Y值相減得到新的殘差值。經(jīng)處理發(fā)現(xiàn)，處理后的殘差值要比處理前的殘差值總體來說要小，說明模型在經(jīng)數(shù)據(jù)處理后要有所改善。

三、任務(wù)未完成原因分析

第一點：對會員預(yù)定任務(wù)限額、預(yù)定任務(wù)時間、信譽值的關(guān)系進行分析，我們可以發(fā)現(xiàn)即使信譽值、預(yù)定任務(wù)限額都很高的會員，但預(yù)定任務(wù)時間晚，所以會出現(xiàn)這種情況：那些信譽值和預(yù)定任務(wù)限額都低但預(yù)定任務(wù)時間早的會員會提前接到任務(wù)，但是由于這些會員的信譽比較低，即使能接到任務(wù)，但是卻沒有能力完成，導(dǎo)致“拍照賺錢”的任務(wù)完成不了。對于上述得到的定價模型只考慮到了經(jīng)緯度的影響，沒有涉及關(guān)于會員主觀因素的影響，所以才會出現(xiàn)某些任務(wù)沒有完成。

第二點：首先運用MATLAB軟件繪出所有任務(wù)量及會員所在的位置的整體分布圖。再對相關(guān)數(shù)據(jù)進行處理，找出一個新的自變量—任務(wù)量/用戶量，以及一個新的因變量完成率，然后將整個任務(wù)量和會員所在位置的區(qū)域劃分為100個小區(qū)間，每一個區(qū)間再重新整理出代表每個區(qū)間經(jīng)緯度的平均值，然后用EVIWES對經(jīng)緯度、任務(wù)量/會員量與任務(wù)的完成率進行多元回歸擬合，得出任務(wù)的完成率與經(jīng)緯度和任務(wù)量/會員量有著如下的函數(shù)關(guān)系：

Y=-57.0864+1.0794X1+0.2888X2+0.3159X3

F統(tǒng)計量對應(yīng)的P值小于顯著性水平0.05，則經(jīng)緯度、任務(wù)量/會員量與任務(wù)的完成率相關(guān)。且標準誤差非常小，說明方程擬合的非常好。又因為經(jīng)緯度、任務(wù)量/會員量對應(yīng)的T統(tǒng)計量值都大于2，所以經(jīng)緯度和任務(wù)量/用戶量都對任務(wù)的完成量有影響。會員在接受任務(wù)時，沒有考慮到每個區(qū)域間的任務(wù)量/用戶量這一因素的影響，所以才會可能導(dǎo)致有些任務(wù)沒有被完成。

四、新任務(wù)定價方案的設(shè)計

由于任務(wù)定價不僅受任務(wù)GPS緯度和經(jīng)度的影響，還受區(qū)域任務(wù)可分配率和信譽值的影響。通過對數(shù)據(jù)分析，經(jīng)緯度的變化不是很明顯，有些任務(wù)聚集在一起，而且在一定的區(qū)域內(nèi)，居民的消費水平、物價、收入、交通、天氣情況大致不變，而不同的區(qū)域其居民的消費水平、物價、收入、交通、天氣情況則可能不同，利用地圖的檢索功能，我們發(fā)現(xiàn)這些任務(wù)分布在廣東省的四個城市，分別為廣州市、佛山市、深圳市和東莞市，在這些地區(qū)存在明顯的差別。我們將區(qū)域進行等分，對不同區(qū)域的任務(wù)的中心位置、區(qū)域任務(wù)可分配率、區(qū)域任務(wù)價格均值數(shù)據(jù)進行多元回歸擬合，從而得出新的任務(wù)定價方案。

（一）模型準備

觀察會員位置和任務(wù)位置，以及位置集中情況，為了減少誤差，剔除周邊的比較分散的點的數(shù)據(jù)，然后對區(qū)域進行等經(jīng)度等緯度的劃分。其次在已結(jié)束項目任務(wù)數(shù)據(jù)中篩選出不同區(qū)域的數(shù)據(jù)，計算任務(wù)位置經(jīng)度和緯度均值、任務(wù)數(shù)以及任務(wù)的完成情況和每個區(qū)域的定價的平均價格。然后在會員信息數(shù)據(jù)中，利用函數(shù)可以求出不同區(qū)域的會員數(shù)量。最后把這兩份數(shù)據(jù)整合在一起，觀察表中的數(shù)據(jù)，有單獨的數(shù)據(jù)，而且有些數(shù)據(jù)組數(shù)據(jù)不完整，對這些特殊數(shù)據(jù)進行剔除。

其中，X1為區(qū)域內(nèi)任務(wù)位置的緯度均值;X2為區(qū)域內(nèi)任務(wù)位置的經(jīng)度均值;X3為區(qū)域內(nèi)任務(wù)數(shù)量和會員數(shù)量的比值。

（二）模型的建立——基于區(qū)域中心點的區(qū)域任務(wù)定價模型

對位置數(shù)據(jù)進行了預(yù)處理，引入新變量X3，建立新的定價方案，如下：

rY1+sY2+tX3+A=P

其中，Y1為區(qū)域內(nèi)的中心緯度，Y2為區(qū)域內(nèi)的中心經(jīng)度，X3為任務(wù)數(shù)量和會員數(shù)量的比值;P 為區(qū)域內(nèi)的平均價格;r，s，t為變量前的系數(shù);A為常數(shù)。

（三）模型的求解

利用EVIEWS軟件對剔除之后的數(shù)據(jù)進行多元回歸擬合，求解出各區(qū)域內(nèi)的價格均值與任務(wù)GPS經(jīng)緯度和任務(wù)數(shù)/會員數(shù)之間存在著如下的函數(shù)關(guān)系：

3.48Y1+5.41Y2-0.277X3+128.48=P

該多元曲線擬合F統(tǒng)計量的P值小于顯著性水平0.05，通過了假設(shè)檢驗，且X1和X23所對應(yīng)的P值也均小于顯著性水平0.05，故知該模型擬合較好。由上述函數(shù)中各變量前面系數(shù)可知各區(qū)域內(nèi)的P是與任務(wù)GPS經(jīng)緯度之間存在正相關(guān)的，即為距離越遠價格均值自然就會升高，另外，各區(qū)域內(nèi)的價格均值還與任務(wù)數(shù)/會員數(shù)的平方成負相關(guān)，即一個區(qū)域內(nèi)若任務(wù)數(shù)越多而會員數(shù)越小則該區(qū)域內(nèi)的價格均值就越低。該模型與原模型進行比較可知，在加入一定區(qū)域內(nèi)任務(wù)數(shù)與會員數(shù)之間的比值這一影響因素后，我們所擬合出來的模型的標準誤差更小，即模型構(gòu)建合理，所以新的任務(wù)定價方案更合理。

五、總結(jié)

在對原先定價規(guī)律和未完成任務(wù)原因研究的基礎(chǔ)上，我們加入了任務(wù)量/用戶量這一新變量，構(gòu)建了新的模型，從而得出了更為合理的任務(wù)定價規(guī)律。這種定價規(guī)律不僅可以讓更多的會員最大可能地接受并且完成任務(wù)，也可以使得更多的任務(wù)被接受并完成。這種定價規(guī)律可以使會員與提供任務(wù)者雙方都能接受，一方面可以節(jié)省企業(yè)成本，提高信息獲取率，另一方面也可以提高用戶的收入水平和生活質(zhì)量，從而實現(xiàn)了真正意義上的雙贏。除此之外，新的定價方案也縮短了調(diào)研周期，為調(diào)研業(yè)的快速發(fā)展和企業(yè)項目高效的執(zhí)行率奠定了基礎(chǔ)。

參考文獻：

[1]孫偉彤，任環(huán)宇，姜峰.基于網(wǎng)絡(luò)流模型的“拍照賺錢”任務(wù)定價與分配優(yōu)化策略[J].中國戰(zhàn)略新興產(chǎn)業(yè)，2018，（04）：104.

[2]梁曉蓓，黃立霞，江江.眾包物流接包方持續(xù)參與意愿影響因素研究[J].商業(yè)經(jīng)濟與管理，2017，（07）：5-15.

[3]張佳彤.打車軟件參與下出租車動態(tài)定價策略研究[J].唐山學(xué)院學(xué)報，2016，29（6）：78-84.

[4]夏恩君，趙軒維.眾包系統(tǒng)中企業(yè)眾包能力評價指標體系研究[J].科技進步與對策，2016，33（11）：108-113.

[5]薛娟，丁長青，陳莉莎，張志武.基于SIR的眾包社區(qū)知識傳播模型研究[J].科技進步與對策，2016，33（4）：131-137.

[6]李訓(xùn)，林川，胡明.我國地域關(guān)系對審計定價影響的實證研究[J].財經(jīng)論叢，2013，（02）：93-100.

作者簡介：

董文兵，女，安徽宿州人，安徽財經(jīng)大學(xué)經(jīng)濟學(xué)院學(xué)生，研究方向：國民經(jīng)濟管理。