肖蓬（福州外语外贸学院福建福州350202）

面板数据模型下的出租车资源配置合理性研究
——基于“滴滴打车”软件的数据

肖蓬（福州外语外贸学院福建福州350202）

即使在“互联网+”时代，“打车难”现象仍一直受到政府和社会各界的高度关注。用面板数据（Panel Data）与空间自回归（Spatial Autoregressive）相结合的时空数据自回归模型，通过java程序挖掘相关数据，对互联网时代出租车资源问题进行分析，结果表明：不同时间、区域的出租车资源配置存在显著差异。

面板数据模型；向量自回归模型

移动打车软件，如“滴滴”打车，作为一种创新的商务模型,从乘客与出租车司机之间信息不对称入手,缓解了乘客“打车难”与出租车司机“空载率”居高不下的问题。目前学术界在打车软件领域的研究甚[1-5]少,本文打车软件的视角出发,试图通过建立相关指标，探索出租车资源的“供求匹配”程度的时空差异。

1.数据来源

目前，打车软件市场中“滴滴打车”和“快的打车”软件占有率达99%，且二者已于2015年合并，本文基于“滴滴快的智能出行平台”（http://v.kuaidadi.com/）的数据，利用Java程序（详见附录1）挖掘数据。主要采用北京、成都、广州、杭州、南京、上海、深圳、沈阳、武汉、西安这十大城市的在一周内每小时的数据，主要提取X1（出租车需求量）、X2（被抢单时间）、X3（出租车分布）和X4（车费）及Y（打车难易度）的数据进行处理，挖掘的数据十个城市共1680个数据。

2.从相关系数角度看打车难易程度和各因素的协调关系

利用挖掘的数据十个城市共1680个数据，对X1、X2、X3、X4、Y5个变量用SPSS软件进行标准化处理.在Pearson检验下,Y(打车难易度）与X1（出租车需求量）、X2（被抢单时间）、X3（出租车分布）和X4（车费）对之间的相关性在0.05水平上显著相关。……