| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 符号说明 | 第13-14页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景和研究意义 | 第14-17页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究目的 | 第15-16页 |
| 1.1.3 研究意义 | 第16-17页 |
| 1.2 论文的研究思路、方法和技术路线图 | 第17-20页 |
| 1.2.1 论文的研究思路 | 第17页 |
| 1.2.2 论文的研究方法 | 第17-19页 |
| 1.2.3 论文的技术路线图 | 第19-20页 |
| 1.3 论文的创新点与不足 | 第20-21页 |
| 1.3.1 论文的创新点 | 第20页 |
| 1.3.2 论文的不足 | 第20-21页 |
| 第二章 文献综述 | 第21-29页 |
| 2.1 基于网络搜索数据的社会经济行为研究 | 第21-24页 |
| 2.1.1 微观经济领域 | 第21-22页 |
| 2.1.2 中观经济领域 | 第22-23页 |
| 2.1.3 宏观经济领域 | 第23-24页 |
| 2.2 房价影响因素及预测方法的研究 | 第24-25页 |
| 2.3 房价与网络搜索数据的相关关系研究 | 第25-26页 |
| 2.4 相关研究总结 | 第26-29页 |
| 第三章 概念界定及理论方法概述 | 第29-45页 |
| 3.1 相关概念界定 | 第29-30页 |
| 3.1.1 房地产价格 | 第29页 |
| 3.1.2 网络搜索 | 第29-30页 |
| 3.1.3 机器学习 | 第30页 |
| 3.2 相关理论概述 | 第30-38页 |
| 3.2.1 房地产市场供求理论 | 第30-34页 |
| 3.2.2 房地产市场预期理论 | 第34-36页 |
| 3.2.3 房地产市场行为理论 | 第36-38页 |
| 3.3 相关方法概述 | 第38-45页 |
| 3.3.1 广义线性模型 | 第38-39页 |
| 3.3.2 弹性网络模型 | 第39-43页 |
| 3.3.3 随机森林 | 第43-45页 |
| 第四章 基于网络搜索数据的房价预测模型 | 第45-57页 |
| 4.1 基于网络搜索数据的房地产价格预测的理论分析 | 第45-47页 |
| 4.2 搜索关键词的选择 | 第47-51页 |
| 4.2.1 搜索关键词的初选 | 第47-49页 |
| 4.2.2 搜索关键词的拓展 | 第49-51页 |
| 4.3 百度指数的选取 | 第51-53页 |
| 4.3.1 百度指数的介绍 | 第51-52页 |
| 4.3.2 百度指数的选取 | 第52-53页 |
| 4.4 基于网络搜索数据的房价预测模型构建 | 第53-57页 |
| 4.4.1 基于网络搜索数据的广义线性预测模型 | 第53-54页 |
| 4.4.2 基于网络搜索数据的弹性网络预测模型 | 第54-55页 |
| 4.4.3 基于网络搜索数据的随机森林预测模型 | 第55-57页 |
| 第五章 基于上海市房价数据的实证分析 | 第57-64页 |
| 5.1 数据集及描述性统计检验 | 第57-59页 |
| 5.1.1 数据选取 | 第57-58页 |
| 5.1.2 描述性统计 | 第58-59页 |
| 5.2 拟合效果分析 | 第59-62页 |
| 5.2.1 广义线性模型拟合效果分析 | 第59-60页 |
| 5.2.2 弹性网络模型拟合效果分析 | 第60页 |
| 5.2.3 随机森林拟合效果分析 | 第60-61页 |
| 5.2.4 模型拟合效果比较 | 第61-62页 |
| 5.3 预测结果分析 | 第62-64页 |
| 第六章 结论与展望 | 第64-67页 |
| 6.1 研究结论 | 第64-65页 |
| 6.2 改进方向 | 第65页 |
| 6.3 研究展望 | 第65-67页 |
| 附录1 jieba分词计算词相似度代码 | 第67页 |
| 附录2 爬虫抓取百度指数代码 | 第67-68页 |
| 附录3 基于线性回归的房价预测模型代码 | 第68页 |
| 附录4 基于弹性网络模型的房价预测模型代码 | 第68-69页 |
| 附录5 基于随机森林的房价预测模型代码 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的学术论文和参加科研情况 | 第76-77页 |
| 附件 | 第77页 |