基于购买行为RFM及评论行为RFMP模型的客户终身价值研究

在Web2.0时代,越来越多的消费者在购物网站、点评类网站以及社交类网站上发表自己对产品或服务的相关看法,由此对企业产生了巨大的影响。针对用户在线评论行为所产生的价值,以传统的RFM模型为基础构建了基于评论行为的RFMP模型。同时将购买RFM和评论RFMP模型进行结合,提出了适用于线上企业的客户终身价值评价方法,采用熵值法进行了指标权重的确定,并最终选取大众点评网的实际用户数据进行了传统客户终身价值与改进客户终身价值的对比。通过对用户群进行细分,为企业提供了更加精准的营销决策及管理建议。     

基于网络搜索量和混合频率模型的经济变量预测研究

针对大数据背景下利用互联网搜索量数据进行经济预测的问题,提出建立能够充分利用高频变量信息的混合频率模型,并尝试解决建模过程中的关键词选取、数据预处理和降维等问题。在对金融和消费领域预测的实证研究中,经过筛选的关键词搜索量变量与作为预测对象的经济变量是高度相关的,并且混频模型相对于经过频率转换的模型具有更优的估计量性质和更高的样本内外预测精度。同时,根据估计结果得到的权重函数还可以发现月内各日搜索量在预测模型中的贡献度分布具有不同模式,借助该分布模式可以对经济主体行为进行描述和测度,也为搜索量数据的频率转换提供了一些参考。     

基于贝叶斯推断的HIV非线性混合效应联合模型研究

 在纵向数据研究中,混合效应模型的随机误差通常采用正态性假设。而诸如病毒载量和CD4细胞数目等病毒性数据通常呈现偏斜性,因此正态性假设可能影响模型结果甚至导致错误的结论。在HIV动力学研究中,病毒响应值往往与协变量相关,且协变量的测量值通常存在误差,为此论文中联立协变量过程建立具有偏正态分布的非线性混合效应联合模型,并用贝叶斯推断方法估计模型的参数。由于协变量能够解释个体内的部分变化,因此协变量过程的模型选择对病毒载量的拟合效果有重要的影响。该文提出了一次移动平均模型作为协变量过程的改进模型,比较后发现当协变量采用移动平均模型时,病毒载量模型的拟合效果更好。该结果对协变量模型的研究具有重要的指导意义。     

基于CLV要素的信用卡客户细分模型

文章采用某商业银行信用卡客户数据,在CLV(客户终身价值)两个要素:客户当前价值和客户流失预测的基础上构造客户细分模型.我们提出一个信用卡客户当前价值模型,用于计算客户当前价值;对于客户流失,我们采用多种模型的组合方法来预测客户流失.通过分析对所有客户实施交叉销售后成功的客户比例在各细分群中的分布情况,表明若采用此细分模型,再着重对交叉销售成功比例较大的细分群实施交叉销售,可以大幅提高成功率,节约成本.     

知识服务业背景下客户市场细分的聚类方法研究

知识服务业所面对的客户需求具有知识化、专业化及问题解决为导向等特征.在服务过程中客户具有高度的参与性和交互性.文章指出客户市场细分不再局限于事前细分方法中常见的客户行为特征变量,提出了基于态度变量的客户市场事后细分策略,介绍了传统聚类方法K-means和SOFM方法在市场细分中的应用,以及支持向量机聚类方法(SVC)进行知识服务业的客户市场细分的过程.应用SVC方法于具体行业实施客户市场细分,并对比三种方法的聚类效果,说明了该方法对于提高判别分类效果的能力和优势.     

TAM移动社交媒体使用行为影响因素的统计检验

文章引入移动社交媒体功能、感知趣味性和感知可信性等变量,建立TAM模型对用户微信使用行为进行实证研究.研究表明:对于移动社交媒体的使用行为,经典的技术接受模型依然适用;主观规范和移动社交媒体功能对移动社交媒体行为意向的影响较为显著;感知易用性和感知可信性对其影响显著性程度较低;感知趣味性通过感知有用性间接影响用户行为意向.     

基于改进STRIPAT模型在碳排放强度预测中的应用

文章基于加权平均、施瓦茨验证的后验概率选取,实施贝叶斯法对于STRIPAT模型的解释变量筛选,并通过剔除人口总规模、产业结构分解、生态化效应改进STRIPAT模型.利用该改进模型验证我国碳排放强度与选取解释变量的关联影响,并以城市化进展水平、经济增长规模、能源强度、能源一次结构等选取高稳健性、解释力变量预测未来11年我国碳排放强度.     

贝叶斯时空分位回归模型及其对北京市PM2.5浓度的研究

本文基于时空模型和非对称拉普拉斯分布提出一种新的时空分位回归模型.本文主要将空间域利用薄板回归样条展开,结合混合模型与样条之间的关系,得到分层贝叶斯分位回归模型.利用MCMC算法得到参数的后验分布,并对模型中系数的空间域进行预测.本文同时融合降秩近似的方法,简化了计算复杂度.区别于已有时空分位模型,本文考虑了协变量对因变量影响的空间分布特征,并非直接对时间或空间效应整体进行建模,有利于深入研究协变量与因变量之间的空间结构关系.数值模拟结果表明,预测的空间域与真实的空间域十分接近,并在不同分位水平下,有效地估计了协变量影响的空间效应差异.最后将该模型应用于北京市PM2.5浓度的研究,分析气象因素对PM2.5浓度影响的空间分布特征.     

多层贝叶斯模型在消费者偏好分析中的应用研究——基于手机市场数据

基于手机市场的调研数据,构建了多层贝叶斯模型,并将其与传统哑变量回归模型进行比较,得出前者比后者具有更好的模型拟合能力和预测能力的结论。利用有人口特征变量的多层贝叶斯随机效应模型来完成对所有未知参数的估计,从个体内行为和个体间行为两个层面对消费者的偏好行为进行全面分析,结果发现该模型可以很好解释消费者的总体偏好及其偏好差异性。     

含方程误差的重复测量误差模型参数的假设检验

含方程误差的重复测量误差模型解决了协变量真值与响应变量真值之间存在的不完全匹配问题.为使中小型样本量下的假设检验结果更为准确,文章基于多元正态分布推导改进形式的Skovgaard似然比检验统计量,提高其在原假设下收敛到卡方分布的渐近速度,并应用该检验统计量对重复测量误差模型中回归参数的显著性进行假设检验.模拟研究的结果表明改进的似然比检验统计量在有限样本检验下的优越性;实例分析中通过检验气温与气压之间回归参数的显著性来说明该方法的实用性.     

区域出口贸易非线性混合预测模型及其实证

混合预测模型由于能够反映事物变化的线性和非线性特征,而在预测领域得到了广泛的应用。本文针对区域出口贸易的特点建立了一种基于BP神经网络和误差校正向量自回归模型的的非线性混合预测模型,应用于区域出口贸易预测,得到了较好的预测效果。由于该模型能够反映经济系统中各变量的长期均衡关系,同时非线性的协整变量能够反映出经济系统其他变量的短期波动对预测变量的影响,因此该模型适合于经济变量的预测。     

聚合信息客户端数据挖掘应用研究——以用户登录行为和文章推荐数据库为例

在大数据时代,数据挖掘技术在聚合信息客户端中的应用有利于提高聚合信息企业的运行效率。基于聚合信息企业的实际运营和用户数据,从用户登录行为和文章推荐数据库两个角度,利用机器学习算法,构建用户登录行为预测模型和优秀文章分类模型。研究发现,随机森林和Logistic回归模型在互联网大数据分析中的综合表现最好,在分类预测准确度和运行速度方面明显优于其他模型;用户对平台的使用频率和依赖度是决定其登录行为的最关键因素,且区域用户习惯和年龄显著影响用户的登录决策;文章基本信息和自媒体属性均对优秀文章筛选有显著影响,其中,文章等级、自媒体的产量和自媒体专注度等均与文章质量存在显著的负相关关系;发文类型、是否原创和自媒体领域等分类变量各水平之间都存在显著差异,且均会影响用户对文章的青睐程度。     

分数维非线性协整及误差校正模型

本文在分数维和非线性的框架下讨论了经济系统中的长期均衡关系,提出了分数维非线性协整的概念及对应的误差校正模型,基于小波神经网络给出了分数维非线性协整的检验及其误差校正模型的建模方法。实证研究发现中国股市存在分数维非线性协整关系,据此建立了相应的分数维非线性误差校正模型.该模型的预测效果优于带有外生变量的非线性自回归移动平均模型。     

基于云端的Web数据挖掘预取技术研究

WWW以其多媒体的传输及良好的交互性而倍受青睐.但由于Web服务和网络固有的延迟,用户并没有得到与带宽相应的服务体验.为此文章提出了一种基于云端的智能Web预取技术,它能够加快用户浏览Web页面时获取页面的速度.该技术通过简化的WWW数据模型表示用户浏览器缓冲器中的数据,在云端利用数据挖掘技术挖掘类聚用户隐含的兴趣关联规则,并利用类聚用户的历史连接记录创建确定的影射关系模型,存放在云端兴趣关联知识库中,作为对用户行为进行预测的依据.在用户端,浏览器插件负责在用户带宽空闲时根据用户兴趣进行Web预取,从而对用户实现透明的高速浏览.     

移动社交支付采纳行为影响因素实证研究

以技术接受模型为基础,以移动社交支付应用为研究对象,根据研究情景进行模型拓展,加入网络外部性、感知娱乐性、社会影响三个变量,根据变量间的关系构建研究模型并使用SmartPLS软件检验。研究表明,产品感知(感知有用性、易用性、娱乐性)、社会影响和网络外部性是影响用户行为的重要因素;网络外部性与用户感知(感知有用性、易用性、娱乐性)和行为意向正相关;社会影响对感知有用性、感知易用性、网络外部性和行为意向影响显著;感知易用性与感知娱乐性正相关。     

Multinomial响应广义半参数回归模型及应用

在消费行为学领域经常碰到的离散选择数据就是Multinomial响应数据,此类数据通常采用Multinomial Logit线性回归模型来处理,不过如果回归变量中的一部分与对数机率向量间呈非线性关系,其余回归变量与对数机率向量间呈线性关系,就需要引入以对数机率向量为因变量的广义半参数回归模型来处理这类实际数据了.文章以一次手机用户生活形态调查数据为例,讨论了向量广义半参数回归模型在消费者行为研究中的应用.     

考虑截面相关条件下的异质性面板数据协整回归模型的估计

 面板数据的非平稳分析是近年来迅速发展的方向,其中考虑截面相关情形下面板数据的协整分析的发展备受关注。Bai &; Kao（2006）得出了截面相关条件下面板协整估计的因子模型,但该模型只考虑了被解释变量截面相关情形,未考虑解释变量的截面相关,且假定各截面间长期协方差矩阵相同。本文在Bai（2006）考虑截面相关条件下面板数据协整回归模型估计的基础上将其结论推广至被解释变量和解释变量均截面相关及截面长期协方差矩阵不相同即异质性时的情形,并试图通过Monte Carlo 模拟讨论其小样本性质。并且由于截面间长期协方差矩阵异质性的存在,本文还针对两变量的协整系统提出了系数检验的组间均值t统计量。     

一种基于C5.0决策树的客户流失预测模型研究

客户流失是企业面临的一项突出问题。防止客户流失、尽力维系与挽留客户已成为企业经营与发展的一项重要课题。本文利用C5.0决策树算法建立了一种客户流失的预测模型,并利用中国邮政短信服务的400多万条实际业务数据,对模型的有效性进行了实证研究。研究结果表明,该模型提供了较高的命中率和覆盖率,具有良好的预警功能,可帮助企业及时发现有可能流失的客户,最大程度减少客户流失。     

基于混频误差修正模型的土地价格预测

为提高土地价格预测的准确性,文章将误差修正模型与MIDAS模型的建模理论相结合,构建ECM-MIDAS模型对土地价格进行预测。通过选取3种预测误差的衡量指标证实了ECM-MIDAS模型的预测效果优于同频模型。此外,房价、GDP和政府债务都可以作为土地价格的先行指标,且四者具有长期的协整关系,将这一长期协整关系考虑在内的ECM-MIDAS模型的预测效果明显优于MIDAS模型。鉴于ECM-MIDAS模型在土地价格预测方面的有效性,相关部门可以对土地价格进行实时预测,采取措施以防止土地价格波动造成的不利影响。     

基于小波多分辨分析的协整建模理论与方法的扩展;

为讨论经济及金融变量的多尺度行为,描述变量之间在不同时间尺度上的长期均衡关系,将小波多分辨分析引入协整建模理论,提出多分辨协整和多分辨误差校正模型两个概念,给出相应建模方法,克服了传统的协整建模理论无法揭示蕴含在变量内部的多时间尺度信息的缺陷。多分辨协整建模能够更加细致地捕获经济或金融变量在不同时间尺度上的关系,对两大股指的实证研究也支持了这一点。