基于產(chǎn)業(yè)鏈視角的林產(chǎn)品百度指數(shù)動態(tài)關(guān)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(shù)時間序列，應(yīng)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(chǎn)品、以“板材”為代表的中游林產(chǎn)品、以“地板+家具+木門”等為代表的下游林產(chǎn)品的百度搜索指數(shù)之間的動態(tài)關(guān)系。研究結(jié)果顯示：從百度搜索指數(shù)角度看，上游林產(chǎn)品主要受到自身及外部因素的影響，受下游產(chǎn)業(yè)鏈影響較小;中游林產(chǎn)品短期受上游林產(chǎn)品的影響較大，長期則受自身及外部因素的影響;下游林產(chǎn)品受上游產(chǎn)業(yè)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(yīng)更加關(guān)注自身市場和下游板材市場;針對以“板材”為代表的中間產(chǎn)品市場，市場觀察者應(yīng)更加關(guān)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(yīng)更加關(guān)注產(chǎn)業(yè)鏈外部環(huán)境影響。

關(guān)鍵詞：人造板;木質(zhì)家具;產(chǎn)業(yè)鏈;百度指數(shù);向量自回歸模型

基金項目：中國林業(yè)科學(xué)研究院基金專項“我國林業(yè)科技需求分析研究”（CAFYBB2019MC003）;國家社會科學(xué)基金項目“天然林全面商業(yè)禁伐背景下中國木材安全風(fēng)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(xiàn)標(biāo)識碼] A? ? ? [DOI編碼] 10.19631/j.cnki.css.2021.004.006

龐大的網(wǎng)絡(luò)搜索數(shù)據(jù)與現(xiàn)實的社會行為具有強(qiáng)相關(guān)性[1]，通過搜索數(shù)據(jù)的挖掘分析能夠準(zhǔn)確預(yù)測公眾需求變化，對指導(dǎo)和調(diào)控社會經(jīng)濟(jì)活動具有重要意義[2-3]。Google Trend和百度指數(shù)（Baidu Index）是全球最重要的搜索數(shù)據(jù)平臺，其運作機(jī)制都是基于海量網(wǎng)民搜索日志，獲取關(guān)鍵詞一定時間內(nèi)被搜索頻次、趨勢，進(jìn)而反映事件熱點。Google Trend和百度指數(shù)研究已經(jīng)廣泛應(yīng)用于旅游行業(yè)[4-6]、交通運輸行業(yè)[7]、股市投資金融領(lǐng)域[8]、期刊評價[9]、農(nóng)業(yè)管理[10]等領(lǐng)域，通過對研究對象網(wǎng)絡(luò)關(guān)注情況進(jìn)行分析，并結(jié)合實際情況進(jìn)行判斷，進(jìn)而指導(dǎo)經(jīng)濟(jì)決策。研究利用百度指數(shù)分析上游（原木、木材）、中游（板材）、下游（木質(zhì)家具）林產(chǎn)品的百度指數(shù)時間特征，通過向量自回歸模型（VAR模型）對其百度指數(shù)的相互傳導(dǎo)進(jìn)行時間序列分析，并結(jié)合現(xiàn)實林產(chǎn)品市場變化，分析林產(chǎn)品百度指數(shù)的變化內(nèi)因，為林產(chǎn)品市場行為預(yù)測、指導(dǎo)和調(diào)控提供一定的理論參考。

一、文獻(xiàn)綜述

我國是全球林產(chǎn)品生產(chǎn)加工和貿(mào)易大國，鋸材、人造板、地板等年產(chǎn)量均為世界第一，2019年林產(chǎn)品進(jìn)出口貿(mào)易額達(dá)到1 600億美元[11-12]。作為一項傳統(tǒng)產(chǎn)業(yè)，林業(yè)生產(chǎn)制造環(huán)節(jié)從原材料一直到終端產(chǎn)品已經(jīng)形成了完整的產(chǎn)業(yè)鏈，全產(chǎn)業(yè)鏈研究也成為林業(yè)產(chǎn)業(yè)研究的重要視角，如林業(yè)產(chǎn)業(yè)鏈的形成機(jī)制[13]、林業(yè)生態(tài)產(chǎn)業(yè)鏈穩(wěn)定條件[14]、林產(chǎn)工業(yè)產(chǎn)業(yè)鏈效率[15]、林業(yè)產(chǎn)業(yè)集群[16]。盡管全產(chǎn)業(yè)鏈研究已經(jīng)取得了豐碩的成果，但從單產(chǎn)品產(chǎn)業(yè)鏈出發(fā)的研究相對較少，且主要集中在林紙產(chǎn)業(yè)、人造板產(chǎn)業(yè)、木質(zhì)地板產(chǎn)業(yè)等相對閉合的產(chǎn)業(yè)[17-19]。

在林業(yè)產(chǎn)業(yè)中，用材林成熟后采伐得到原木、鋸材等初加工產(chǎn)品，再加工為人造板，人造板再廣泛用于建筑、家具等終端產(chǎn)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(zhì)產(chǎn)品，是非常重要的產(chǎn)業(yè)鏈[13，15，20]，這些產(chǎn)品按照關(guān)聯(lián)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(jié)構(gòu)建筑、木門窗家具等）環(huán)節(jié)，即原材料、中間產(chǎn)品、終端產(chǎn)品。這條產(chǎn)業(yè)鏈貫通資源市場、流通市場、生產(chǎn)市場、需求市場和服務(wù)市場[13]。這條產(chǎn)業(yè)鏈相對輻射廣且閉合不嚴(yán)，使其針對性研究相對較少，因此開展針對性研究，是對林業(yè)產(chǎn)業(yè)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(dá)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(yōu)勢[21]。盡管如此，大數(shù)據(jù)和林產(chǎn)品市場的研究結(jié)合仍然有諸多發(fā)展的空間，目前利用網(wǎng)絡(luò)信息大數(shù)據(jù)研究林產(chǎn)品市場仍相對較為空白。因此，通過互聯(lián)網(wǎng)大數(shù)據(jù)分享平臺，探索大數(shù)據(jù)技術(shù)在林產(chǎn)品市場預(yù)測、指導(dǎo)和調(diào)控的應(yīng)用具有重要的理論意義。

二、研究方法

從產(chǎn)業(yè)鏈視角出發(fā)，對上游（原木、木材）、中游（集成材、人造板）、下游（木地板、木結(jié)構(gòu)建筑、木門窗家具等）林產(chǎn)品的百度搜索指數(shù)構(gòu)建向量自回歸模型（VAR模型）。

（一）百度指數(shù)

百度指數(shù)是以百度海量網(wǎng)民行為數(shù)據(jù)為基礎(chǔ)的數(shù)據(jù)分享平臺，是當(dāng)前互聯(lián)網(wǎng)乃至整個數(shù)據(jù)時代最重要的統(tǒng)計分析平臺之一，能夠展示某個關(guān)鍵詞在百度的搜索規(guī)模、一段時間內(nèi)的熱度漲跌態(tài)勢以及相關(guān)的新聞輿論變化。百度指數(shù)的主要功能模塊有：搜索指數(shù)、需求圖譜、資訊指數(shù)、媒體指數(shù)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(shù)中的“搜索指數(shù)”功能分析我國主要林產(chǎn)品網(wǎng)絡(luò)關(guān)注度時間特征研究，并通過中心詞的“需求圖譜-相關(guān)詞分類”進(jìn)行中心詞擴(kuò)充。搜索指數(shù)是以網(wǎng)民在百度的搜索量為數(shù)據(jù)基礎(chǔ)，反映關(guān)鍵詞在百度的搜索規(guī)模及一段時間內(nèi)的熱度漲跌態(tài)勢，代表了網(wǎng)絡(luò)關(guān)注度?！靶枨髨D譜-相關(guān)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(guān)程度排序得出來源相關(guān)詞和去向相關(guān)詞。

搜索指數(shù)包括PC端和移動端搜索指數(shù)。PC端趨勢積累了2006年6月至今的數(shù)據(jù)，而移動端趨勢展現(xiàn)了從2011年1月至今的數(shù)據(jù)，為了保證統(tǒng)計指標(biāo)的一致性，將PC端無法匹配移動端的數(shù)據(jù)進(jìn)行剔除，以月為單位，分析我國林產(chǎn)品2011年1月至2019年12月的每月百度搜索指數(shù)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(shù)據(jù)的統(tǒng)計性質(zhì)建立模型，VAR模型把系統(tǒng)中每一個內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量的滯后值的函數(shù)來構(gòu)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(guān)經(jīng)濟(jì)指標(biāo)的分析與預(yù)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(jīng)濟(jì)工作者的重視。不含外生變量的VAR模型的一般數(shù)學(xué)形式如下：

VAR模型的建立主要分為以下步驟：第一，進(jìn)行單位根檢驗，檢驗時間序列是否為平穩(wěn)序列，因非平穩(wěn)序列在回歸分析中存在偽回歸，只有平穩(wěn)序列才能進(jìn)行VAR建模;第二，滯后階數(shù)的確定;第三，格蘭杰因果關(guān)系檢驗，用于檢驗內(nèi)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(tǒng)計學(xué)意義;第四，通過最大特征根是否小于1檢驗?zāi)Ｐ头€(wěn)定性。

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

（三）數(shù)據(jù)的選取

從產(chǎn)業(yè)鏈視角出發(fā)，對上游（原木、木材）、中游（集成材、人造板）、下游（木地板、木結(jié)構(gòu)建筑、木門窗家具等）林產(chǎn)品進(jìn)行數(shù)據(jù)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(chǎn)品的中心詞。然后，利用百度指數(shù)的“需求圖譜-相關(guān)詞分類”功能對中心詞進(jìn)行詞條擴(kuò)充，根據(jù)擴(kuò)充結(jié)果，并結(jié)合產(chǎn)業(yè)鏈產(chǎn)品分類，確定關(guān)鍵詞。

通過以上步驟，確定上游林產(chǎn)品選擇“木材+原木+鋸材”3個詞條;中游林產(chǎn)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(chǎn)品中選擇“地板+木家具+木門”3個詞條。

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

三、結(jié)果分析

通過描述性統(tǒng)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(jié)構(gòu)建筑、木門窗家具等）林產(chǎn)品的百度指數(shù)特征和其之間的相互影響。

（一）描述性統(tǒng)計分析

上游林產(chǎn)品：2011年1月到2019年12月間，上游林產(chǎn)品的百度搜索指數(shù)9年間總體保持平穩(wěn)（見圖1）。具體來看，2013年最低，搜索指數(shù)為797，2018年最高達(dá)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(dá)到峰值，搜索指數(shù)均超過1 500，之后有所下降。

中游林產(chǎn)品：2011年1月到2018年12月間，中游林產(chǎn)品的百度搜索指數(shù)8年間總體穩(wěn)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(chǎn)品：2011年1月到2019年12月間，下游林產(chǎn)品的百度搜索指數(shù)9年間呈現(xiàn)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(dá)到高峰，搜索指數(shù)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(chǎn)品的百度搜索指數(shù)受國家宏觀調(diào)控、房地產(chǎn)新政、環(huán)保督察、世界原木出口限制等因素影響。

第一，市場環(huán)境的影響。2010年后，受世界經(jīng)濟(jì)及我國經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級低迷的影響，國家陸續(xù)出臺很多拉動內(nèi)需的新政策，同時房地產(chǎn)市場調(diào)控政策頻出，國內(nèi)CPI指數(shù)變化較為頻繁，進(jìn)而帶動木材加工產(chǎn)量和市場需求量的變化。但是，近幾年我國經(jīng)濟(jì)進(jìn)入新常態(tài)，經(jīng)濟(jì)下行壓力比較大，這也同樣作用于林產(chǎn)品市場，如2014年以來，以下游林產(chǎn)品為代表的家裝市場網(wǎng)絡(luò)關(guān)注度逐年降低。

第二，國內(nèi)采伐政策的變化。2011年國家啟動第二輪天保工程，調(diào)減了黑龍江、吉林、內(nèi)蒙古和大興安嶺天然林木材產(chǎn)量690萬立方米，國產(chǎn)東北大徑材供給進(jìn)一步減少。2015年天然林全面停止商業(yè)性采伐，國內(nèi)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(yán)苛的環(huán)保政策。我國林產(chǎn)品市場，特別是中游的板材制造業(yè)面臨著節(jié)能減排等環(huán)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(chǎn)量大約占中國板材市場的70%，2017年9月中央環(huán)保督察組對山東臨沂、日照、青島等地的木材加工企業(yè)進(jìn)行環(huán)保督察，95%的木材加工企業(yè)被臨時停產(chǎn)整改，2018年3月山東臨沂的環(huán)保督察“回頭看”，也引發(fā)社會強(qiáng)烈關(guān)注。

第四，國外原木禁出口政策進(jìn)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(chǎn)品市場帶來一定的影響。

（二）VAR模型分析

將上游林產(chǎn)品搜索指數(shù)設(shè)為變量SYBI;將中游林產(chǎn)品搜索指數(shù)設(shè)為變量ZYBI;將下游林產(chǎn)品搜索指數(shù)設(shè)為變量XYBI。通過建立VAR模型，對上、中、下游林產(chǎn)品的搜索指數(shù)的動態(tài)關(guān)系進(jìn)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(wěn)則結(jié)束檢驗;如果不平穩(wěn)，則檢驗（C，0，K），如果平穩(wěn)則結(jié)束;如果不平穩(wěn)，則檢驗（0，0，K），如果平穩(wěn)則結(jié)束，如果不平穩(wěn)則說明變量不平穩(wěn)。其中，C代表截距項，T代表趨勢，K代表滯后階數(shù)。通過ADF單位根檢驗，結(jié)果顯示，上、中、下游林產(chǎn)品搜索指數(shù)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(wěn)序列，具備VAR建模條件（見表1）。

（2）確定最優(yōu)滯后階數(shù)

通過最優(yōu)滯后階數(shù)檢驗，得到LR統(tǒng)計量、赤池信息準(zhǔn)則AIC以及施瓦茨準(zhǔn)則SC等指標(biāo)，根據(jù)AIC、SC最小值的判斷準(zhǔn)則，序列最優(yōu)滯后階數(shù)為1階或2階，此時再根據(jù)LR值越小越優(yōu)原則，選擇2階更為恰當(dāng)。因此，序列VAR模型的最優(yōu)滯后階數(shù)確定為2階（見表2）。

（3）模型穩(wěn)定性檢驗

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

（4）格蘭杰因果關(guān)系檢驗

格蘭杰因果關(guān)系檢驗是一種外生性檢驗方法，用于檢驗內(nèi)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(tǒng)計學(xué)意義。此外，值得注意的是，格蘭杰因果關(guān)系檢驗反應(yīng)的是時間序列數(shù)據(jù)的動態(tài)關(guān)系，具有統(tǒng)計學(xué)意義，但是真正因果性的判據(jù)仍需結(jié)合經(jīng)濟(jì)學(xué)理論分析。

從表3中可以看到，在格蘭杰因果關(guān)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(shè)定的沒有因果關(guān)系的原假設(shè);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(shè)定的沒有因果關(guān)系的原假設(shè);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(shè)定的沒有因果關(guān)系的原假設(shè)。

因此，綜上所述，根據(jù)模型檢驗結(jié)果，下游林產(chǎn)品、中游林產(chǎn)品的搜索指數(shù)的滯后值對上游林產(chǎn)品搜索指數(shù)有顯著性影響，具有預(yù)測能力;上游林產(chǎn)品、下游林產(chǎn)品的搜索指數(shù)的滯后值對中游林產(chǎn)品搜索指數(shù)有顯著性影響，具有預(yù)測能力，即上游林產(chǎn)品和中游林產(chǎn)品的搜索指數(shù)相互影響，下游林產(chǎn)品的搜索指數(shù)變動對上游林產(chǎn)品和中游林產(chǎn)品的搜索指數(shù)變動具有單方向影響。

2.脈沖響應(yīng)和方差分解分析

根據(jù)格蘭杰因果關(guān)系檢驗結(jié)果，上游林產(chǎn)品和中游林產(chǎn)品的搜索指數(shù)相互影響，下游林產(chǎn)品的搜索指數(shù)對上游林產(chǎn)品和中游林產(chǎn)品的搜索指數(shù)產(chǎn)生單方向影響。因此，脈沖響應(yīng)分析和方差分解分析只針對上游對中游林產(chǎn)品的搜索指數(shù)、中游對上游林產(chǎn)品的搜索指數(shù)、下游對上游林產(chǎn)品的搜索指數(shù)、下游對中游林產(chǎn)品的搜索指數(shù)共4個關(guān)系做進(jìn)一步研究。脈沖響應(yīng)反映了模型中每個內(nèi)生變量對誤差擾動沖擊的反應(yīng)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(dá)到逆向影響最大，到第3期后為正向，在第5期達(dá)到正向最大化后降低并趨于收斂。說明中游林產(chǎn)品搜索指數(shù)的增加會對上游林產(chǎn)品產(chǎn)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(chǎn)品搜索指數(shù)的增加也會對中游林產(chǎn)品產(chǎn)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(chǎn)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?yōu)槟嫦?，?期達(dá)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(chǎn)品搜索指數(shù)的變化會對上游林產(chǎn)品和中游林產(chǎn)品搜索指數(shù)產(chǎn)生一定的逆向效應(yīng)。

方差分解是分析每一個結(jié)構(gòu)沖擊對其他內(nèi)生變量的影響程度，通過方差分解反映沖擊的貢獻(xiàn)度。從表4中可以看到：

上游林產(chǎn)品搜索指數(shù)（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(chǎn)品搜索指數(shù)（ZYBI）和下游林產(chǎn)品搜索指數(shù)（XYBI）的影響才逐漸顯現(xiàn)，但是第10期后，上游林產(chǎn)品搜索指數(shù)（SYBI）自身的方差貢獻(xiàn)度仍然超過80%，中游林產(chǎn)品搜索指數(shù)（ZYBI）的方差貢獻(xiàn)度不足20%，而下游林產(chǎn)品搜索指數(shù)（XYBI）的方差貢獻(xiàn)度不足1%，并已經(jīng)趨于穩(wěn)定。這說明上游林產(chǎn)品搜索指數(shù)受中游林產(chǎn)品搜索指數(shù)的影響相對較大，但遲滯性顯著。

中游林產(chǎn)品搜索指數(shù)（ZYBI）主要受自身和上游林產(chǎn)品搜索指數(shù)（SYBI）影響，前3期主要受到上游林產(chǎn)品搜索指數(shù)（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(xiàn)度達(dá)到60%，上游林產(chǎn)品搜索指數(shù)（SYBI）的方差貢獻(xiàn)度仍然超過30%，而下游林產(chǎn)品搜索指數(shù)（XYBI）的方差貢獻(xiàn)度不足10%。這說明中游林產(chǎn)品搜索指數(shù)短期內(nèi)受上游林產(chǎn)品搜索指數(shù)的影響大，長期內(nèi)受自身影響大。

下游林產(chǎn)品搜索指數(shù)（XYBI）第2期后，自身的方差貢獻(xiàn)度已經(jīng)超過90%，并趨于穩(wěn)定。說明下游林產(chǎn)品搜索指數(shù)主要受自身影響，受到其他內(nèi)生變量的影響非常小。

（三）結(jié)果討論

基于百度搜索指數(shù)，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(chǎn)品，即林產(chǎn)品原材料、中間產(chǎn)品、終端產(chǎn)品的時間序列之間的動態(tài)關(guān)系進(jìn)行了分析，根據(jù)格蘭杰因果關(guān)系檢驗，下游林產(chǎn)品、中游林產(chǎn)品的搜索指數(shù)的滯后值對上游林產(chǎn)品搜索指數(shù)有顯著性影響，具有預(yù)測能力;上游林產(chǎn)品、下游林產(chǎn)品的搜索指數(shù)的滯后值對中游林產(chǎn)品搜索指數(shù)有顯著性影響，具有預(yù)測能力。

通過脈沖響應(yīng)和方差分解分析可以得出：上游林產(chǎn)品，即“木材+原木+鋸材”等林產(chǎn)品原材料市場主要受到自身及外部因素的影響，受下游產(chǎn)業(yè)鏈影響較小，其中板材等中間產(chǎn)品具有一定的影響，并具有滯后性。結(jié)合前文的描述性統(tǒng)計分析，在2011年上半年、2015年中、2018年下半年產(chǎn)生三個高峰，其中2011年國家啟動第二輪天保工程，調(diào)減了黑龍江、吉林、內(nèi)蒙古和大興安嶺天然林木材產(chǎn)量690萬立方米，國產(chǎn)東北大徑材供給進(jìn)一步減少，但是2011年1—6月原木進(jìn)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(yè)性采伐，木材原料短缺。2018年，在國家宏觀調(diào)控、房地產(chǎn)新政、環(huán)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(dá)到峰值，同時國外原木禁出口政策進(jìn)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(nèi)木材需求增加，供給減少，導(dǎo)致木材價格上漲。這些都導(dǎo)致了上游林產(chǎn)品原材料搜索指數(shù)的高峰。

中游林產(chǎn)品，即以“板材”為代表的中間產(chǎn)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(jié)合前文的描述性統(tǒng)計分析，從短期看，在原材料市場的傳統(tǒng)淡季，板材等中間產(chǎn)品市場較為冷淡，如每年的7—9月，在這最熱的季節(jié)大部分伐木工人選擇休息，導(dǎo)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(jié)，運輸成本增加，同時多雨季節(jié)運輸和人造板容易受潮，進(jìn)而產(chǎn)生變形、發(fā)霉，為了節(jié)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(chǎn)業(yè)高速發(fā)展，生產(chǎn)、銷售、技術(shù)水平、產(chǎn)品質(zhì)量和經(jīng)濟(jì)效益都得到了全面提高，據(jù)FAO統(tǒng)計，我國是世界人造板生產(chǎn)、消費和進(jìn)口貿(mào)易第一大國，人造板產(chǎn)業(yè)已在中國林產(chǎn)品產(chǎn)業(yè)中占據(jù)舉足輕重的位置。根據(jù)國家林業(yè)和草原局的統(tǒng)計數(shù)據(jù)，2011—2019年，人造板行業(yè)總資產(chǎn)穩(wěn)定增長，企業(yè)數(shù)量基本持平，行業(yè)銷售毛利率和凈利潤率穩(wěn)定小幅增長。

下游林產(chǎn)品，即“地板+家具+木門”等終端林產(chǎn)品市場受上游產(chǎn)業(yè)鏈影響非常小，主要受到自身及外部因素的影響。結(jié)合前文的描述性統(tǒng)計分析，終端林產(chǎn)品與市場環(huán)境，特別是房地產(chǎn)行業(yè)變化息息相關(guān)。2010年后，我國經(jīng)濟(jì)增長承壓，GDP增長率保持在6.5%～7%之間，所以導(dǎo)致下游林產(chǎn)品市場整體較為平穩(wěn)。但是，2012年下半年，由于原材料漲價、家具出口退稅率下調(diào)、人工和銷售成本增加等各種原因，家具和家裝的價格出現(xiàn)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(yīng)緊張、價格上漲的預(yù)期，國內(nèi)家具和家裝業(yè)所面臨的是持續(xù)而巨大的成本壓力，這也導(dǎo)致了2013年第四季度下游林產(chǎn)品搜索指數(shù)的高漲。此外，2018年的房地產(chǎn)新政、環(huán)保督察也對終端的家裝市場產(chǎn)生不良影響，影響了市場信心，進(jìn)而導(dǎo)致2018年以來搜索指數(shù)的下降。

四、結(jié)論與啟示

綜上，林產(chǎn)品的網(wǎng)絡(luò)關(guān)注度具有明顯的時間差異，其間的動態(tài)變化具有內(nèi)在的影響，通過林產(chǎn)品網(wǎng)絡(luò)關(guān)注度時間序列特征分析，對林產(chǎn)品市場的預(yù)測具有重要啟示。

從產(chǎn)業(yè)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(chǎn)業(yè)鏈外部環(huán)境影響。

從網(wǎng)絡(luò)關(guān)注度的角度來看，基于大數(shù)據(jù)的網(wǎng)絡(luò)關(guān)注度對產(chǎn)品市場具有一定的“預(yù)兆”功能，及時把握網(wǎng)絡(luò)關(guān)注度，可以對未來市場行為進(jìn)行預(yù)判，也可以根據(jù)關(guān)注度情況，對產(chǎn)業(yè)的優(yōu)化布局和營銷產(chǎn)品提出針對性的措施。

參考文獻(xiàn)

[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(wǎng)絡(luò)關(guān)注度的時空特征和影響因素——基于百度指數(shù)的研究[J].統(tǒng)計與信息論壇，2016（4）：101-106.

[3]? 劉建.大數(shù)據(jù)背景下稅收治理中的隱私權(quán)保護(hù)問題[J].重慶社會科學(xué)，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(shù)和網(wǎng)絡(luò)文本分析[J].中國農(nóng)業(yè)資源與區(qū)劃，2019（12）：259-267.

[6]? 孫燁，張宏磊，劉培學(xué)，等.基于旅游者網(wǎng)絡(luò)關(guān)注度的旅游景區(qū)日游客量預(yù)測研究——以不同客戶端百度指數(shù)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(wǎng)絡(luò)結(jié)構(gòu)特征——基于公路運輸、火車客運及百度指數(shù)的綜合分析[J].長江流域資源與環(huán)境，2017（9）：1304-1310.

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

[9]? 王術(shù).基于百度指數(shù)核心期刊影響后效應(yīng)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(shù)的“互聯(lián)網(wǎng)+農(nóng)業(yè)”公眾關(guān)注度空間自相關(guān)分析[J].中國農(nóng)業(yè)資源與區(qū)劃，2020（4）：325-330.

[11]? 國家林草局.2019年全國林業(yè)產(chǎn)業(yè)總產(chǎn)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(yè)產(chǎn)業(yè)鏈的形成機(jī)制探析[J].林業(yè)經(jīng)濟(jì)問題，2009（1）：56-60.

[14]? 曲麗麗，田國雙.林業(yè)生態(tài)產(chǎn)業(yè)鏈的穩(wěn)定性分析與政策建議[J].東北農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2010（6）： 46-49.

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

[16]? 洪燕真，戴永務(wù).林業(yè)產(chǎn)業(yè)集群企業(yè)網(wǎng)絡(luò)結(jié)構(gòu)與創(chuàng)新績效的關(guān)系——基于福建林業(yè)產(chǎn)業(yè)集群的調(diào)查數(shù)據(jù)[J].林業(yè)科學(xué)，2015（11）：103-112.

[17]? 王珊珊，楊紅強(qiáng).基于國際碳足跡標(biāo)準(zhǔn)的中國人造板產(chǎn)業(yè)碳減排路徑研究[J].中國人口·資源與環(huán)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(zhì)地板生態(tài)產(chǎn)業(yè)鏈優(yōu)化評價研究[J].四川師范大學(xué)學(xué)報（自然科學(xué)版），2012（4）：573-576.

[19]? 張智光.林紙循環(huán)經(jīng)濟(jì)系統(tǒng)的資源、生態(tài)和價值鏈拓展模型[J].中國人口·資源與環(huán)境，2012（12）：46-53.

[20] 郭承龍，張智光，楊加猛.林業(yè)低碳產(chǎn)業(yè)鏈的共生系統(tǒng)動力解析[J].南京林業(yè)大學(xué)學(xué)報（自然科學(xué)版），2016（6）：92-96.

[21]? 前瞻產(chǎn)業(yè)研究院.2019年中國搜索引擎行業(yè)市場競爭格局分析 百度仍是行業(yè)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(zé)任編輯：丁忠兵）