《表3 不同模型和算法的MSE结果》
表3展示了使用不同数据集的模型和不同算法获得的MSE的结果。表中的结果报告了百度指数滞后一期的效果。表中除了模型(4)中(外观和内饰)的MSE值大于基准模型外,其他模型得出的MSE均小于基准模型,三种机器学习算法在模型(2)中得出的MSE结果均比基准模型的MSE小,获得的MSE结果一致。验证了本文提出的第一个研究问题,搜索数据可以有效的增强汽车销量的预测效果;回顾之前的第二个研究问题,是否口碑属性得分能够有效的增强搜索数据的预测作用,根据鲁棒性检验,在三种算法中,口碑总得分并不能有效增强搜索数据的的预测效果。而在三种机器学习算法下,基于百度搜索指数+动力属性评分的模型结果一致,表明在搜索数据的基础上,汽车动力口碑上的变化能够影响汽车的销量。在非线性方法下,模型(4)中的空间、操控、舒适性三个结果一致,MSE值均小于模型(2)的结果,都能够增强搜索数据的预测效果。说明空间、操控、舒适性是消费者最关心的几个方面,这些产品属性方面的变化,能够引起消费者的关注和购买。同时也说明基于产品总评分的口碑预测效果,弱于基于产品某些属性特征的口碑预测效果。
图表编号 | XD00168360200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 章金成、张宁、张锐 |
绘制单位 | 青岛大学商学院、青岛大学商学院、青岛大学商学院 |
更多格式 | 高清、无水印(增值服务) |