一种基于百度指数的城市日游客规模预测方法

• 作者: 任欢 刘婷 康俊锋 潘宁 李敏靓 艾顺毅
• 来源期刊: 浙江大学学报（理学版）
• 学科: 经济
• 关键词: 百度指数 地理空间属性 ARMA模型 VAR模型 游客规模预测
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 旅游学
• 页码范围: 753-761
• 页数: 9页
• 分类号: F590
• 语种: 中文
• DOI: 10.3785/j.issn.1008-9497.2020.06.014

摘要

百度指数数据为预测游客规模提供了新思路.以杭州市为例,首先研究新浪微博签到数据与统计年鉴中实际游客量的关系,用新浪微博签到人数模拟实际旅游人数,建立杭州市日游客规模自回归移动平均(auto regressive moving average,ARMA)模型,并进行预测;然后结合计量经济学中的协整检验和格兰杰因果关系检验,分析百度指数与微博签到人数之间的关系,利用百度指数空间分布特征及主成分分析后提取的3个解释变量构建向量自回归(vector auto regression,VAR)模型;最后比较了2个模型的预测精度.结果显示,百度指数存在地理空间属性,且与新浪微博签到人数互为格兰杰因果关系,存在1～23d的滞后期.此外,相比ARMA模型,考虑了百度指数地理属性的VAR模型在样本期内的预测精度提高了13.1％,在样本期外的预测精度提高了27.9％.研究表明,百度指数的时间和空间属性对游客规模预测有重要意义和价值.