基于电商平台大数据的特征价格指数研究

发布时间：2024-05-21 20:55

　　近一二十年来,创新和技术水平的突飞猛进加剧了商品市场的竞争格局,促使产品更新换代频率提高、生命周期缩短、新产品功能和质量显著提升。这些新情况是导致产品样本代表性缺失、价格指数结果存在系统性偏差的主要原因,对我国官方价格统计提出了挑战。本文结合兼具扫描数据和网络爬虫数据优点的电商平台大数据,针对新经济时代传统特征价格指数面临的多重问题,提出一种全面、系统的特征价格指数优化方法。以特征价格估计法为基本框架,就模型设定不足、权重缺失和指数的链式漂移问题,提出了充分考虑特征变量规模效应和模型经济意义的加权非线性特征价格模型,并借助RYGEKS指数化解链式漂移。在此基础上,本文利用京东平台大数据进行试算,结果表明:传统价格指数由于样本轮换滞后、质量调整不足存在系统性偏差;改进的特征价格模型纠正了模型设定和权重缺失问题,对产品特征价格的拟合效果更优;完全匹配数据下的RYGEKS指数能够有效克服链式漂移的问题。

【文章页数】：13 页

【文章目录】：
一、引言
二、主要特征价格法及实践中面临的问题
    (一)特征价格法研究现状
    (二)传统特征价格法介绍
        1．特征虚拟时间变量法。
        2．特征价格估计法。
        3．质量调整系数法。
    (三)传统特征价格法在实践中面临的问题
        1．数据来源不足阻碍了传统特征价格法的应用。
        2．传统特征价格法面临模型设定不足的偏差。
        3．传统特征价格法面临模型权重缺失的偏差。
        4．传统特征价格指数面临链式漂移的问题。
三、模型构建
    (一)传统特征价格估计模型
    (二)加权—特征价格估计模型
    (三)加权—ADL特征价格估计模型
    (四)RYGEKS指数构建
四、数据来源和变量描述
    (一)数据来源及预处理
        1．价格领域不同类型大数据的比较。
        2．数据来源说明。
        3．数据预处理。
    (二)变量描述
五、实证分析
    (一)特征价格指数与传统价格指数差异对比分析
    (二)权重对特征价格估计模型影响的差异分析
    (三)模型设定不足对特征价格估计模型影响的差异分析
    (四)链式漂移处理效果分析
六、结论与展望
    (一)研究结论
    (二)研究展望



本文编号：3979910