关键词：新能源汽车;大数据;搜索指数;需求预测
摘 要：文章基于网络搜索大数据,以新能源汽车为例,结合统计学和计量经济学理论与方法,利用斯皮尔曼相关系数、协整检验和格兰杰因果关系,检验分析了搜索指数与新能源汽车实际需求之间的关系。以新能源汽车历史销量作为单一变量建立自回归滑动平均模型(ARMA),并与加入了搜索指数的向量自回归模型(VAR)进行比较。结果表明,加入搜索指数的预测模型相较传统的预测模型,在样本期内和样本期外的预测精度分别提高了11.69%和14.95%。该模型只需利用前4个月的新能源汽车销售数据和网络搜索大数据,就能够准确地预测下一个月的需求,在提高预测时效性的同时,也为个人、企业和政府决策提供可靠的依据。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取