基于数据挖掘的共享单车经济的探究——以OFO为例

经营管理基于数据挖掘的共享单车经济的探究——以OFO 为例杨文寿，陈 洪（福州外语外贸学院，福建 福州 350202）摘 要：中国大陆如火如荼的发展共享单车经济，本文以OFO 为例，基于所得数据，先运用统计学方法中的散点图对数据进行初步分析，再建立一元线性回归模型和一元非线性回归模型，旨在检验共享单车投放量是否对打车人次产生影响，模型的检验结果都说明了共享单车投放量对打车人次均产生了不同程度上的影响。

关键词：OFO；SPSS；一元线性回归模型；一元非线性回归模型0 引言在共享经济背景下，共享单车很好地体现了党的十八届五中全会提出的“创新、协调、绿色、开放、共享”五大发展理念，符合供给侧结构性改革要求，有助于发扬创新精神、缓解环境污染和交通拥堵等难题。

2017年5月9日，中国电子商务研究中心发表的《2016年度中国“共享经济”发展报告》文章指出，2016年中国“共享经济”市场规模达39450亿元，增长率为76.4%，其中，2016年，共享单车呈现近10倍规模发展［1］。

以OFO 为例，2016年度共享单车领域单就OFO 就完成了五次融资。

2017年3月1号更是完成了高达4.5亿美元的D 轮融资。

1 共享单车的现状2016年共享单车的发展异常火热，可以说是共享单车的发展元年。

据中国电子商务研究中心监测数据显示，共享单车领域异常火热。

截止2016年年底，共享单车用户规模达1886.4万人，相比于2015年245万人，呈7倍的爆发式增长。

预计2017年用户规模将达到4965万人，以OFO 和摩拜呈现双雄争霸模式，共享单车行业格局将定。

据第三方数据分析机构艾媒咨询权威发布的《2017年7月中国APP 活跃用户排行榜》最新数据显示，OFO7月的活跃用户规模占比为4.47%，排名总榜单的第70名，位居共享单车行业第一。

2 模型的建立与求解如下表3.1所示，这是某地区OFO共享单车投放量与打车人次数据，可设该地区投入共享单车的数量为x i ，打车人次为y i 。

为了大致分析出x i 和y i 的函数图像关系，首先利用表3.1的数据作y i 对x i 函数关系的散点图。

表3.1 某地区OFO 共享单车投放量与打车人次数据共享单车投放量100015002000250030003500400045005000打车人次1700015960149401312012150112001001798759796数据来源：2017年MathorCup 大学生数学建模挑战赛赛题B 附件3图3.1 y i 对x i函数关系的散点图共享单车投放量和打车人数大致呈现负相关的函数关系，随着共享单车投入量的增加，打车人次逐渐减少，而且两者在x =4000之前存在较强的线性关系，而在x =4000之后呈现非线性关系。

因此，需要分俩段建立模型，分别建立一元线性回归模型和一元非线性回归模型来探究共享单车投放量对打车人次的影响进行分析［2］。

2.1 一元线性回归模型（一）模型的建立设一元线性回归模型为：上式中，和为回归系数，为随机误差项，假设，则随机变量。

y x 分别进行了n 得到以下 n 对观测值上述，x i 是自变量在第i 次观测时的取值，它是一个非随机变量，并且没有测量误差。

对应于x i ，y i 则是一个随机变量，它的随机性是由εi 造成的。

，对于不同的观测，当时，εi 与εj 基金：2017年福建省国家级大学生创新创业训练计划项目（项目编号：201713762014）经营管理小二乘法估计，的值，即取，的一组估计值，，使y i 与的误差平方和达到最小。

记为：则：显然，且关于，可导，则由多元函数存在极值的必要条件得：解得：，其中，，分别是x i 和y i 的样本均值，即：根据表3.1共享单车投入量与打车人次数据，本模型直接运用SPSS 软件进行求解。

将参数估计值代入所设的一元线性回归模型，得到：（三）模型的检验对于模型的检验，可以从残差的样本方差，可决定系数R 2［3］，回归系数的显著性检验和回归模型总体线性的显著性检验这四方面进行检验。

（1）残差的样本方差记残差：残差的样本均值为：小越好。

残差越小，说明其拟合值与观测值越接近，即各观测点在拟合直线周围聚集的紧密程度越高，也就是说，拟合方程解释 y 的能力越强。

（2）可决定系数R 2如何衡量回归模型值拟合样本观测值的优度呢？统计学设计出了一个可决定系数R 2：上式中，为总离差二次方和，为回归离差二次方和，为残差二次方和，即。

由于，显然越小，回归模型拟合样本观测值就越好，由此R 2越趋于1，说明实际观察点离样本回归线越近，拟合优度就越高。

（3）回归系数的显著性检验回归系数的显著性检验旨在在对回归模型中因变量与各自变量之间的线性关系是否显著作出批判。

也就是说，就是要检验每一个总体参数是否显著不为零。

因此，可利用统计学上的t 检验进行求解。

于是，可设原假设，备择假设。

构造t统计量为：计算t 1统计量，则拒绝原假设，认为还可以确定的置信度为1-α的置信区间为：1-回归模型总体线性的显著性检验旨在在对回归模型中被解释变量与解释变量之间的线性关系在总体上是否显著作出批评，简而言之，是否可以用x 的线性关系来解释y 。

因此，可利用统计学上的F 检验进行 求解。

于是，可设原假设，备择假设。

构造F 统计量为：给定一个显著性水平α，如果，接受原假设，拒绝备择假设。

此时认为显著不为零。

（四）模型的检验结果运用SPSS 软件进行求解。

由R 2检验可知，说明R 2已经很大了，即回归模型能在99.4%的程度上解释原数据的变异，即回归方程对原始数据的拟合程度好。

由T 检验可知，t 1=84.376，t 0=-27.778，可以看出自变量对因变量的影响显著。

且和的置信区间分别为[18831.230，20014.699]和[-2.595，-2.156]。

经营管理由F检验可知，F=772.164，，接受原假设，拒绝备择假设，即可以用x的线性关系来解释y。

（五）模型的结论从上述的一元线性回归模型可知，在共享单车投放量小于4000辆时，打车人次与共享单车投放量呈现显著的线性关系，并且是负相关。

即共享单车投放量越大，打车人次就越少，从而使打车市场的收益减小。

2.2 一元非线性回归模型（一）模型的求解由图3.1我们可以观察得到，在共享单车投放量大于4000辆时，共享单车投放量和打车人次并没有呈现很显著函数关系，所以我们利用共享单车投放量大于3000辆的之后的数据建立一元非线性回归模型来分析二者之间的关系。

用SPSS分别对数据进行幂函数拟合、多项式函数拟合以及对数函数拟合.拟合好的函数结果分别为：幂函数：多项式函数：对数函数：（二）模型的参数对比为了方便更好地识别哪一个函数能更好地拟合，我们将用SPSS输出的拟合优度制作成表格来进行对比。

从表3.1中可以看出，拟合优度从优到差排序为多项式函数优于幂函数优于对数函数。

所以我们选择多项式函数来表示乘出租车人数与共享单车投入量之间的关系。

表3.1 各函数拟合优度表参数幂函数多项式函数对数函数SSE 3.688e+05 4.472e-19 4.425e+05R-square0.913710.8965AdjustedR-square0.8849NaN0.862RMSE350.6NaN384（三）模型的结论通过分析多项式函数的图像，可以看出，该地区在共享单车投放量大于4000辆时，将投放量再增加1000辆对打车人次无明显影响。

如果该地区在共享单车投放量大于5500辆，则会使打车人次大幅减小，从而使打车市场的收益大幅减小。

3 结语从上述一元线性回归模型和一元非线性回归模型对数据的检验结果来看，共享单车投放量对打车人次均产生了影响，尤其是一元线性回归模型对打车人次产生了显著性影响。

可以大致认为，共享单车投放量越大，打车人次就越少，从而使打车市场的收益减小，换句说，会使得共享单车经济规模不断扩大。

与此同时，随着共享经济的发展，甚至受到全球关注。

2017年4月18日，南京举行的2017全球未来网络发展峰会上，中国国家信息中心副主任马忠玉表示，“预计到2020年，共享经济规模占到GDP比重的10%，2025年达到20%。

”参考文献：［1］中国电子商务研究中心.2016年度中国“共享经济”发展报告［R］.2017.［2］周龙雨.基于BP神经网络的共享单车调度优化［J］.中国战略新兴产业，2017，（24）.［3］许振宇，宋新欣，乔彬.计量经济学原理与应用［M］.北京：清华大学出版社，2016.“互联网+”背景下农庄风险及应对措施——以长乐飞思农庄为例陈志雄（福州外语外贸学院金融系，福建 福州 350202）摘 要：农业现代化是提高农业生产力水平的必经之路。

通过对长乐飞思农庄与互联网经营模式的考察研究，发现存在发展规划不完善、融资渠道不健全且存在风险、技术风险等问题，并认为要建立和完善制度化规范化的运营规划机制，拓展融资渠道，健全和完善征信体系建设，加快推进互联网金融技术安全建设以及农业科技发展，才能更好地分享“互联网＋”所营造的美好愿景。

关键词：“互联网＋”；农业；飞思农庄；风险；措施我国农业的发展历程源远流长，但随着时代的进步以及科技的发展，目前我国的工业、信息、城镇、农业等正处于现代化发展的重要时期，互联网与农业融合发展空间广阔，潜力巨大。

制定并实施“互联网+农基金项目：该论文为2016年国家大学生创新创业项目（201613762005）的结题论文。

作者简介：陈志雄（1995－），男，福州福州外语外贸学院金融系金融工程专业学生。