二、文献综述

三、方法和数据

首先使用电脑程序抓取百度指数并解密，获得搜索指数的周数据，汇总成月数据。在国家统计局网站上获得CPI居住指数月度数据，将获取的数据进行统计汇总，获得时间序列，再使用皮尔逊系数测量时间序列之间（CPI与搜索指数）的相关关系完成研究。

1。选择数据采集点

对比谷歌趋势与百度指数，由于国内对于google搜索引擎的封锁，所以国内在PC端，百度的市场份额目前占到60。19%左右，360指数则以24。8%的市场份额位居第二；在移动端，百度的国内市场份额高达84。64%，而其他搜索引擎则各占据小于百分之十的市场份额。所以本文选用了更贴合国内现状的“百度指数”作为网络搜索数据的采集点。

2。选择关键词

围绕论文主题，选择了“杭州房屋出租”这一初始关键词。

由于百度指数对于本文重要初始关键词“杭州房屋出租”的搜索指数只保留了一年的数据，不符合实验要求，所以选择浙江省为搜索指数的地域细分，贴合搜索指数的地区细分，CPI居住指数也选择浙江省为地域范围。为保证实证研究的准确性，首先确定杭州市CPI与浙江省CPI的是否具有相关性。

3。CPI数据选择与处理论文网

选择国家统计局网站作为CPI数据的采集点，进入国家统计局数据查询网页：http://data。stats。gov。cn/ ，输入“CPI”，选择分省月度数据和主要城市月度数据，分别获取浙江省与杭州市CPI的月度综合数据，加以编辑汇总，得到浙江省和杭州市CPI的时间序列，使用图表工具进行处理，得到图1，

通过图1可以看出，浙江省CPI与杭州市CPI的走势非常一致，再通过计算这二者的

相关系数证明二者的相关性，使用spss① 软件对相关系数进行计算，得到两组时间序列的相关系数为0。878② ，在0。01水平上显著相关，综上可以证明浙江省CPI的居住指数可以为杭州CPI居住指数的代理指标。

4。关键词搜索指数处理

进入百度指数网页https://index。baidu。com/ ，输入“杭州房屋出租”搜索关键词的指数，注意选定区域为“浙江省”，将看到折线图显示搜索指数的周平均数据，将其汇总为2014年1月至2017年7月的月度数据。

5。数据分析

利用spss对收集到的2014年至2017年浙江省CPI的居住指数和“杭州房屋出租”的搜索指数两组时间序列进行皮尔逊相关系数计算，得到CPI居住指数③ 与租房网络搜索指数的相关系数为0。385，二者在0。05水平下显著相关，属于低度相关的范畴，并用图表工具处理得到图2。

从图2中可以看出二者的走势虽然具有一定的一致性，但一致性并不是特别明显，另外，相关系数为0。385 ，小于0。5，属于低度相关的范畴，也就是说搜索引擎的搜索指数与CPI居住指数存在差异。

四、实证结果

本文的写作立意是基于房屋的租赁价格是居住类CPI的重要统计因素而非房地产价格，所以选取“租房”相关的初始关键词，由于原本没有构建完整的理论框架，导致租房的网络搜索指数和CPI居住指数的差异较大，因此需基于经济学的角度构建一个完整的理论框架。本文的理论框架构建基础为：宏观经济环境因素影响商品供求关系，商品供求关系决定商品价格，宏观经济环境和商品供求关系是影响商品价格的重要因素，消费者和生产者作为市场的微观主体，他们的行为在市场上和互联网上都会有所反映，在市场上表现为商品价格的变化，在互联网上则表现为网页浏览﹑搜索指数的变化。微观主体在互联网上搜索的信息也可以分为宏观和微观两个方面，宏观方面是对于整个宏观经济大环境信息的搜索，包括宏观政策，市场经济状况，在微观方面，则指特定的商品特定属性和相关属性的搜索，并据此构建了如下图的理论框架示意图。文献综述