網絡搜索數據與宏觀經濟景氣指數的關聯研究

摘 要：網絡搜索數據作為研究我國宏觀經濟現象的重要微觀信息依據，具有顯著意義。本文分別從消費、投資、進出口、工業生產、政策、勞動力及經濟形勢七方面選取并篩選關鍵詞，進而合成網絡搜索指數，通過深入的相關性研究發現，網絡搜索指數與宏觀經濟之間呈現較高的相關性。這意味著網絡搜索指數一方面能為宏觀經濟政策制定者提供更為準確且及時的決策參考，使政策制定更具針對性和有效性，助力宏觀經濟的穩定與發展；另一方面也能為市場參與者提供有價值的信息，幫助其更精準地把握市場動態，從而做出更明智的投資和經營決策，促進市場健康有序運行。

關鍵詞：網絡搜索數據；工業增加值；宏觀經濟；主成分分析；經濟景氣指數

中圖分類號：F724.6 文獻標識碼：A 文章編號：2096-0298（2024）12（a）--04

1 引言

據第54次互聯網統計公報顯示，截至2024年6月，我國網民規模已達11億人，較2023年12月增長742萬人，互聯網普及率高達78.0%；手機上網用戶達10.96億人，使用手機上網比例為99.7%［1－3］。隨著現代科技不斷更迭，獲取并儲存海量數據已成為現實，網絡搜索信息相比傳統信息涵蓋了更多領域和層面，能夠從不同角度反映出社會經濟活動的動態變化、人們的關注點及市場的潛在趨勢等，為我國互聯網的規模和普及率為相關問題的研究提供了一個很好的樣本，這是傳統數據收集模式所無法企及的。近些年來，隨著算力水平的不斷提升及大數據算法的持續演進，機器學習、深度神經網絡、并行計算、云計算等一系列先進技術得以廣泛應用，它們為宏觀經濟指數的高頻構建帶來具有革新意義的解決方案。但就目前文獻來看，大多數內容主要側重于探究網絡搜索數據對于 GDP、CPI、PPI 等指數所具備的預測效能，然而，涉及宏觀經濟景氣與網絡搜索數據之間關聯機制的文獻相對較少。本文通過爬蟲技術，充分運用網絡搜索數據信息，將其進行整合以合成網絡搜索指數，從而進一步構建宏觀經濟景氣指數展開分析與預測工作，能夠切實有效增強宏觀經濟預測預警的成效。

隨著網絡搜索引擎的普及，網民們能夠更加便捷地獲取和傳播信息，對社會熱點問題進行關注和討論，網絡搜索數據往往能夠反映出社會環境的動態變化。目前已有不少學者開始利用網絡搜索行為信息在經濟領域開展預測研究。劉濤雄和徐曉飛（2015）[4]探討互聯網搜索行為對宏觀經濟預測的影響。通過對比多種模型，發現互聯網搜索行為可輔助預測，但不能替代傳統數據，并提出“兩步法”，即先利用政府統計指標，再加入搜索指數，可提高預測效果。袁銘（2016）[5]運用混頻模型研究了網絡搜索數據和宏觀經濟總量的相關性，且搜索量在預測模型中的貢獻度分布具有不同模式；Simionescu等（2020）[6]利用英國脫歐事件網絡搜索行為信息預測當地每月失業率，通過建立面板數據模型和混合效應模型，證明使用谷歌趨勢收集的數據所預測的失業率更為及時高效；陽向軍等（2021）[7]以廣西為例，研究網絡搜索數據對區域經濟預測的作用，選取工業總產值和居民消費價格指數為基準指標，利用數據構建ARIMA和ARDL系列模型，結果表明引入搜索數據的模型預測更優；王巍等（2021）[8]以海南為對象，基于均衡價格理論揭示網絡搜索數據與旅游消費價格指數的關系。通過主成分分析構建旅游價格指數模型，結果表明網絡搜索數據有一定時效性，新模型效果更佳。徐之韻等（2023）[9] 對網絡搜索數據在心理學中的應用進行綜述，得出通過網絡搜索數據可以提高研究的信度和效度，更深入地探討網絡搜索行為背后的心理機制，并有助于更好地理解新冠疫情對公眾心理健康的影響，并為之制定有效的干預措施提供科學依據；易艷萍等（2024）結合 EM 算法和Lasso方法提出混頻動態多因子模型用于GDP即時預測。本文共選取17個宏觀經濟指標，通過實證對比不同模型，結果顯示該模型預測精度更高，還分解出對GDP即時預測影響較大的幾個宏觀經濟變量。程實等（2024）構建了基于16個高頻指標的ICHI指數體系，涵蓋消費、投資等層面。通過計算指標周變動率等步驟合成指數，經評測，該指數能夠模擬中國經濟短期運行，為政策制定者和市場參與者提供實時數據和預測工具。

2 理論分析

經濟景氣指數猶如經濟領域的靈敏指示器，能夠精準反映出經濟運行的態勢和變化趨勢。經濟景氣指數的影響因素，可從宏觀及微觀兩個角度展開分析。

從微觀層面進行剖析，經濟景氣指數廣泛涉及經濟活動的方方面面，其中包含生產環節，涵蓋了從原材料的采購到產品的制造等一系列過程；流通環節，涉及商品在市場中的運輸、儲存及銷售渠道等諸多方面；分配環節，關乎到生產成果在不同群體、不同領域之間的分配方式與比例；消費環節，涵蓋了消費者的購買行為、消費偏好及消費能力等相關因素。它涵蓋了各個行業與產業的運營狀況，例如原材料市場中，原材料的價格波動、供應穩定性及市場競爭態勢等都會對經濟景氣指數產生影響；勞動力市場里，勞動力的供求關系、工資水平及勞動力素質等方面的變化也與之密切相關；消費市場中，消費者的信心指數、消費結構的轉變及市場飽和度等都是重要的影響因素；金融市場上，利率的波動、資金的流動性及金融產品的創新等都會對經濟景氣指數產生作用；國際商品市場方面，國際貿易政策的調整、匯率的變化及國際市場的供求關系等因素也不容忽視。

依據均衡價格理論可知，商品的價格深受供求關系的制約。當市場上對某種商品的需求增加，而供應相對不足時，價格往往會上升，這可能會促使相關行業擴大生產規模，提升運營效益；反之，當需求減少，供應過剩時，價格則會下降，可能導致行業面臨產能過剩、利潤下滑等問題，進而影響到各個行業的運營狀態。與此同時，由于價格調整存在黏性，即價格不會立即隨著市場供求關系或其他因素的變化而迅速調整，所以商品價格的水平調整對宏觀經濟運行存在一定的時滯性。這意味著宏觀經濟環境發生變化時，商品價格可能不會立即做出相應調整，而是需要一段時間來逐漸適應新的經濟形勢，從而對經濟景氣指數的反映也存在一定延遲。

從宏觀角度來講，經濟景氣指數會受多種因素的影響。貨幣政策主要通過貨幣供給和利率來對物價進行調控。財政政策則是借助調節財政支出和稅收來穩定經濟波動的重要手段。例如，在基礎設施建設方面增加財政支出，可能會帶動相關產業的發展，提高市場活躍度，對經濟景氣指數產生積極的影響；而稅收政策的調整也會影響企業和個人的經濟行為，從而間接作用于經濟景氣指數。此外，諸如自然災害及公共衛生事件等各類突發事件，往往會給經濟的正常運行帶來巨大沖擊。它們會擾亂原本穩定的供求關系，使市場預期發生混亂，進而對經濟景氣指數造成不可忽視的影響。

互聯網時代背景下，人們獲取信息的方式變得極為豐富多樣，搜索引擎、網上購物甚至網上交友等均是常見途徑。同時，這些數量極為龐大的搜索行為還會構建起一個規模宏大的數據庫。百度不僅是中國第一個現身于國內市場上的搜索引擎，而且其市場占有率和用戶數量都位居第一名。

宏觀經濟的運行變化能夠影響生產者和消費者的抉擇與行動，此行為又會進一步在市場和網絡信息中有所展露，主要體現為網絡關鍵詞搜索頻次、網頁瀏覽等指標的變動，這些變動具備及時性。故而，本文認為選取能夠體現宏觀經濟運行狀況的關鍵詞，剖析網絡搜索數據和宏觀經濟景氣之間的相關聯系及先行滯后聯系是全然可行的。

3 宏觀經濟景氣網絡搜索指數構建

3.1 數據選擇與預處理

3.1.1 數據選擇

為確保數據具備充分的合理性與高度的權威性，本文數據來源于兩個部分，一部分是基準指標，當前，GDP是刻畫宏觀經濟運行狀態的主要指標，但GDP是季度數據，在時間維度上與月度經濟指標存在差異，從而導致無法直接將其與其他月度經濟指標進行有效比較分析，因此本文需選用能夠在時間頻率上與月度經濟指標相匹配的其他指標作為基準指標。結合各方面考慮，本文選取工業增加值作為判斷的參照系；另一部分是網絡搜索指數，其數據選取源自百度指數網站。百度指數憑借對網民搜索行為的記錄和分析，能夠精準反映在特定時間段內，一個或多個關鍵詞受到關注的程度和狀況。這種反映是基于真實的用戶行為數據，具有較高的可信度和參考價值，也能夠清晰反映出網民在網絡世界中的關注點和興趣傾向，為研究網絡行為及相關領域的趨勢變化提供了有價值的數據支撐，不僅有助于了解社會熱點的動態演變，還能在一定程度上為市場分析、輿情監測等工作提供重要的參考依據，幫助相關人員更好地把握公眾需求和市場脈搏。為確保數據量充足，并且使計算所得到的結果更具精確性，本文百度指數的關鍵詞指數選取PC端（2006年開始）和移動端數據（2011年開始）兩個數據端數據，因此宏觀經濟景氣一致指數選取的時間段是2011年1月—2023年12月。

關鍵詞選擇按以下步驟進行處理：第一，篩選關鍵詞。首先根據宏觀景氣一致指數的構成因素初選關鍵詞，并根據國家統計局對宏觀經濟景氣一致指數的定義依據，本文選取關鍵詞制定了7個基準，分別是：進出口、消費、投資、工業生產、政策、勞動力以及經濟形勢。依據網民搜索行為和宏觀經濟景氣之間的相關性，先篩選出具備代表性的搜索詞，再結合百度指數的關鍵詞推薦功能，將初選關鍵詞擴充到143個。為提高分析的精確度和可靠度，對得到的143個關鍵詞進行預處理，最終得到核心關鍵詞共37個，本文最終選取代表進出口類搜索詞包括：匯率、天然氣等7個；消費類搜索詞包括：糧食價格、汽車等15個，投資類搜索詞包括：外資、上證指數4個；工業生產類搜索詞包括：固定資產投資、供應鏈等8個；政策類搜索詞包括：財政政策、轉移支付2個；勞動力類搜索詞包括：失業率、五險一金等5個；經濟形勢類搜索詞包括：gdp、稅率等6個。通過爬蟲技術，獲取這些關鍵詞在2011年1月1日—2023年12月31日的日搜索量數據，能夠為深入研究網絡搜索數據和宏觀經濟景氣之間的關系提供有力支持，同時更好地剖析兩者之間的相關聯系及先行滯后聯系。

3.1.2 數據預處理

本文運用python爬蟲技術針對整理好的關鍵詞開展數據爬取工作，所獲取的數據屬于日度數據。由于要和工業增加值的數據標準達成一致，所以需把爬取到的日度數據進行轉化合并成為月度搜索量數據，并運用三項移動平均法消除月度數據所具有的周期性以及季節性影響。在進行平均處理之后，會丟失兩期關鍵詞數據，因此數據跨度為2011年3月—2023年12月。

運用時差相關分析法來計算各個關鍵詞和工業增加值之間的時差相關系數。充分考慮到后續進行建模時樣本容量和變量個數之間的關系，本文將那些與工業增加值相關系數小于0.5，并且在時間變化上滯后于工業增加值變化的關鍵詞指標予以剔除，在后續研究分析中，能夠更精準地把握對工業增加值有顯著影響且在時間序列上具有同步性或先行性的因素，使研究結果更具科學性與可靠性，最終選取關鍵詞37個。其中部分關鍵詞相關性高達0.8以上，例如物業費的相關系數為0.849，政府采購相關系數為0.847，蔬菜價格相關系數為-0.819等。

3.2 網絡搜索數據的降維處理

對于所獲取的關鍵詞需再度實施降維操作，以便提煉出更有價值的信息。本文采用主成分分析的方法進行降維處理，提取累計貢獻率達到70%及以上的主成分作為全新變量，并構建主成分綜合模型。首先需要對樣本數據開展KMO和Batrtlett球形檢驗，其主要作用在于檢驗所得到的關鍵詞數據是否適宜運用主成分分析來進行降維及提取信息。

通常來說，KMO的值越接近于1，表明樣本數據越適合用主成分分析。由檢驗可知，KMO的值為0.885，大于0.6，Bartlett球形度檢驗的顯著性值p<0.001，表明數據的內關聯性很高，有助于進一步開展主成分研究。通過主成分分析，得到各個關鍵詞的累計貢獻率及成分矩陣，選取特征值大于1的成分為主成分，結果如表1所示。提取出7個主成分，可知七個有效成分的特征根分別為l1=21.780，l1=2.800，l1=1.909，l1=1.578，l1=1.369，l1=1.137，l1=1.002，其方差累計貢獻率為85.335%，即7個主成分能表示原來37個指標85.335%的信息。

根據得分矩陣獲得各主成分和綜合主成分，得到網絡搜索指數ZS。

ZS=0.3644Z1+0.1527Z2+0.1495Z3+0.1068Z4+0.0964Z5+0.0652Z6+0.0650Z7（1）

通過作圖觀察發現，ZS 的變化趨勢與工業增加值的變化趨勢呈現基本一致的態勢。經過皮爾遜相關系數檢驗，結果表明ZS和工業增加值之間的相關性高達0.741，這一數據充分說明ZS與工業增加值之間存在較為緊密的關聯，進一步驗證了基于網絡搜索數據構建的宏觀經濟景氣指數在反映宏觀經濟實際情況方面的有效性和可靠性，為宏觀經濟研究和分析提供了有力支撐和參考依據。

3.3 網絡搜索指數檢驗

將宏觀經濟景氣一致指數（C）和網絡搜索指數（ZS）取對數， 分別為LnCt 和 LnZSt，檢驗平穩性。經單位根檢驗，兩序列均不平穩，一階差分后的變量在5%的顯著水平下ADF檢驗結果平穩，說明兩序列均為一階單整序列，如表2所示。

建立一階自回歸時間序列模型，利用協整關系檢驗法檢驗兩者之間是否存在長期穩定的關系，經檢驗，回歸系數等各項指標均能順利通過檢驗程序。在此基礎上，獲取到殘差序列，經過嚴格的單位根檢驗，結果顯示殘差序列處于平穩狀態。

檢驗結果充分表明兩者之間存在協整關系，進而建立差分模型，所得到的回歸結果較為理想，有力地說明網絡搜索指數對于宏觀經濟景氣具有預警作用，能夠在一定程度上提前反映宏觀經濟的變化趨勢和潛在風險，為相關決策和研究提供有價值的參考依據。

4 結語

本文選取2011年1月—2023年12月的數據作為樣本，運用主成分分析法構建了基于網絡搜索數據的宏觀經濟指數，得出網絡搜索指數ZS與我國宏觀經濟景氣指數之間關系密切，且網絡搜索指數對宏觀經濟有預警作用。因此，可利用網絡搜索指數來編制宏觀經濟景氣指數，從而幫助宏觀經濟政策制定者和市場提供更準確且及時的決策依據。因此，政府在依賴傳統統計方法和數據來源的基礎上，可以考慮網絡搜索指數等來源數據，從微觀層面為宏觀經濟分析提供新的視角和補充信息作為輔助，提高數據質量，為政府制定更加科學合理的經濟政策提供堅實的數據支撐。

參考文獻

中國互聯網絡信息中心.第53次《中國互聯網絡發展狀況統計報告》[R/OL].2024-03-22， https：//www.cnnic.cn/n4/2024/0322/c88-10964.html.

劉濤雄，徐曉飛.互聯網搜索行為能幫助我們預測宏觀經濟嗎？[J].經濟研究，2015，50（12）：68-83.

袁銘.基于網絡搜索量和混合頻率模型的經濟變量預測研究[J].統計與信息論壇，2016，31（5）：27-35.

Mihaela Simionescu and Dalia Streimikiene and Wadim Strielkowski. What Does Google Trends Tell Us about the Impact of Brexit on the Unemployment Rate in the UK？[J]. Sustainability， 2020， 12（3）.

陽向軍，謝金蕓，梁宗經，等.基于百度搜索數據的區域經濟指標預測模型研究[J].生產力研究，2021（1）：59-66+161.

王巍，鄭文慧，錢小宇.基于網絡搜索數據改進的旅游消費價格指數與應用[J].烏魯木齊職業大學學報，2021，30（3）：17-21.

徐之韻，劉子源，王燕.疫情中基于網絡搜索大數據的心理健康研究綜述[J].心理技術與應用，2023，11（11）：673-684.

易艷萍，黃德金，王熙.基于宏觀大數據的GDP即時預測[J].經濟學（季刊），2024，24（3）：843-860.

程實，張弘頊，徐婕，等.中國經濟高頻合成指數的設計與應用[J].金融市場研究，2024（2）：1-8.