【摘 要】 本研究以網(wǎng)絡搜索的應用研究為對象，對網(wǎng)絡搜索與經(jīng)濟行為相關的研究歷史進行了總結。按照研究問題的層次將現(xiàn)有研究劃分為微觀、中觀、宏觀三類，分別總結了各層面的研究發(fā)展，并探討了未來可能的研究方向。

【關鍵詞】 網(wǎng)絡搜索 關鍵詞 預測

一、引言

隨著互聯(lián)網(wǎng)的廣泛普及和應用，網(wǎng)絡搜索引擎應運而生。網(wǎng)絡搜索引擎的出現(xiàn)為經(jīng)濟學、社會學等學科的研究打開了新思路。網(wǎng)絡搜索反映了人們的實際需求，而人們的需求要通過社會經(jīng)濟活動得以實現(xiàn)，所以網(wǎng)絡搜索和社會經(jīng)濟活動建立了聯(lián)系。

網(wǎng)絡搜索研究最早是應用于流行病檢測問題。2009年至今，網(wǎng)絡搜索數(shù)據(jù)預測的預測方法拓展到了各個領域，被經(jīng)濟學、社會學等學科廣泛使用，國內(nèi)外均取得了豐富的研究成果。孫毅、呂本富（2011）對網(wǎng)絡搜索與經(jīng)濟行為相關性的文章進行了分類梳理，本文沿用其分類方法，按照研究問題的層次劃分為微觀、中觀、宏觀三個方面對現(xiàn)有文獻進行總結概述。

二、網(wǎng)絡搜索在微觀層面的研究

網(wǎng)絡搜索數(shù)據(jù)在微觀層面的研究主要集中在票房市場、旅游人次、網(wǎng)站用戶關注度預測等幾個方面。

Sharad等人（2010）首先將網(wǎng)絡搜索數(shù)據(jù)應用到了文化產(chǎn)業(yè)中。他們通過網(wǎng)絡搜索數(shù)據(jù)與電影、視頻游戲和網(wǎng)絡歌曲等文化產(chǎn)品的相關性，預測出了這些文化產(chǎn)品在幾天乃至數(shù)周后的熱度趨勢，驗證了將網(wǎng)絡搜索指數(shù)加入到預測模型中能都提高預測的準確度。王煉、賈建民（2014）對網(wǎng)絡搜索數(shù)據(jù)預測電影票房做出了探索。結果顯示，影片相關詞條的搜索量與搜索增長趨勢都能對預測電影票房有所幫助。

李山、邱榮旭等人（2008）利用網(wǎng)絡搜索數(shù)據(jù)進行了旅游景區(qū)關注度分析。研究表明旅游景區(qū)的關注度在特定的時間分布呈現(xiàn)出特點。黃先開，張麗峰等人（2013）年章基于百度指數(shù)，他們將百度搜索指數(shù)加入到模型中對北京故宮的當日游客量進行了預測，結果顯示加入百度指數(shù)的預測模型與傳統(tǒng)模型相比不僅提高了時效性，更提高了準確度。任樂、崔東佳（2014）年加入網(wǎng)絡搜索指數(shù)對北京市游客量進行預測分析，得出了同樣的結論。

其他研究包括王洪偉、張藝偉（2012）通過收集百度指數(shù)數(shù)據(jù)，通過多種理論網(wǎng)頁關注度的計算，提出了一種結合了理論用戶關注度和實際用戶關注度的網(wǎng)頁用戶關注度的新方法。陳濤、林杰（2016）則通過比較谷歌趨勢和百度搜索兩個不同的搜索引擎對突發(fā)事件的網(wǎng)絡輿情進行了研究。結論表明，網(wǎng)絡引擎的關注度指標能夠比較有效的反映突發(fā)事件的網(wǎng)絡輿情變化。

三、網(wǎng)絡搜索在中觀層面的研究

網(wǎng)絡搜索數(shù)據(jù)在行業(yè)研究的應用比較廣泛，在零售業(yè)銷量、房地產(chǎn)交易和股票交易預測等幾個方面都有較為深入的研究。

Choi和Varian在2009年使用谷歌趨勢預測了汽車及零部件銷售、失業(yè)索賠所得、城市旅游人次和消費者信心指數(shù)四個指標，預測結果顯示加入谷歌趨勢數(shù)據(jù)明顯提供了預測的準確度。國內(nèi)王煉、寧一鑒等人（2015）建立模型驗證消費者網(wǎng) 絡搜索對市場份額的影響，結果證明了網(wǎng)絡搜索對汽車銷量具有顯著的正面影響。

Wu和Brynjolfsson（2009）利用谷歌趨勢中房地產(chǎn)搜索指數(shù)建立模型預測美國51個州的房地產(chǎn)市場趨勢，將預測精度提高了23.6%。洪濤、厲偉（2015）則在混頻數(shù)據(jù)的框架下，驗證了網(wǎng)絡搜索數(shù)據(jù)具有對中國房價指數(shù)的解釋能力。曹小琳、牟紅（2016）使用百度搜索數(shù)據(jù)，以全國商品房銷售面積為對象進行擬合預測，提高了原有模型的準確度。王博永、楊欣（2014）則將國家房地產(chǎn)調(diào)控政策進行分類，在百度搜索數(shù)據(jù)的基礎上，考察了國家房地產(chǎn)政策的調(diào)控效果。

Zhi Da等（2011）首先將網(wǎng)絡搜索數(shù)據(jù)與股票市場建立了聯(lián)系，證明了網(wǎng)絡搜索指數(shù)與股票波動之間存在著相關性。張誼浩、李元等（2014）也在網(wǎng)絡搜索數(shù)據(jù)基礎上對股票市場做出了研究。結果顯示網(wǎng)絡數(shù)據(jù)與股票市場存在相互作用，投資者的網(wǎng)絡搜索行為會對資產(chǎn)定價產(chǎn)生影響。

四、網(wǎng)絡搜索在宏觀層面的研究

在宏觀經(jīng)濟層面，網(wǎng)絡搜索數(shù)據(jù)主要應用在失業(yè)率、消費、經(jīng)濟周期等方面的預測。

在失業(yè)率方面，Askitas等（2009）將谷歌趨勢與德國失業(yè)率之間建立了聯(lián)系，他們選取了4組與失業(yè)相關的網(wǎng)絡搜索數(shù)據(jù)，運用計量模型驗證了這些數(shù)據(jù)與當月德國失業(yè)率之間存在著相關關系。Konstantin等（2009）首先將搜索指數(shù)預測延伸到消費領域，他們利用谷歌趨勢預測美國個人消費增長率，與原有模型相比提高了準確度。國內(nèi)張崇、呂本富等（2012）以百度搜索指數(shù)為基礎，建立模型探究了網(wǎng)絡搜索指數(shù)與居民消費價格指數(shù)之間的關系。最終結果證明網(wǎng)絡搜索數(shù)據(jù)與CPI之間存在長期協(xié)整關系。與傳統(tǒng)模型相比，模型預測結果國家官方公布數(shù)據(jù)提前一個月，且模型具有了一定的轉折預測能力。

五、總結展望

網(wǎng)絡搜索的相關性研究開展時間很短，但已經(jīng)涉及到經(jīng)濟學、 社會學、 統(tǒng)計學等多個學科領域，且現(xiàn)有的研究都取得了較好的結果。但需要注意的是，目前網(wǎng)絡搜素的應用并沒有理論基礎作為支撐，所以要警惕出現(xiàn)偽回歸問題。對于網(wǎng)絡搜索與經(jīng)濟行為之間的相關性的機理分析是這一研究領域的一個重點問題，也是未來研究的一個重要方向。選取關鍵詞是網(wǎng)絡搜索研究的重點，但目前國際對于網(wǎng)絡搜索預測研究的關鍵詞選取并沒有完善科學的體系，大多是學者主觀選擇，不可避免的會對結果造成影響。因此建立一個精確的、科學的和可操作性強的關鍵詞選擇體系也是未來的重要研究方向。除此之外，不同的統(tǒng)計模型在處理數(shù)據(jù)中各有優(yōu)勢，但當前的研究在模型選擇上較為單一，沒有考慮網(wǎng)絡數(shù)據(jù)變量多、規(guī)模大等特點，未來可以在處理模型的選擇上做出改進。

【參考文獻】

[1] 孫毅，呂本富.網(wǎng)絡搜索與經(jīng)濟行為相關性研究綜述[J].電子商務與信息管理，2011（07）

[2] Goal S， Hofman JM，Lahaie S，et al. What can we search predict[j].www10，2010

[3] 王煉，賈建民，基于網(wǎng)絡搜索的票房預測模型—來自中國電影市場的證據(jù)[J].系統(tǒng)工程理論與實踐，2014，（12）.

[4] 李山，邱榮旭，陳玲.基于百度指數(shù)的旅游景區(qū)絡空間關注度：時間分布及其前兆效應[J] 地理與地理信息科學，2008，24（6）： 7.

[5] 黃先開，張麗峰，丁于思. 百度指數(shù)與旅游景區(qū)游客量的關系及預測研究——以北京故宮為例[J]. 旅游學刊，2013，28（11）：93-100.

[6] 任樂，崔東佳. 基于網(wǎng)絡搜索數(shù)據(jù)的國內(nèi)旅游客流量預測研究——以北京市國內(nèi)旅游客流量為例[J]. 經(jīng)濟問題探索，2014，（04）：67-73.

[7] 王洪偉，張藝偉 基于百度指數(shù)的網(wǎng)頁用戶關注度研究[J].情報學報.2012，（08：838-845

[8] 陳濤，林杰. 基于搜索引擎關注度的網(wǎng)絡輿情時空演化比較分析——以谷歌趨勢和百度指數(shù)比較為例[J]. 情報雜志，2013，32（03）：7-10+16.

[9] H. Choi， H. Varian. Predicting the Present with Google Trends[R]. Working Paper， 2009

[10] 王煉，寧一鑒，賈建民. 基于網(wǎng)絡搜索的銷量與市場份額預測：來自中國汽車市場的證據(jù)[J]. 管理工程學報，2015，29（04）：56-64.

[11] Lynn Wu， Erik Brynjolfsson. The Future of Prediction—How Google Searches Foreshadow Housing Prices and Sales[R]. WorkingPaper， 2009

[12] 洪濤，厲偉. 基于網(wǎng)絡搜索數(shù)據(jù)的住房價格預期與實際價格波動分析[J]. 統(tǒng)計與信息論壇，2015，30（11）：49-53.

[13] 曹小琳，牟紅.基于網(wǎng)絡搜索的商品房成交量預測研究[J]. 建筑經(jīng)濟，2016，37（02）：73-77.

[14] Zhi Da， Joseph Engelberg， Pengjie Gao. In Search of Attention[R]. Working Paper， 2009

[15] 張誼浩，李元，蘇中鋒，張澤林. 網(wǎng)絡搜索能預測股票市場嗎？[J]. 金融研究，2014，（02）：193-206.

[16] 張崇，呂本富，彭賡，劉穎. 網(wǎng)絡搜索數(shù)據(jù)與CPI的相關性研究[J]. 管理科學學報，2012，15（07）：50-59+70.

[17] 孫毅，戴維，董紀昌，呂本富. 基于主成分分析的網(wǎng)絡搜索數(shù)據(jù)合成方法研究[J]. 數(shù)學的實踐與認識，2014，44（21）：121-128

作者簡介：盧小溪（1992—），女，漢族，籍貫：河北保定，在讀研究生。首都經(jīng)濟貿(mào)易大學國際經(jīng)濟管理學院，研究方向：數(shù)量經(jīng)濟學。