在线评论与产品销量之间的动态交互影响——基于淘宝网商品面板数据的实证研究
发布时间:2025-02-08 11:24
[目的/意义]本文以淘宝网为数据采集平台,探究在线评论与产品销量之间的长期的相互作用。[方法/过程]运用面板向量自回归模型对产品销量与在线评论之间的动态交互影响进行实证分析,并借助脉冲响应函数定性地分析在线评论与产品销量之间的相互冲击。[结果/结论]在线评论与产品销量之间存在动态交互影响。当在线评论作为影响因子时,在线评论的数量、追加评论数量、图片数量在不同时期对产品销量产生不同程度的正面冲击;当产品销量作为影响因子时,产品销量对自身的冲击最大。
【文章页数】:12 页
【文章目录】:
0 引言
1 文献综述
1.1 向量自回归模型及其应用研究
1.2 在线评论与产品销量间动态交互影响研究综述
2 研究设计
2.1 数据来源和变量定义
2.2 研究假设
2.2.1 在线评论作为影响因子的相关假设
2.2.2 产品销量作为影响因子的相关假设
2.3 模型建立
3 实证结果与分析
3.1 数据描述性统计与相关关系
3.1.1 数据描述性统计
3.1.2 相关关系分析
3.2 VAR模型的构建与检验
3.2.1 平稳性检验
3.2.2 确定最优滞后阶数
3.2.3 VAR模型的确定
3.2.4 脉冲响应函数分析
(1)在线评论的不同维度对产品销量的冲击
(2)产品销量对在线评论不同维度的冲击
4 结语
4.1 加强在线评论系统的建设
4.2 引导在线评论的数量和质量
4.3 注重在线评论的时效性
本文编号:4031447
【文章页数】:12 页
【文章目录】:
0 引言
1 文献综述
1.1 向量自回归模型及其应用研究
1.2 在线评论与产品销量间动态交互影响研究综述
2 研究设计
2.1 数据来源和变量定义
2.2 研究假设
2.2.1 在线评论作为影响因子的相关假设
2.2.2 产品销量作为影响因子的相关假设
2.3 模型建立
3 实证结果与分析
3.1 数据描述性统计与相关关系
3.1.1 数据描述性统计
3.1.2 相关关系分析
3.2 VAR模型的构建与检验
3.2.1 平稳性检验
3.2.2 确定最优滞后阶数
3.2.3 VAR模型的确定
3.2.4 脉冲响应函数分析
(1)在线评论的不同维度对产品销量的冲击
(2)产品销量对在线评论不同维度的冲击
4 结语
4.1 加强在线评论系统的建设
4.2 引导在线评论的数量和质量
4.3 注重在线评论的时效性
本文编号:4031447
本文链接:https://www.wllwen.com/jingjilunwen/dianzishangwulunwen/4031447.html