随着经济的迅速发展,我国迎来了“互联网+”和“万众创新”的发展浪潮,这也给二手车行业带来了诸多发展机遇。本文针对瓜子二手车直卖网爬取6425条数据进行描述性统计分析,通过建立统计模型和算法模型研究了二手车保值率的影响因素,旨在为用户提供一种评估二手车保值率的方法,帮助用户做出更好的决策。本文的主要思路是建立logistic回归、决策树、随机森林和XGBoost四个模型,根据混淆矩阵得出的分类预测准确率,对以上四个模型进行评估,选出准确率最高的模型为最优模型,进而从此最优模型出发得到影响二手车保值率的重要影响变量。具体工作概括如下:1.收集并整理数据。利用八爪鱼采集器爬取二手车信息共6425条,包括二手车的原价与报价、使用状况、基本属性、动力情况、内外部配置和故障排查等方面。对这些数据进行清洗和特征构造,使之适应本文所选模型的建立。2.数据的描述性统计分析。从保值率、使用状况、基本属性、动力情况、内外部配置和故障排查六个方面对二手车数据做描述性统计分析。通过对这些指标的描述性统计分析,了解其分布规律,初步探索各类指标与二手车保值率之间的关系。3.建立二手车保值率高低的logistic回归模型。本文对保值率高低进行了定义,将保值率由高到低排列,选取排名前30%的保值率定义为高保值率,其他为低保值率,从而将连续型变量转化为了0-1分类变量。进而采用logistic逐步回归、BIC准则对影响因素进行变量选择。通过全变量的回归,绘制出混淆矩阵图,由于准确率较高,说明选取模型适合。4.建立二手车保值率高低的分类算法模型。首先,采用CART算法建立决策树模型;然后,在决策树的基础上,建立了随机森林模型和XGBoost算法模型;最后,分别对三种模型编制混淆矩阵,判断所建立的三种模型是否合适,并得出每种模型下的变量重要性排名。通过上述研究,发现选取的四种模型均可以用来研究二手车保值率的影响因素,其中随机森林模型的分类预测准确率更高,效果更好,因此,随机森林模型为最优模型,进而从此模型出发可以得到二手车保值率的高低与上牌时间、行驶里程、马力、轴距、厂商等息息相关。