我们将分析模型应用于一个知名的网络B2B交易匹配网站的相关运营数据。模型一(检验假设一和假设二)的数据集包括251天每天的数据，覆盖日期是2009年3月1日至2009年11月6日。由于早期部分数据统计标准的不一致，模型二和模型三(检验假设三和假设四)的样本数据有所减少，共219天每天的数据，覆盖日期是2009年4月1日至2009年11月5日。以共同覆盖的日期为基础，表6.1提供了描述性统计分析结果。图6.2至图6.8是各个变量在观察期内的趋势图。

表6.1 描述性统计分析结果

续表

备注:＊＊表示在0.01水平下相关性检验是显著的(双尾检验)。

图6.2 搜索广告平台的收入(单位: 虚拟单位)

图6.3 参竞商家的数量(单位: 家)

图6.4 商家竞价的平均价格(单位: 元/关键词)(www.daowen.com)

外部SEO广告吸引来的搜索行为数量(单位: 一次点击行为)

内部推荐工具吸引来的搜索行为数量(单位: 一次点击行为)

图6.7 给老广告商家赠送的竞价补贴数量(单位: 家)

6.8 给新广告商家赠送的竞价补贴数量(单位: 家)

根据Trusov，Bucklin和Pauwels(2009)的建议，VAR模型分析包括多个步骤。第一步，检验内生性。即商家竞争广度、商家竞争深度以及平台收入是否存在内生性问题，吸引新搜索用户、吸引老搜索用户和商家竞争广度的内生性问题，和向新广告商家发送红包、向已有广告商家发送红包和商家竞争深度的内生性问题。通过时间序列的数据进行Granger因果检验。第二步，我们需要检验理论框架中影响机制的持久效应(Permanent Effect)。以商家竞争广度为例，如果当天商家竞争广度的增加能影响第二天商家竞争广度的增加，那么在这种情况下，商家竞争广度的时间序列是“发展(Evolving)”的。如果没有变化，则商家竞争广度的时间序列是“静止(Stationary)”的，这意味着商家竞争广度是一个稳定的均值而且没有持久效应(Dekimpe and Hanssens，1995; 1999)。通过内生性和发展性检验，我们可以得出结论，我们所建立的VAR模型是有效的。第三步，是采用模型去估计影响因素的短期和长期弹性系数。通过分析结果，我们可以得出管理实践指导的意义。我们也可以得出不同影响因素的潜在价值。