基于网络搜索数据的浙江省社会消费品零售总额的预测研究文献综述

1. 选题背景与意义
2. 选题背景

作为一项反映消费需求状况的重要指标，社会消费品零售总额不仅能反映一国或地区拉动内需政策、制定新政策和新计划的效果，还是各企业制定生产规划、个人投资者做决策的重要参考。因此，不乏有文献对社会消费品零售总额做出预测研究，但已有文献大部分使用的仅是政府统计指标，而这类指标一般具有时间滞后、信息不全等缺点，进而给预测带来困难。

1. 研究意义

随着互联网的普及、电子商务和网络购物的飞速发展，社会消费品零售总额的统计及预测受到更多挑战。在这种情况下，寻求更加科学、有效的方法优化预测不仅可以助力其统计工作，同时还能为政府部门预测宏观经济走势、制定拉动内需政策提供参考。国内外已有很多研究发现网络搜索数据和经济变量之间存在一定的相关性，使用网络搜索数据来预测经济变量的效果优于只使用传统数据的预测模型，并且更加先进简洁。

1. 研究目的

作为一项重要的宏观经济指标，社会消费品零售总额势必和网络搜索数据存在一定相关性。为此，本文将基于已有文献，专注于对浙江省社会消费品零售总额的预测，分析网络搜索数据的加入能否优化以往只使用传统的政府统计数据做解释变量的预测模型。

1. 国内外研究现状综述

国外学者的研究从内容上来看主要体现在利用互联网搜索数据对消费、就业、房地产市场等的预测，例如，Askitas和Ziimmermann（2009）^[1]利用Google在线搜索数据对失业做出预测；Choi和Varian（2009）^[2]利用失业和福利的网络搜索数据对首次申请失业救济情况进行预测；Suhoy（2009）^[3]利用网络搜索数据对德国、意大利和以色列有关劳动力市场的状况进行预测；Simeon 和Torsten（2011）^[4]利用网络搜索数据对美国个人消费增长率进行预测，发现该方法的预测精度高于传统方法；Vosen 和Schmidt（2011）^[5]利用网络搜索数据时间序列建立的个人消费月度指标对消费指标进行预测，发现该方法的预测效果优于基于样本调查的预测效果；Wu和Brynjolfsson（2009）^[6]、Choi和Varian（2011）^[7]发现利用与住房有关的网络搜索数据对美国的住房销售进行预测优于传统模式；McLaren和Shanbhogue（2011）^[8]对英国就业和住房市场进行预测，发现包含在线搜索数据的模型提高了预测精度；Schlegel（2014）^[9]利用在线大数据对管理供应链风险进行预测。国内也有众多利用网络搜索数据对经济变量做预测的研究，宋双杰等（2011）^[10]、赵龙凯等（2013）^[11]利用百度搜索量数据对股票 IPO 市场异象和股票收益率进行研究；张崇等（2012）^[12]利用Google搜索数据对CPI进行预测；孙毅等（2014）^[13]利用搜索数据对通货膨胀进行预测；董倩等（2014）^[14]以网络搜索数据为基础，使用多种计量模型对我国 16 个城市的二手房价和新房价进行拟合和预测，结果发现网络搜索数据能够较好地预测房价指数，且有一定的时效性；任乐和崔东佳（2014）^[15]基于网络搜索数据对北京市国内旅客流量进行预测，并得到较好的预测效果；王炼和贾建民（2014）^[16]利用网络搜索数据对突发性灾害事件风险感知进行预测；刘涛雄和徐晓飞（2015）^[17]基于网络搜索数据和政府统计数据对我国宏观经济总量GDP 进行预测研究，得到比只使用传统统计数据更准确的预测效果；李方一等（2016）^[18]利用网络搜索数据对区域经济进行预警研究；袁铭（2016）^[19]利用网络搜索数据的混合频率模型对理财产品收益率等一些经济变量进行预测；董倩（2016）^[20]基于网络搜索数据，采用3折交叉验证技术，运用支持向量机和线性回归的方法研究了雾霾经济消费对CPI的影响；董莉等（2017）^[21]根据93类商品或服务的百度指数，基于分布滞后模型构建了CPI的实时预测模型，得到了与真实值吻合较好的CPI预测值；耿林和毛宇飞（2017）^[22]介绍了基于网络搜索数据构建就业景气指数的方法，并探讨该指数与宏观经济景气指标的联系，由此对中国就业形势做出短期预测。可以看出，网络搜索数据以其及时性、高频性的特点已成为国内外研究者进行预测研究的新的数据来源，预测内容涉及消费、就业、房地产市场、宏观经济、旅游、股票、指数构建等方方面面，预测方法大多是建立计量模型，预测效果在及时性和精确性方面优于传统的政府统计数据。

二、研究的基本内容和拟解决的主要问题

（一）主要研究内容

本文一共分为五个章节。

第一章为绪论，主要对选题背景进行介绍，总结社会消费品零售总额预测的重要意义，明确论文的研究思路，建立本论文的研究框架，归纳总结了主要的创新点与不足点。

第二章为文献综述，主要对国内外关于社会消费品零售总额预测的各种方法进行了梳理，主要包括时间序列预测、经济计量方法、人工智能算法以及各种组合预测方法。同时对网络搜索指数的应用研究进行了整理，主要应用于金融、疾病监测、失业率、电影票房及旅游等方面。

第三章为社会消费品零售总额数据及网络搜索关键词分析。选择浙江省社会消费品零售总额数据进行预测研究，并在百度指数大数据分享平台围绕浙江省选取了五个百度搜索关键词，对浙江省社会消费品零售总额及五个关键词的网络搜索数据进行描述性统计，并进行相关分析，验证网络搜索数据可以预测社会消费品零售总额。

第四章为基于网络搜索数据，运用时间序列分析对浙江省社会消费品零售进行预测。

第五章为建议与展望，利用实证结果对相关部门提出政策性建议，并指出本研究的局限性，对未来的研究进行展望。

（二）拟解决的主要问题

基于浙江省的数据，研究网络搜索数据能否优化以往仅使用政府统计指标对社会消费品零售总额的预测。

（三）论文框架结构

第 1 章 绪论

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 研究内容

1.3 研究思路和框架

第 2 章 文献综述

第 3 章 社会消费品零售总额数据及网络搜索关键词分析

3.1 社会消费品零售总额数据来源及数据处理

3.2 相关网络关键词来源及选取

3.3 浙江省社会消费品零售总额及网络搜索数据描述性统计

3.4 网络搜索数据对社会消费品零售总额的影响性分析

3.4.1 相关分析

第 4 章 基于网络搜索数据的浙江省社会消费品零售预测研究

4.1 浙江省社会消费品零售预测时间序列分析

4.2 基于网络搜索数据预测研究与传统预测结果对比分析

第 5 章 总结与展望

5.1 主要研究结论

5.2 研究展望

参考文献

1. 研究方法及技术路线（拟采取的研究手段及技术路线、实验方案等）
2. 研究方法
3. 学校的图书馆查阅相关的资料文献以及具有权威性的学术期刊。
4. 利用学校的电子阅览室的网络在知网上等学术网站进行文献检索、查阅相关的文献资料了解最新的情况，吸取和借鉴想进的理念。
5. 利用大量的文献资料的搜集，根据自己的理解和对资料进行筛选跟提炼，从而形成自己的内容，融入论文中。
6. 遇到难以解决的问题及时的与论文指导老师讨论跟沟通，扩展论文的写作思路，提升论文的理念价值。
7. 技术路线（实验方案、撰写提纲）

四、研究工作的步骤与进度

五、主要参考文献（作者、书名、论文题目、出版社或出版号、出版年月或出版期号。文科不得少于15篇，理科不得少于10篇，其中外文文献应不少于2篇）

[1] Askitas N，Ziimmermann K F. Google Econometrics and Unemployment Forecasting[J]. Applied Economics Quarterly，2009，（2）：107-120.

1. Choi H，Varian H. Predicting Initial Claims for Unemployment Insurance Using Google Trends [R]. Technical Report，Google，2009.
2. Suhoy T. Query Indices and a 2008 Downturn: Israeli Data[M]. Bank of Israel Discussion Papers，2009.

[4] Simeon V，Torsten S. Forecasting Private Consumption: Survey-based Indicator vs Google Trends[J]. Journal of Foresting，2011，（10）：1002-1013.

[5] Vosen S，Schmidt T. Forecasting Private Consumption: Survey-Based Indicators VS. Google Trends[J]. Journal of Forecasting，2011，（6）：565-578.

[6] Wu L，Brynjolfsson E. The Future of Prediction: How Google Searches Foreshadow Housing Prices and Quantities[R]. Thirtieth In⁃ternational Conference on Information System, 2009：1-14.

[7] Choi H，Varian H. Predicting the Present with Google Trends [R]. Technical Report，Google，2011.

[8] McLaren N，Shanbhogue R. Using Internet Search Data as Economic Indicators[J]. Bank of England Quarterly Bulletin，2011，（Q2）：134-140.

[9] Schlegel G L. Utilizing Big Data and Predictive Analytics to Manage Supply Chain Risk[J]. Journal of Business Forecasting，2014，（4）：11-17.

[10] 宋双杰，曹晖，杨坤.投资者关注与IPO异象——来自网络搜索量的经验证据[J]. 经济研究，2011，（S1）：145-155.

[11] 赵龙凯，陆子昱，王致远.众里寻“股”千百度——股票收益率与百度搜索量关系的实证探究[J]. 金融研究，2013，（4）：183-195.

[12] 张崇，吕本富，等.网络搜索数据与CPI的相关性研究[J]. 管理科学学报，2012，（7）：50-59.

[13] 孙毅，吕本富，等.大数据视角的通胀预期测度与应用研究[J]. 管理世界，2014，（4）：171-172.

[14] 董倩，孙娜娜，李伟. 基于网络搜索数据的房地产价格预测[J].统计研究，2014，（10）：81-88.

[15] 任乐，崔东佳.基于网络搜索数据的国内旅游客流量预测研究——以北京市国内旅游客流量为例[J].经济问题探索，2014，（4）：67-73.

[16] 王炼，贾建民.突发性灾害事件风险感知的动态特征：来自网络搜索的证据[J].管理评论，2014，（5）：169-176.

[17] 刘涛雄，徐晓飞.互联网搜索行为能帮助我们预测宏观经济吗[J]. 经济研究，2015，（12）：68-83.

[18] 李方一，肖夕林，刘思佳.基于网络搜索数据的区域经济预警研究[J]. 华东经济管理，2016，（8）：60-66.

[19] 袁铭.基于网络搜索量和混合频率模型的经济变量预测研究[J]. 统计与信息论坛，2016，（5）：27-35.

[20] 董倩.基于网络搜索数据的雾霾经济与CPI相关性研究[J].调研世界，2016，（12）：58-60.

[21] 董莉，等.大数据背景下的CPI实时预测研究[J].调研世界，2017，（8）：51-54.

[22] 耿林，毛宇飞.中国就业景气指数的构建、预测及就业形势判断[J].中国人民大学学报，2017，（6）：24-35.