王榮健+王磊

[摘 要]本文以鄭州出租車市場為例，借用滴滴快的智能出行平臺(tái)，抽取6個(gè)觀測點(diǎn)，搜集不同時(shí)刻的出租車供給量與打車需求量，用Eviews軟件從縱橫兩個(gè)截面分析它們之間的關(guān)系，建立了基于面板數(shù)據(jù)供求匹配模型，并用LSDV的固定效應(yīng)模型進(jìn)行估計(jì)，找到需求量與供給量之間的關(guān)系，以預(yù)測值與真實(shí)值差值絕對(duì)值的對(duì)數(shù)作為評(píng)價(jià)指標(biāo)，得出鄭州市出租車供求匹配度指數(shù)。

[關(guān)鍵詞]LSDV；固定效應(yīng)模型；仿真；鄭州

doi：10.3969/j.issn.1673 - 0194.2017.20.083

[中圖分類號(hào)]F572.88 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1673-0194（2017）20-0-02

0 引 言

隨著社會(huì)的不斷發(fā)展和科技的迅速進(jìn)步，互聯(lián)網(wǎng)已經(jīng)滲入人們生活的每一個(gè)角落。由于互聯(lián)網(wǎng)的便捷性、實(shí)用性和可靠性等優(yōu)勢，使“互聯(lián)網(wǎng)+”成為“新寵兒”。滴滴打車和優(yōu)步等網(wǎng)絡(luò)打車軟件成為人們出行的新選擇，然而打車軟件過快發(fā)展也產(chǎn)生了一些問題，如資源配置失衡、打車難、空載甩客等現(xiàn)象。因此，本文利用信息資源匹配、模糊化數(shù)據(jù)處理來改善“出租車”資源配置不平衡和打車難等問題，是十分必要的。

1 基于面板數(shù)據(jù)的供求匹配模型

面板數(shù)據(jù)是同時(shí)在時(shí)間和截面空間上獲取的二維數(shù)據(jù)，主要有固定效應(yīng)模型和隨機(jī)效應(yīng)模型。出租車市場出現(xiàn)的問題主要體現(xiàn)在空載率高、打車難和等待時(shí)間長。本文為了反映這一問題的程度，引入了出租車的供求匹配度φ（P，N），建立的模型如下。

（1）量化不同時(shí)間、不同觀測點(diǎn)出租車的供給量P及打車需求量N作為面板數(shù)據(jù)的輸入；

（2）分析P、N與時(shí)間、觀測點(diǎn)的關(guān)系以及不同時(shí)空P、N之間的關(guān)系；

（3）用Eviews軟件對(duì)P、N進(jìn)行參數(shù)估計(jì)與假設(shè)檢驗(yàn)，確定采用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型；

（4）給出回歸方程N(yùn)（P），將初始值P帶入N（P），計(jì)算出不同時(shí)空打車需求量的估計(jì)值；

（5）計(jì)算供求匹配度。（這里實(shí)際上是匹配度指數(shù)，就像統(tǒng)計(jì)年鑒上的生產(chǎn)指數(shù)一樣，它的值越接近10，說明匹配程度越好。）

2 數(shù)據(jù)仿真

鄭州市出租車市場起步較早，凸顯的問題也比較多，因此本文選取鄭州市出租車市場具有一定的實(shí)際意義。本文借助蒼穹滴滴快的智能出行平臺(tái)，選取2017年8月9日0～24時(shí)的部分?jǐn)?shù)據(jù)，分別從鄭州市一環(huán)、二環(huán)、三環(huán)選取二七廣場（EQGC）、大衛(wèi)城（DWC）、中原萬達(dá)（ZYWD）、王府井（WFJ）、曼哈頓（MHD）和二七萬達(dá)（EQWD）6個(gè)不同的觀測點(diǎn)作為研究對(duì)象，進(jìn)行仿真分析，見表1。

本文通過使用Eviews軟件對(duì)數(shù)據(jù)進(jìn)行隨機(jī)效應(yīng)估計(jì)，得F-statistic=0.062 96，R-squared=0.000 861，可以看出，擬合度非常低，隨機(jī)效應(yīng)模型顯得不合理；用Eviews軟件進(jìn)行固定截面估計(jì)，得F-statistic=5.698 93，R-squared=0.604 19，可以看出，個(gè)體效應(yīng)十分顯著，會(huì)產(chǎn)生較大誤差，需要進(jìn)一步改進(jìn)；對(duì)原始出租車供給量N和打車需求量P做一次差分，再進(jìn)行LSDV估計(jì)，得R-squared=0.975 28，F(xiàn)=147.290 7，可以看出，回歸系數(shù)顯著，模型的擬合度比較高。6個(gè)地方的需求—供給函數(shù)具體見表2。

由回歸方程可以計(jì)算出每個(gè)地方的出租車需求量的預(yù)測值，并對(duì)預(yù)測值數(shù)據(jù)四舍五入取整后，計(jì)算出預(yù)測值與真實(shí)值的誤差絕對(duì)值Eij（見表3），通過計(jì)算可以得出匹配度

3 結(jié) 語

通過上述模型可以看出，鄭州市出租車市場供求匹配度還是比較低的。這也比較符合實(shí)際情況，一方面，鄭州市公交系統(tǒng)比較方便，很多市民選擇公交出行，導(dǎo)致部分區(qū)域出現(xiàn)租車供大于求、空載率較高的現(xiàn)象；另一方面，由于時(shí)間和區(qū)域位置的限制，會(huì)造成市民扎堆出行，導(dǎo)致部分市民等待時(shí)間較長，出現(xiàn)供小于求、打車難的現(xiàn)象。

主要參考文獻(xiàn)

[1]王志剛.面板數(shù)據(jù)模型及其在經(jīng)濟(jì)分析中的應(yīng)用[M].北京：經(jīng)濟(jì)科學(xué)出版社，2008.

[2]司守奎，孫兆亮.數(shù)學(xué)建模算法與應(yīng)用[M].第2版.北京：國防工業(yè)出版社，2015.

[3]張曉峒.Eviews使用指南與案例[M].北京：機(jī)械工業(yè)出版社，2007.endprint