1、 1 关于众包模型任务定价的分析 摘要 近来，一种新型的商业模式 “众包模式”逐渐兴起，这种商业模式可以经济效率地利用群众力量解决个人难以解决的问题，具有广阔的研究前景 。 针对问题一， 本文基于 SPSS 建立了相关分析模型。 首先， 本文 对数据进行清洗，将会员、任务经纬度实现现实定位 ， 利用 MATLAB 对数据进行三维散点图的绘制，通过对图像的分析发现规律，而后，对会员、任务进行分区，以区域为单位利用 SPSS进行相关性分析，找到原定价未考虑因素即 会员信誉值 。 针对问题二， 本文基于权重思想建立了指标定价模型、基于多元回归思想 建立了 评价模型 。首先， 本文 选取平均信誉度及会
2、员与任务比值两个指标并找到他们与定价的函数关系，而后分析这两个指标的定价与最终定价的权重关系并得出相应函数关系式，建立起权重思想指标定价模型，实现新的任务定价方案的定制，然后， 本文 利用 SPSS 进行对以任务完成率为因变量 ,以任务平均定价、会员与任务比值、城市会员平均信誉度为自变量的多元线性回归方程的生成，建立起基 于多元回归思想的评价模型，以任务完成率为指标，与原方案进行比较发现任务完成率普遍提高 。 针对问题三， 本文 利用打包后的任务数据对 第二问 的 指标定价模型 进行优化 ， 首先，对地理片区进行拆分， 将各个任务 由地理分区 划分到 更细致的人为片区 （ 街道 ） ，再进行
3、重新 打包， 进行定价 函数优化 ， 得到新的定价模型， 而后利用评价模型进行影响的评价 ，发现打包之后任务完成率进一步提高 。 针对问题四， 本文利用基于权重思想的指标定价模型进行进一步优化，建立了新因素下的指标定价模型。 首先， 本文 对新任务的数据进行数据预处理，将 新任务的地点进行分区，然后利用基于权重思想的指标定价模型实现对新项目的任务定价，最后利用基于多元回归思想的评价模型对方案实施后的完成率进行计算，发现完成率普遍在 60%之上，证明方 案实施效果较好 。 关键词： 相关性分析模型 基于权重思想的指标定价模型 基于多元回归思想的评价模型 2 1 问题重述 1.1 背景 随着科学技
4、术的进一步发展，互联网技术不断走向成熟，为人们的生活带来诸多便利，越来越多的人学会利用互联网来解决个人力量难以解决的问题，这便逐渐地形成了一种全新的商业模式 众包模式。众包模式可以 有效的解决个人利用现有资产和条件难以解决的问题，更加经济的利用大众力量解决问题，具有广泛的研究前景。 本题是针对众包模式的一个具体任务 “拍照赚钱”任务的研究，通过对该任务 APP 的核心要素 “任务定价要素”进行分析，来确定一个比较合适的任务定价模型，可以使发布任务人与任务完成人在现有条件下同时实现可得利益的最大化。 1.2 问题的提出 1.通过对附件一中项目的定价规律的分析，找到任务未完成的原因。 2.为附件一
5、中的项目设计出新的任务定价方案，并将新的方案与原方案进行比较。 3.对在实际情况下，为了避免因发布的任务位置集中导致用户争相选择而考虑将任务联合在一起打包发布的情况进行分析，修改之前的定价模型，并找到这种情况对最终任务完成情况的影响。 4.利用建立的任务定价模型，对附件三中的新项目给出定 价方案，并对该定价方案的实施效果进行评价。 2 问题分析 2.1 问题一 的分析 问题一要求发现附件一中的项目任务定价规律 ，分析存在未完成任务的原因。 为了保证考虑因素相对全面， 本文 将附件一、附件二的数据联系起来， 对元数据进行预处理， 利用 Excel 的排序筛选功能进行数据清洗；随后， 本文 对任务
6、定价与任务所在区域 利用 MATLAB 进行 三维散点图制作，从图中分析出任务定价规律；而后， 本文 分析 任务未完成的原因， 首先 本文 将数据经纬度利用地图找到具体所在城市， 将城市相关因素例如任务数、会员数等进行合并整理，得出 每一个城市的 相关数据的外部表观值，而后 本文 以城市为个体进行分析 ，分析未完成任务的原因 。 2.2 问题二 的分析 针对问题二对附件一的项目设计新的任务定价方案， 本文 建立了基于 权重 思想的 指标 定价模型来给予定价方案 ，而后建立了基于多元线性回归拟合的评价模型 。 首先， 本文 确定了第一 个指标 为会员数与任务数的比值，利用 SPSS 对所选取城市
7、的会员数与任务数比值与定价进行分析，确定比值定价函数关系；随后，3 本文 确定了第二个指标为城市会员平均信誉值，进行对某运营时间较长众包 APP的数据采集 ，利用 SPSS 对该 APP 中的会员平均信誉值与定价进行分 析，确定信誉定价函数关系；最后， 本文 利用两种函数关系及其对实际定价的参与度进行了实际价格的确定。 再利用多元 线性 回归拟合对新价格的任务完成率进行预测，得出与原方案的比较结果。 2.3 问题三的分析 问题三要在打包模式下 修改之前的定价模型，并分析对任务完成情况的新影响 ，要实现打包模式首先要进行原来 区域的拆分，并找到可以进行打包的任务密集区域，实现打包，而后分析实现打
8、包后对原模型的影响，进行原模型的优化，最终分析出打包后对任务实施情况的影响。 2.4 问题四的分析 针对问题 四，对新的项目给出任务定价方案，并评价该方 案的实施效果。 本文 首先对附件三中的经度、纬度因素进行预处理，而后利用建立的定价模型给出新项目的定价方案，利用评价模型评价新项目的完成度，完成度即为该方案的实施效果。 3 问题假设 1.注册区即为生活区 ，人们在生活区的移动是自由不受限制的。 2.一个人的生活区在研究时间内不发生改变。 3.只考虑附件中提供给我们的因素，不考虑其他因素。 4.城市内不存在过大街区。 4 定义与符号说明 A 城市的会员数 B 城市会员的平均信誉度 C 城市的任
9、务数 D 城市的任务完成数 E 城市的任务完成率 F 城市会员与任 务比 G 城市任务平均定价 y 新规律下的任务平均定价 Z 打包后任务的减少量 +1 n+1个 任务打 包 任务包的个数 4 5 模型的建立与求解 5.1 问题一模型的建立与求解 5.1.1 数据预处理 首先， 本文 利用 Excel 的排序筛选功能对附件二的会员数进行处理，经查阅资料 1可知，两个点的经度 /纬度每相差一度，距离相差 110km， 本文 认为当会员与任务相差超过 110km 时，会员便不会去执行任务，即对任务的定价没有影响，因此 本文 对附件一中的任务经、纬度进行排序发现任务 的经、纬度范围，而后对附件二中的
10、会员位置进行排序筛选，将与任务的位置范围相差 1 经度或 1纬度的会员数据进行清洗，保留对定价有有影响的数据。 由于会员的位置不可能是固定不变的，但会员在现实生活中的生存区域一般不会改变 ， 所以 本文 利用地图定位工具 将会员的具体位 置以及任务的具体位置在地图上标定并找到实际生活中的具体区域，如 图 1： 图 1 会员经纬度在地图上的定位 5 图 2 会员经纬度的现实地点 随后 本文 将得到的任务及会员的具体位置进行统计，并依据现实地理的分区通过 Excel 的筛选功能 对会员以及任务进行分区， 将任务分到了 广东省的 25 个市区中，将会员分到了广东省的 31 个市区中。 表 1 任务的
11、部分区域统计表 A0587 112.6832583 22.82452268 佛山市高明 75 1 A0547 112.8445408 23.07057951 佛山市三水 75 1 A0829 112.8761925 23.17903001 佛山市三水 80 1 A0542 112.8784023 23.17677756 佛山市三水 70 1 A0571 112.8841425 22.91055956 佛山市高明 75 1 A0590 112.8850012 22.90119911 佛山市高明 73 1 A0578 112.8883289 22.89624538 佛山市高明 73.5 1 A05
12、69 112.8923366 22.90311313 佛山市高明 73 1 A0545 112.8938126 23.16865186 佛山市三水 70 1 A0540 112.8994031 23.17934885 佛山市三水 70 1 A0548 112.9019826 22.90422292 佛山市高明 75 1 A0557 112.902416 23.16730584 佛山市三水 70 1 表 2 会员的部分区域统计表 B0082 110.417157 21.202247 29 湛江市霞山 6:39:00 527.6239 B0039 110.922443 21.679227 88 茂
13、名市茂南 6:30:00 1691.0543 B0472 111.106315 21.498823 1 茂名市电白 6:30:00 39.8463 B1727 111.229119 21.53332 5 茂名市电白 6:33:00 0.3678 B1245 112.623743 22.841984 7 佛山市高明 6:30:00 19.9231 B1165 112.713124 22.861333 9 佛山市高明 6:30:00 19.9231 6 B0006 112.79768 22.262784 72 江门市台山 6:30:00 18237.6295 B1183 112.815505 22
14、.886559 25 佛山市高明 6:33:00 19.9231 B1834 112.834761 23.159187 1 佛山市三水 7:09:00 0.143 B1170 112.84429 23.176257 5 佛山市三水 6:42:00 19.9231 B1713 112.84557 22.944018 2 佛山市高明 6:57:00 0.3707 B1746 112.851532 23.068304 1 佛山市三水 6:54:00 0.365 B1176 112.862711 23.199288 7 佛山市三水 6:39:00 19.9231 B1631 112.863593 23
15、.17893 2 佛山市三水 7:09:00 1.9923 B0337 112.864304 23.173781 1 佛山市三水 6:30:00 59.7694 表 3 在佛山市高明的全部会员 112.623743 22.841984 7 佛山市高明 6:30:00 19.9231 112.713124 22.861333 9 佛山市高明 6:30:00 19.9231 112.815505 22.886559 25 佛山市高明 6:33:00 19.9231 112.84557 22.944018 2 佛山市高明 6:57:00 0.3707 112.872049 22.91514 19 佛
16、山市高明 6:33:00 39.8463 112.884605 22.894359 5 佛山市高明 6:51:00 2 112.901647 22.900134 6 佛山市高明 6:51:00 3.9846 112.908035 22.890848 14 佛山市高明 6:36:00 19.9231 表 4 在佛山市高明的全部任务 112.6832583 22.82452268 佛山市高明 75 1 112.8841425 22.91055956 佛 山市高明 75 1 112.8850012 22.90119911 佛山市高明 73 1 112.8883289 22.89624538 佛山市高
17、明 73.5 1 112.8923366 22.90311313 佛山市高明 73 1 112.9019826 22.90422292 佛山市高明 75 1 5.1.2 任务定价规律的研究 针对任务定价规律的研究， 本文 利用 MATLAB 输出任务区域与任务定价的散点图，对其进行相关规律的分析： 程序见附录 1。 7 图 3 MATLAB 输出的三维散点图 图 4 经度与任务定价的图像 图 5 纬度与任务定价的图像 8 经过对上图的分析， 较低的定价在经度 113 -113.5及 113.7 -114.3纬度 22.5 -23.3处较为密集，较高的定价在经度 113 -113.3及 113.
18、8 -114.2纬度 22.9 -23.2处较为密集。 5.1.3 未完成任务存在的原因分析 5.1.3.1 相关性模型的建立 图 6 相关性模型的建立流程 5.1.3.2 模型的求解 由于会员位置的不断变化， 为了进一步对问题进行研究， 本文 将会员与任务间的位置关系转 化 成 同一区域内会员密度与任务密度的比例关系 ， 即会员数与任务数的比例关系。 AS :CS = A/C 本文 进行了单元城市的建立 ，并设定了以下指标即：城市的会员数 A、城市会员的平均信誉度 B、城市的任务数 C、城市的任务完成数 D、城市的任务完成率 E、城市的会员与任务比 F、城市的任务平均定价 G， 并对任务及会
19、员分布较密集的 17 个城市进行指标确定。 表 5 17个城市的指标具体数值 会员数 平均信誉值 任务数 任务完成数 任务完成率 会员数与任务数的比值 任务平均定价 广州天河 114 190.603 37 17 0.459459459 3.081081081 67.081 深圳宝安 304 97.364 70 34 0.485714286 4.342857143 68.193 深圳龙岗 153 77.645 36 9 0.25 4.25 69.792 深圳南山 68 26.33 36 23 0.638888889 1.888888889 68.597 东莞市辖 351 534.301 177
20、136 0.768361582 1.983050847 69.167 佛山南海 88 60.953 69 53 0.768115942 1.275362319 72.486 广州白云 157 399.011 78 53 0.679487179 2.012820513 67.321 广州 99 526.786 60 36 0.6 1.65 67.6 数据预处理，将数据全部转化为数值型，输入 SPSS利用分析 相关 双变量工具进行数据相关性分析 对输出的数据进行相关性及显著性的分析 9 番禺 广州海珠 83 128.938 25 16 0.64 3.32 66.58 佛山顺德 59 132.927
21、 47 22 0.468085106 1.255319149 69.319 佛山禅城 45 111.215 40 14 0.35 1.125 68.975 广州花都 41 78.03 40 22 0.55 1.025 70.338 广州从化 13 178.443 18 17 0.944444444 0.722222222 71.528 广州黄埔 22 92.75 13 8 0.615384615 1.692307692 69.231 广州荔湾 41 117.098 11 6 0.545454545 3.727272727 69.5 广州越秀 52 215.343 14 7 0.5 3.7142
22、85714 67.321 广州南沙 3 13.403 16 13 0.8125 0.1875 71.188 本文 将 17个城市看作 17个单元，指标的具体数值即为单元的外部表征信息，本文 将这七组数据的会员与任务的比值及城市会员的平均信誉值分别与城市任务平均定价进行相关性分析，分析结果显示，城市任务平均定价与城市会员与任务的比值相关性在 0.05水平上较为显著，而与城市的平均信誉值相关性不明显，基于此 本文 分析存在未完成任务的原因为，原定价只考虑了会员与任务的位置分布因素，而未考虑城市会员的信誉度问题 。 表 6 平均价格与 城市会员平均信誉度的相关性表 相关性 G B G Pearson
23、 相关性 1 -.359 显著性（双侧） .144 N 18 18 B Pearson 相关性 -.359 1 显著性（双侧） .144 N 18 18 表 7 平均价格与城市会员与任务比的相关性表格 相关性 G F 10 G Pearson 相关性 1 -.505 显著性（双侧） .032 N 18 18 F Pearson 相关性 -.505 1 显著性（双侧） .032 N 18 18 . 在 0.05 水平（双侧）上显著相关。 11 5.3 问题二的模型建立及求解 5.3.1 定价 模型的建立 与求解 根据问题二的要求 ， 本文 基于权重思想建立了 指标定价模型。 图 7 权重定价模型
24、图 首先， 本文 利用 SPSS 的曲线拟合方法对比值与定价进行了多种函数拟合，经过对 2的比较， 本文 选取了拟合程度最好的 三次 函数，作为比值与定价的函数关系 ，得到函数关系为 1 = 73.4562.715x1 0.30212 +0.1613 表 8 多种函数拟合表 的模型汇总 模 型汇总和参数估计值 因变量 :G 方程 模型汇总 R 方 F df1 df2 Sig. 线性 .229 3.274 1 11 .098 对数 .352 5.980 1 11 .033 倒数 .431 8.345 1 11 .015 二次 .592 7.243 2 10 .011 三次 .792 4.540
25、3 9 .034 复合 .229 3.276 1 11 .098 幂 .353 5.994 1 11 .032 S .432 8.359 1 11 .015 增长 .229 3.276 1 11 .098 指数 .229 3.276 1 11 .098 Logistic .229 3.276 1 11 .098 表 9 多种函数拟合的参数估计值 模型汇总和参数估计值 因变量 :G 方程 参数估计值 会员数目与任务数目的比值与定价的函数关系 得到比值任务定价 y1 城市平均信誉值与定价的函数关系 得到比值任务定价 y2 y = 1y1 +22 权重定价公式： 得到实际定价 y 12 图 8 拟合
26、得到的三次函数图像 然后， 本文 对周围广泛使用的众包平台进行了调查，选取了某相对成熟的APP 作为 本文 的数据来源， 本文 得到了 个人信誉值与个人相应任务定价的数据，本文 对此进行了数据提取，而后再次利用 SPSS 的曲线拟合工具对其进行拟合，根据 2及 F 值 的比较，选取最合适的函数关系，经过 比较 本文 认为二次函数可以较好的满足关系 ，得到其函数关系式为： 2 = 0.00023322 +0.0692 +69.51 表 10 多种函数拟合的模型汇总 模型汇总和参数估计值 因变量 :B 方程 模型汇总 R 方 F df1 df2 Sig. 常数 b1 b2 b3 线性 70.469
27、 -.684 对数 70.130 -1.828 倒数 66.903 3.381 二次 75.102 -5.365 .907 三次 73.456 -2.715 -.302 .160 复合 70.456 .990 幂 70.113 -.026 S 4.204 .049 增长 4.255 -.010 指数 70.456 -.010 Logistic .014 1.010 13 线性 .488 9.517 1 10 .012 对数 .665 19.858 1 10 .001 倒数 .706 26.766 1 10 .000 二次 .768 11.135 2 9 .004 三次 .711 8.269 3
28、 8 .008 复 合 .487 9.492 1 10 .012 幂 .667 20.028 1 10 .001 S .733 27.488 1 10 .000 增长 .487 9.492 1 10 .012 指数 .487 9.492 1 10 .012 Logistic .487 9.492 1 10 .012 表 11 多种函数拟合的参数估计值 最后， 本文 确定了权重定价公式： y = 0.61 +0.42 本文 以广州市天河区为例进行问题的求解： 表 12 广州市天河区 的数据 会员与任务比 会员平均信誉值 原平均定价 原任务完成率 广州天河 3.081 190.603 67.081
29、 0.459 本文 将广州市天河区的具体数据代入上述模型 ,即 1=3.081,2=190.603。经过计算 本文 得到 1=66.904,2=74.197， y=69.821。 5.3.2 评价 模型的建立 与求解 针对对 两种方案的比较， 本文 建立了基于多元线性回归拟合的评价模型。 ,0 ,2 110 N XXY mm 模型汇总和参数估计值 因变量 :B 方程 参数估计值 常数 b1 b2 b3 线性 71.890 .017 对数 65.658 1.770 倒数 75.183 -114.450 二次 69.509 .069 -.0002332 三次 67.820 .137 -.001 2
30、.187E-6 复合 71.889 1.000 幂 66.002 .024 S 4.320 -1.571 增长 4.275 .000 指数 71.889 .000 Logistic .014 1.000 14 其中 未知 , = m , 10 为回归系数向量。现有样本容量为 n 的样本，其观测数据为 .,1, 1 mnnixxy imii 代入上式，得 记 .,1110111111TmTnnnmmn yyYxxxxX 所以上式可以写为矩阵形式： .,0 ,2INXY 本文 利用 SPSS 完成了 对 以任务完成率为因变量 ,以任务平均定价、会员与任务比值、城 市会员平均信誉度为自变量的多元线性
31、回归方程的生成， 具体函数为 : E=-0.0121+0.0005572+0.069y-4.244 表 13 多元线性回归函数的具体数据 模型汇总 b 模型 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson 1 .708a .501 .407 .1499949 2.234 a. 预测变量 : (常量 ), 任务平均定价 , 会员和任务数的比值 , 会员平均信誉值。 b. 因变量 : 任务完成率 表 14 多元线性回归函数的系数 系数 a 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量 ) -4.244 1.473 -2.880 .011 会
32、员平均信誉值 .0005566 .000 .464 2.580 .020 会员和任务数的比值 -.012 .018 -.115 -.640 .531 任务平均定价 .069 .021 .595 3.280 .005 a. 因变量 : 任务完成率 而后， 本文 仍然以广州市天河区为例，以实施前后的完成率变化为标准 ,进15 行 新方案与原方案的比较。将相应数据代入上述模 型，得到实施新的定价方案后广州市天河区的任务完成率为 0.643，发现任务完成率有了明显的增长，证明新的定价方案优于原有的定价方案。 为了使结果更具有可信度， 本文 随机选取了十个城市重复上述操作，结果输出如下： 表 15 所选
33、取城市进行模型能力 比较 数据 平均信誉值 会员与任务比值 任务 定价 y1 y2 y 原 任务完成率 新的 完成率 东莞市辖 534.301 1.983 69.167 68.132 69.000 68.479 0.768 0.755 广州番禺 526.786 1.65 67.6 68.873 69.000 68.924 0.600 0.785 广州白云 399.011 2.013 67.321 68.072 69.000 68.443 0.679 0.677 广州天河 190.603 3.081 67.081 66.904 74.197 69.821 0.459 0.643 佛山顺德 132
34、.927 1.255 69.319 69.888 74.565 71.759 0.468 0.766 广州海珠 128.938 3.32 66.58 66.969 74.533 69.994 0.640 0.618 佛山禅城 111.215 1.125 68.975 70.247 74.302 71.869 0.350 0.763 深圳宝安 97.364 4.343 68.193 69.075 74.019 71.052 0.486 0.661 广州花都 78.03 1.025 70.338 70.528 73.475 71.707 0.550 0.735 深圳龙岗 77.645 4.25 6
35、9.792 68.745 73.463 70.632 0.250 0.622 由上表数据分析可知，当 新的方案实施后，城市的任务完成率整体来看呈上升趋势，并且存在部分城市任务完成率上升十分显著。 5.3 问题三的 模型建立及 求解图 9 模型优化流程图 对地理分区的拆分 依据所拆开区域中街道具体数据重新打包 对任务完成打包后考虑任务数目比例变化 对原模型进行优化 16 当对具体城市进行拆分而后依据街道重新进行打包后，该城市任务的减少量为： Z = 22 +233 +1+1 则 会员与任务的比值变为： 1 = 虽然任务数目在一个城市总体上是减少的，但是对于做任务的个人来说，她所做的任务数并未变，
36、所以我们在考虑对原来函 数关系的影响时，不能单纯的考虑上式，所以我们引入一个比例系数 k,生成新的函数表达式： 1 = 73.456 2.715kx1 0.302(1)2 +0.16(1)3 我们以广州市从化市为例进行拆区与重新打包的模型求解。 表 16 对广州市从化市进行区域拆分 经度 纬度 具体地点 定价 A0270 113.4420382 22.96178714 广州市从化市前进路 8 号 66 A0198 113.5128066 22.82926076 广州市从化市福从路 75 A0207 113.5823006 22.75155653 广州市从化市上横北路四巷 3 号 70 A030
37、0 113.5926833 23.54435986 广州市从化市西宁西路 148 号 70 A0301 113.5926934 23.54456994 广州市从化市广场路 116 70 A0304 113.5927756 23.54966086 广州市从化市广场路 106 70 A0384 113.5933558 22.77665396 广州市从化市中田东路 67 75 A0424 113.5951132 23.55366671 广州市从化市西宁中路 79 号 75 A0431 113.5953328 23.55380843 广州市从化市东成路 66 号 75 A0429 113.595383
38、7 23.5532428 广州市从化市东成路 68 号 75 A0302 113.5963006 23.55079636 广州市从化市东成 路 68 号 70 A0133 113.5974857 23.18611685 广州市从化市建设路 28 号 75 A0292 113.5988663 23.55528066 广州市从化 市景瑞街 1 70 A0470 113.6011789 23.14339098 广州市从化市西宁东路 2-2 号 75 A0307 113.602251 23.55090902 广州市从化市向阳路 151 70 A0385 113.6129849 22.64946304
39、广州市从化市河东北路 1 号 75 A0762 113.7414039 23.05466654 广州市从化市 G105(御泉大道 ) 66 A0360 113.9591486 22.58243264 广州市从化市广新路 65.5 我们以街区为依 据，对同一街区的任务进行打包，经过数据的筛选我们发现从化市的 任务减少量 Z 为： Z = 2 +23 即 Z = 3 通过对某 APP 数据的分析， 基于对任务发布者利益与实施任务者利益的多方面考虑，本文认为 k 0.890283对此取三位小数即 k = 0.890。代入新的函数关系式得： 1 = 73.456 2.4161 0.23912 +0.1
40、1313 将 1代入原式得， 1 = 71.630， 再将 1代入优化后的定价模型得到该市在打包后的定价为 72.739。 将样本数据重新导入新的定价模型中，我们发现，打包之后完成率得到进一17 步提高。 5.4 问题四的 模型建立及 求解 首先， 本文 对附件三中的经、纬度位置 进行处理，利用网络地图进行分区 ，将任务划分至具体区域内，并进行有关数据的统计。 表 17 附件三 的数据统计表 会员数 会员平均信誉值 任务数 会员和任务数的比值 广州天河 114 190.603 488 0.233606557 深圳福田 62 65.786 1 62 深圳宝安 304 97.364 247 1.2
41、30769231 深圳龙岗 153 77.645 296 0.516891892 深圳南山 68 26.33 3 22.66666667 东莞市辖 351 534.301 3 117 佛山南海 88 60.953 4 22 广州白云 157 399.011 604 0.259933775 广州海珠 83 128.938 376 0.220744681 广州花都 41 78.03 2 20.5 广州荔湾 41 117.098 4 10.25 广州越秀 52 215.343 28 1.857142857 深圳罗湖 40 88.594 7 5.714285714 广州萝岗 13 160 3 4.33
42、3333333 然后将统计后的数据代入定价模型进行求解，求解结果见下表： 表 18 新项目的定价方案及实施效果预测 会员平均信誉值 会员和任务数的比值 模型给出的定价 完成率预测 广州天河 190.603 0.233606557 73.36312338 0.92422138 深圳福田 65.786 62 74.21634285 0.16957046 深圳宝安 97.364 1.230769231 71.5809089 0.73454523 深圳龙岗 77.645 0.516891892 72.58155123 0.8011726 深圳南山 26.33 22.66666667 73.466095
43、34 0.56782639 东莞市辖 534.301 117 72.6 0.3409943 佛山南海 60.953 22 74.1400398 0.64161357 广州白云 399.011 0.259933775 71.23961101 0.89066308 广州海珠 128.938 0.220744681 73.51944805 0.89801145 广州花都 78.03 20.5 74.39016294 0.68638395 广州荔湾 117.098 10.25 74.75795184 0.85652226 广州越秀 215.343 1.857142857 70.46380274 0.7
44、1566273 深圳罗湖 88.594 5.714285714 76.27850754 0.99999245 广州萝岗 160 4.333333333 71.25770222 0.70990145 通过对上表的观察，可以给出新项目所在城区的具体定价，完成对实施效果的预测， 发现完成率普遍在 60%之上，所以实施效果较好 18 六、模型评价与推广 6.1 模型评价 6.1.1 对问题二中评价模型的检验 表 19 引入剔除变量表 输入移去的变量 b 模型 输入的变量 移去的变量 方法 1 任务平均定价 , 会员和任务数的比值 , 会员平均信誉值 . 输入 . 已输入所有请求的变量。 b. 因变量
45、: 任务完成率 从 表 19 中可以看出没有变量被剔除 表 20 模型汇总 模型汇总 b 模型 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson 1 .708a .501 .407 .1499949 2.234 a. 预测变量 : (常量 ), 任务平均定价 , 会员和任务数的比值 , 会员平均信誉值。 b. 因变量 : 任务完成率 该表显示模型的拟合情况 .从表中可以看出 ,模型的复相关系数 (R)为 0.708,判定系数 (R 方 )为 0.501, 检验统计量为 2.234,当 2时 说明残差独立，从中 本文 可以得出结论，该模型拟合情况一般及该模 型中残差独立。
46、表 21 回归系数表 系数 a 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量 ) -4.244 1.473 -2.880 .011 会员平均信誉值 .001 .000 .464 2.580 .020 会员和任务数的比值 -.012 .018 -.115 -.640 .531 任务平均定价 .069 .021 .595 3.280 .005 a. 因变量 : 任务完成率 从中 本文 可以看出该模型的偏回归系数 (B)、标准误差、回归系数检验 的 t统计量观测值和相应的概率 p 值（ Sig.），从中发现变量会员和任务数的比值显著性较弱，应考虑进行模型改进或更换更
47、具显著性的变量。 19 6.1.2 模型优缺点 优点：实现地理分区，便于实际操作。 缺点：分区导致数据过少，导致误差过大。 七、参考文献 1胡阿祥，彭安玉 .中国地理大发现 .2004-4-1. 八、附录 MATLAB R2014a 散点图的制作 附录 1 clc,clear date= xlsread(D:DocumentsMATLAB新建文件夹 (2)完成未 .xlsx);%导入数 据 A=date; date=xlsread(D:DocumentsMATLAB新建文件夹 (2)没完成 .xlsx);%导入数据 B=date; plot(A(:,1),A(:,2),.b)%生成图像 hold on plot(B(:,1),B(:,2),r.)%生成图像 xlabel(jingdu) ylabel(weidu)
