畢業(yè)設(shè)計(論文)-北京市房價走勢分析

1、<p><b>　　畢業(yè)設(shè)計（論文）</b></p><p>　　題 目： 北京市房價走勢分析 </p><p>　　學(xué) 院： 理 學(xué) 院 </p><p>　　專 業(yè)：

2、 信息與計算科學(xué) </p><p>　　學(xué)生姓名： 班級/學(xué)號 </p><p>　　指導(dǎo)老師： </p><p>　　起止時間： 2011年 2月 21日 至 2011年6月17日 </p><p><

3、;b>　　摘 要</b></p><p>　　房價問題是近年來的一個熱點社會話題。本文搜集了2008年7月至2011年5月的北京房屋均價數(shù)據(jù)以及北京幾個主要區(qū)縣的房屋均價，利用灰色預(yù)測理論和回歸分析方法對數(shù)據(jù)進(jìn)行建模，分別進(jìn)行了模型驗證，兩種建模方法得出了一致的結(jié)論：2011年6月-12月房價呈穩(wěn)定上升趨勢。本文得出的結(jié)論可以給北京市的政策決策者提供了一個參考性方案。</p>&

4、lt;p>　　關(guān)鍵詞：房價走勢；灰色預(yù)測；回歸分析；數(shù)學(xué)建模；數(shù)據(jù)擬合；matlab；</p><p><b>　　Abstract</b></p><p>　　High house prices in recent years become a hot social topic. This article collected Beijing housing p

5、rice data from July 2008 to May 2011 and several major districts of Beijing housing price, using Gray prediction theory and regression analysis to model data, model validation were carried out, this two models obtained t

6、he same conclusion, June 2011 to december of house prices show steady upward trend. The conclusion of this article can provide policy makers in Beijing a reference of the program.</p><p>　　Keywords： house pr

7、ices； grey prediction theory； regression analysis； mathematical modeling； data fitting； matlab</p><p><b>　　目 錄</b></p><p><b>　　摘 要I</b></p><p>　　AbstractI

8、I</p><p><b>　　第一章 概 述3</b></p><p>　　第一章 概 述- 1 -</p><p>　　第二章 房價走勢分析的灰色預(yù)測模型- 1 -</p><p>　　2.1 灰色預(yù)測模型的建立- 1 -</p><p>　　2.2灰色預(yù)測模型的檢驗- 3 -&l

9、t;/p><p>　　第三章 回歸分析介紹- 1 -</p><p>　　3.1 回歸分析的一般步驟- 1 -</p><p>　　3.2 多元線性回歸的Matlab實現(xiàn)- 1 -</p><p>　　3.3回歸分析預(yù)測法(Regression Analysis Prediction Method)- 2 -</p><

10、;p>　　3.3.1回歸分析預(yù)測法的分類- 2 -</p><p>　　第四章 房價走勢的回歸分析模型- 1 -</p><p>　　4.1房價問題的模型假設(shè)- 1 -</p><p>　　4.2房價問題的模型建立與分析- 2 -</p><p>　　4.2.1 房價問題的模型推導(dǎo)- 2 -</p><

11、p>　　2.3.1 房價變化情況和預(yù)測- 7 -</p><p>　　2.4模型的改進(jìn)與推廣- 8 -</p><p>　　第五章 總 結(jié)- 1 -</p><p>　　參考文獻(xiàn)- 1 -</p><p><b>　　第一章 概 述</b></p><p>　　房價問題是當(dāng)前政府和

12、老百姓最關(guān)心的問題之一，高房價近年來已經(jīng)成為一個熱點的社會話題，關(guān)于其形成原因和解決辦法的言論和文章層出不窮。房價高就意味著如果你現(xiàn)在買房子，以后花錢會比較困難，因為你付出得太多。這牽涉到社會財富分配的問題，所以很敏感。房地產(chǎn)問題的實質(zhì)是社會財富分配的矛盾</p><p>　　近幾年的“兩會”期間，住房問題一直是中國老百姓最重要、最關(guān)心的話題。2010年政府工作報告指出：“堅決遏制部分城市房價過快上漲勢頭，滿足人

13、民群眾的基本住房需求。建設(shè)保障性住房300萬套。增加中低價位、中小套型普通商品房用地供應(yīng)，加快普通商品房項目審批和建設(shè)進(jìn)度。規(guī)范發(fā)展二手房市場，倡導(dǎo)住房租賃消費。盤活住房租賃市場?！睖丶覍毧偫碓谡ぷ鲌蟾嬷刑岢觯骸耙种仆稒C性購房。加大差別化信貸、稅收政策執(zhí)行力度。完善商品房預(yù)售制度。完善土地收入管理使用辦法，抑制土地價格過快上漲。加大對圈地不建、捂盤惜售、哄抬房價等違法違規(guī)行為的查處力度?！?lt;/p><p>　

14、　另外一組數(shù)據(jù)，也說明了房價問題是民生問題的要害：從2004年房價開始抬升和2009年到達(dá)高點這兩個時期的經(jīng)濟狀況來看，2004年我國國內(nèi)生產(chǎn)總值約13.6萬億，財政收入2.64萬億，城鎮(zhèn)居民可支配收入在9422元;2009年我國國內(nèi)生產(chǎn)總值在33.5萬億，財政收入6.85萬億，城鎮(zhèn)居民可支配收入在17175元。這幾年GDP平均增長在10%以上，國內(nèi)經(jīng)濟總量翻了2.5倍，財政收入翻了2.6倍，城鎮(zhèn)居民收入只增加了不到一倍。</p&

15、gt;<p>　　中國經(jīng)濟這幾年增長是很快的，前幾年GDP的增加達(dá)到百分之十幾，但是存款利息卻非常低，短期的儲蓄利息接近于零，所以大家把錢拿出去炒股炒房的意愿比較強烈。但是，由于中國人口老化是不可避免的，最終房子的需求是會下降的，所以從長遠(yuǎn)來說炒房子不會成功。問題在于這十年怎么辦? 如果還是那么多人炒，利息又那么低，會不會引起社會不穩(wěn)定? 在國家逐步加強宏觀調(diào)控，抑制房地產(chǎn)市場過熱的大背景下，北京住房價格出現(xiàn)大幅增長，引起

16、了社會各界的密切關(guān)注。電視?。何伨印霸谌珖鵁岵?，也說明老百姓對房價的關(guān)心。到底北京房子的價格是升還是降呢？</p><p>　　本文一方面通過調(diào)研前幾年北京的買房數(shù)據(jù)，對數(shù)據(jù)整合處理，建立數(shù)學(xué)模型進(jìn)行預(yù)測；另一方面討論影響房地產(chǎn)價格的主要因素，找出了價格和其主要因素之間的關(guān)系，通過其他因素的價格變化，來推測北京的房價走勢。</p><p>　　文章安排如下：第二章利用查找的數(shù)據(jù)，采用灰色預(yù)

17、測模型進(jìn)行建模，對房價走勢進(jìn)行預(yù)測；第三章利用回歸分析建模方法，建立房價與影響房價主要因素之間的數(shù)學(xué)模型，得出房價穩(wěn)定上升的結(jié)論；最后對文章進(jìn)行總結(jié)。</p><p>　　第二章 房價走勢分析的灰色預(yù)測模型</p><p>　　本章不考慮影響房價的具體因素，調(diào)研了北京市2008年7月到2011年4月的數(shù)據(jù)，采用灰色GM（1,1）模型進(jìn)行預(yù)測分析，并做了模型驗證。在驗證合理的基礎(chǔ)上對201

18、1年的房價走勢做預(yù)測分析。</p><p>　　2.1 灰色預(yù)測模型的建立</p><p>　　北京2008年7月—2010年12月的房屋平均價格如表 1 所示，</p><p>　　表1 2008年7月-2010年12月的價格表</p><p>　　設(shè)表1中的數(shù)據(jù)為原始序列，即有：</p><p>　　對做一階累加

19、，生成序列記為，結(jié)果見表2</p><p><b>　　表2</b></p><p>　　GM(1,1)的具體模型及計算式，設(shè)非負(fù)原始序列</p><p>　　對作一次累加，得到生成數(shù)列為</p><p><b>　　其中，</b></p><p>　　于是的GM(1,1)白

20、化形式的微分方程為</p><p>　　------------ (1)</p><p><b>　　其中，為待定參數(shù)</b></p><p>　　根據(jù)表2的數(shù)據(jù)，得出：</p><p><b>　　，即有：</b></p><p>　　參數(shù)向量可用最小二乘法求取，即<

21、/p><p>　　把求取的參數(shù)代入（1-1）式，并求出其離散解為：</p><p>　　------------（2）</p><p>　　（1-2）式稱為GM(1,1)模型的時間相應(yīng)函數(shù)模型，它是GM（1,1）模型灰色預(yù)測的具體計算公式</p><p>　　通過用MATLAB的計算得出：a=-0.0158，u=4902</p>&

22、lt;p><b>　　預(yù)測模型為：</b></p><p>　　------------（3）</p><p>　　2.2灰色預(yù)測模型的檢驗</p><p>　　本文利用2011年1月至5月份的數(shù)據(jù)對模型進(jìn)行檢驗?；疑Ｐ偷木葯z驗一般有三種方法：相對誤差大小檢驗法，關(guān)聯(lián)度檢驗法和后檢驗法。本文采用第一種方法—相對誤差大小檢驗法。<

23、/p><p>　　設(shè) 按GM（1，1）建模法以求出，并將做一次累減轉(zhuǎn)化為，即</p><p><b>　　計算殘差得：</b></p><p><b>　　其中，</b></p><p><b>　　計算相對誤差得：</b></p><p>　　計算平均

24、相對誤差得：</p><p>　　通過計算，得出殘差檢驗，如表3所示</p><p>　　計算得平均相對誤差為： </p><p>　　計算的相對誤差如表3所示，序號1代表是2011年1月份的數(shù)據(jù)，以此類推，序號5代表2011年5月份的數(shù)據(jù)。</p><p><b>　　表3</b></p><p&

25、gt;　　由誤差計算結(jié)果看出，平均相對誤差為0.02359,說明模型精度較高。</p><p>　　利用公式（3）對2011年6-12月的房價進(jìn)行預(yù)測，如表4所示：</p><p><b>　　表4</b></p><p>　　從我們預(yù)測的結(jié)果可以得出，2011年的房價走勢穩(wěn)步上升的趨勢。</p><p>　　第三章 回

26、歸分析介紹</p><p>　　回歸分析（regression analysis)是確定兩種或兩種以上變數(shù)間相互依賴的定量關(guān)系的一種統(tǒng)計分析方法。運用十分廣泛，回歸分析按照涉及的自變量的多少，可分為一元回歸分析和多元回歸分析；按照自變量和因變量之間的關(guān)系類型，可分為線性回歸分析和非線性回歸分析。如果在回歸分析中，只包括一個自變量和一個因變量，且二者的關(guān)系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果

27、回歸分析中包括兩個或兩個以上的自變量，且因變量和自變量之間是線性關(guān)系，則稱為多元線性回歸分析。</p><p>　　3.1 回歸分析的一般步驟</p><p>　　在具體講解回歸方法之前，我們先簡單介紹一下回歸分析的一般步驟。一個完整的回歸分析通常包括了以下幾步：</p><p>　　1：對數(shù)據(jù)進(jìn)行預(yù)處理，選擇合適的變量進(jìn)行回歸分析。在建立回歸模型的時候，選擇哪些變

28、量進(jìn)入模型是首先要考慮的問題，對于變量的選取，既要考慮實際問題的背景也要考慮變量數(shù)據(jù)的統(tǒng)計特征。</p><p>　　2：作散點圖，觀察變量間的趨勢，初步選取回歸分析方法。同時利用散點圖剔除異常點。</p><p>　　3：進(jìn)行回歸分析，擬合自變量與因變量之間的經(jīng)驗公式。</p><p>　　4：擬合完畢之后進(jìn)行殘差分析，檢驗?zāi)Ｐ褪欠袂‘?dāng)。殘差分析主要包括檢驗殘差是

29、否獨立，以及殘差是否服從正態(tài)分布兩方面。</p><p>　　5：利用擬合結(jié)果進(jìn)行預(yù)測控制。</p><p>　　需要注意的是，在處理實際問題的時候，一定要以問題的專業(yè)背景為基礎(chǔ)，而不是拘泥于固定的數(shù)學(xué)方法。</p><p>　　3.2 多元線性回歸的Matlab實現(xiàn)</p><p>　　多元線性回歸的命令是regress，此命令也可用于一元

30、線性回歸。格式如下：</p><p>　　1：確定回歸系數(shù)的點估計值，用命令：b=regress（Y，X）。</p><p>　　2：求回歸系數(shù)的點估計和區(qū)間估計，并檢驗回歸模型，用命令：</p><p>　　[b,bint,r,rint,stats]=regress(Y,X,alpha)</p><p>　　3：畫出殘差及其置信區(qū)間，用命令

31、：</p><p>　　rcoplot(r,rint)</p><p>　　上述命令中，各符號的含義如下：</p><p>　　其中b為回歸系數(shù)的點估計值，即</p><p>　　對一元線性回歸，取k=1即可；</p><p>　　(1)alpha為顯著水平（缺省時為0.05）；</p><p>

32、;　　(2)bint為回歸系數(shù)的區(qū)間估計；</p><p>　　(3)r與rint分別為殘差及其置信區(qū)間；</p><p>　　(4)stats是用于檢驗回歸模型的統(tǒng)計量，由三個值，第一個是相關(guān)系數(shù)r2，r2越接近1，說明回歸方程越顯著；時拒絕H0，F(xiàn)越大，說明回歸方程越顯著；第三個是與F對應(yīng)的概率p，p<α?xí)r拒絕H0，回歸模型成立。</p><p>　　3.

33、3回歸分析預(yù)測法(Regression Analysis Prediction Method)</p><p>　　回歸分析預(yù)測法，是在分析市場現(xiàn)象自變量和因變量之間相關(guān)關(guān)系的基礎(chǔ)上，建立變量之間的回歸方程，并將回歸方程作為預(yù)測模型，根據(jù)自變量在預(yù)測期的數(shù)量變化來預(yù)測因變量關(guān)系大多表現(xiàn)為相關(guān)關(guān)系，因此，回歸分析預(yù)測法是一種重要的市場預(yù)測方法，當(dāng)我們在對市場現(xiàn)象未來發(fā)展?fàn)顩r和水平進(jìn)行預(yù)測時，如果能將影響市場預(yù)測對象

34、的主要因素找到，并且能夠取得其數(shù)量資料，就可以采用回歸分析預(yù)測法進(jìn)行預(yù)測。它是一種具體的、行之有效的、實用價值很高的常用市場預(yù)測方法。</p><p>　　3.3.1回歸分析預(yù)測法的分類</p><p>　　回歸分析預(yù)測法有多種類型。依據(jù)相關(guān)關(guān)系中自變量的個數(shù)不同分類，可分為一元回歸分析預(yù)測法和多元回歸分析預(yù)測法。在一元回歸分析預(yù)測法中，自變量只有一個，而在多元回歸分析預(yù)測法中，自變量有兩

35、個以上。依據(jù)自變量和因變量之間的相關(guān)關(guān)系不同，可分為線性回歸預(yù)測和非線性回歸預(yù)測。</p><p>　　第四章 房價走勢的回歸分析模型</p><p>　　4.1房價問題的模型假設(shè)</p><p>　　所謂房地產(chǎn)泡沫指的是商品房售價遠(yuǎn)遠(yuǎn)超過其實際的價值。近幾年來，我國各大城市房價出現(xiàn)了普遍的持續(xù)上漲、高居不下的情況。房價的上漲使生活成本大幅度增加，導(dǎo)致許多低收入人

36、群買房難，目前我國城鎮(zhèn)居民的人均居住面積只有發(fā)達(dá)國家的一半左右，甚至低于不少發(fā)展中國家，居民不是沒有住房需求，而是現(xiàn)有的貨幣支付能力無法使其去實現(xiàn)購房的愿望。盡管現(xiàn)在買房可以貸款，可以分期付款，但這也需要居民有相當(dāng)好的收入水平，還要用好多年來供房直到中年甚至更晚才可以還清，一生中最好的時光就都交給了房子。因此如何有效地抑制價格上揚，甚至能夠降低房價，是一個備受關(guān)注的社會問題。下面就就這個問題展開分析與建立數(shù)學(xué)模型，就今后的房地產(chǎn)價格走勢

37、做出簡單的分析和預(yù)測。</p><p>　　影響房價的因素有許多，房屋建造成本、市場供求關(guān)系、城市經(jīng)濟發(fā)展、城市規(guī)模、等等?，F(xiàn)假設(shè)房屋價格與各個因素間的關(guān)系均為線性關(guān)系，且：</p><p>　?。?）房屋建造成本用竣工房屋造價來代替。</p><p>　　（2）城市經(jīng)濟發(fā)展用人均GDP來表示。</p><p>　?。?）城市規(guī)模用建成區(qū)面積

38、來表示。</p><p>　?。?）市場供求關(guān)系通過消費者的支付能力竣工房屋價格來體現(xiàn)，而消費者的支付能力有通過在崗職工的平均工資來衡量。</p><p>　　（5）房地產(chǎn)價格通過房屋均衡價格來表示</p><p>　?。?）忽略消費者偏好如有無學(xué)校、綠化率、停車位、熱水供應(yīng)狀態(tài)、通信、房屋建筑形式等對住房價格的影響。</p><p>　?。?/p>

39、7）忽略消費成本如交通費用、物業(yè)費用、停車費用等對房價的影響。</p><p>　?。?）忽略一些炒作對房價的影響。</p><p><b>　　符號說明：</b></p><p>　　A：表示人均GDP序列（元）</p><p>　　B：表示在崗職工平均工資序列（元）</p><p>　　C：表

40、示竣工房屋造價序列（元/㎡）</p><p>　　D：城鄉(xiāng)人均儲蓄余額序列/元</p><p>　　Y：住房均衡價格指標(biāo)序列，均衡價格(equilibrium price)是指消費者對某種商品的需求量等于生產(chǎn)者所提供的該商品的供給量時的市場價格。均衡價格是由需求和供給兩種力量共同決定的。它與吸納率和交易價格有關(guān)。[1]</p><p><b>　?。簽殡S機

41、變量</b></p><p>　　Uy,Ua,Ub,Uc,Ud：分別為Y,A,B,C,D序列的均值序列</p><p>　　ΔY,ΔA,ΔB,ΔC,ΔD：分別表示Y-Uy,A-Ua,B-Ub,C-Uc,D-Ud序列，即中心化序列</p><p><b>　?。盒蛄械姆讲?lt;/b></p><p><b&g

42、t;　　,,,：模型參數(shù)</b></p><p>　　S(a)：為殘差的平方和</p><p>　　n ：統(tǒng)計城市數(shù)（樣本數(shù)） </p><p>　　R：中心化序列的協(xié)方差</p><p>　　4.2房價問題的模型建立與分析</p><p>　　4.2.1 房價問題的模型推導(dǎo)</p>&l

43、t;p>　　表5為北京2008年7月到2011年5月12個主要城區(qū)住房均衡價格及其相關(guān)因素的統(tǒng)計表。依照此表我們可以求得各因素與住房均衡價格的相關(guān)系數(shù)進(jìn)而判斷各因素對房價的影響程度如表二所示。</p><p>　　表5 12個主要城區(qū)住房均衡價格及其相關(guān)因素的統(tǒng)計表</p><p>　　同時可以求得各個因素序列的平均值，見附表6：</p><p><

44、;b>　　表6</b></p><p>　　表7 各因素與住房均衡價格的相關(guān)系數(shù)表</p><p>　　由表7可得，住房均衡價格與非農(nóng)業(yè)人口變化率、人均住宅面積、建成面積的相關(guān)系數(shù)相對要小，所以這里我們忽略二者的影響，只考慮其他主要因素的影響，主要包括：人均GDP、在崗職工平均　工資、竣工房屋造價、城人均儲蓄余額等方面</p><p>　　通過表6

45、我們依次做出主要因素和住房均衡價格的關(guān)系圖：</p><p><b>　　圖1</b></p><p><b>　　圖2</b></p><p><b>　　圖3</b></p><p><b>　　圖4</b></p><p>　

46、　由均衡房價和人均GDP、均衡房價和人均工資、均衡房價和竣工造價, 均衡房價和居民平均儲蓄的關(guān)系圖可以看出，均衡房價和人均GDP、人均工資、竣工造價、居民平均儲蓄存在著相依的關(guān)系，很容易想到用多元線性回歸模型</p><p>　　表示因變量Y,對自變量A,B,C,D…….的相依性，其中，，， ，……為參數(shù)</p><p><b>　　模型特點如下：</b></p

47、><p>　　A、B、C、D……為一般變量，為隨機變量；</p><p>　　Y為一般變量和隨機變量的線形組合，Y序列的值既取決于A，B，C，D序列，又受制于。</p><p>　　如表8所示各序列，一般假定為白噪聲序列，假定其服從均值為0，方差為的正態(tài)分布</p><p><b>　　表8</b></p>&

48、lt;p><b>　　將其中心化后得</b></p><p>　　Y-Uy=*(A-Ua) + *(B-Ub) + *(C-Uc) + *(D-Ud)+ </p><p><b>　　上式即為</b></p><p>　　ΔY =*ΔA +*ΔB +*ΔC +*ΔD +</p><p>　　現(xiàn)

49、在對模型的參數(shù)進(jìn)行最小二乘法估計，其中ΔY、ΔA、ΔB、ΔC、ΔD各序列（矩陣）的值見表9</p><p><b>　　表9</b></p><p>　　令，則a 的最小二乘估計，應(yīng)使殘差平方和S(a)達(dá)到最小，</p><p><b>　　其中</b></p><p>　　S(a)= = (Δ-*

50、Δ-*Δ-*Δ-*Δ)，</p><p><b>　　取</b></p><p><b>　　即可得到：</b></p><p>　　S(a) =2*(Δ-*Δ-*Δ-*Δ-*Δ)*(-Δ)=0--------式4</p><p>　　用Rya表示序列ΔY和ΔA的協(xié)方差，Raa表示ΔA序列的方差，R

51、ba,表示序列ΔB和ΔA的協(xié)</p><p>　　方差，Rca表示序列ΔC和ΔA的協(xié)方差：</p><p><b>　　式1可寫成：</b></p><p>　　-Rya+*Raa+*Rba+*Rca+*Rda=0-----------------------------式5</p><p><b>　　同理&

52、lt;/b></p><p><b>　　S(a)＝0</b></p><p><b>　　推出：</b></p><p>　　-Ryb+*Rab+*Rbb+*Rcb+*Rdb =0-----------------------------式6</p><p><b>　　S(a)＝

53、0</b></p><p><b>　　推出：</b></p><p>　　-Ryc+*Rac+*Rbc+*Rcc+*Rdc =0-----------------------------式7</p><p><b>　　S(a)＝0</b></p><p><b>　　推出：

54、</b></p><p>　　-Ryd+*Rad+*Rbd+*Rcd+*Rdd=0-------------------------------式8</p><p>　　把式2、式3，式4，式5寫成矩陣相乘的形式為：</p><p><b>　　* =</b></p><p><b>　　推求參數(shù)

55、的公式為：</b></p><p>　　= * --------------式9</p><p>　　具體到本題中，我們運用往年的統(tǒng)計數(shù)據(jù)對模型中各個參數(shù)的求解。</p><p>　　經(jīng)計算得各個協(xié)方差的值為：(利用matlab軟件)</p><p>　　Raa=38730662</p><p>　

56、　Rba=Rab=18250255</p><p>　　Rca=Rac=2543343</p><p>　　Rda=Rad=25327000</p><p>　　Rbb=8106483</p><p>　　Rcb=Rbc=1257098</p><p>　　Rdb=Rbd=11269000</p><

57、;p>　　Rcc=211174.1</p><p>　　Rdc=Rcd=1882000</p><p>　　Rdd=22936000</p><p>　　Rya=4475718</p><p>　　Ryb=2197259</p><p>　　Ryc=343656.3</p><p>　　R

58、yd=3251000</p><p>　　通過矩陣運算得到,,,的值為：(利用matlab軟件)</p><p>　?。?.0583 =-0.0487 =1.1621 =0.0059</p><p>　　把系數(shù),,,代回原模型得：</p><p>　　Y-1830.77=0.0583*(A-15401.4)-0.0487*(B-1

59、0300)+1.1621*(C-1149)+ 0.0059*(D-12110.24)+ </p><p>　　利用表三中的均衡房價、人均GDP、在崗職工平均工資、竣工房屋造價、城鄉(xiāng)人均儲蓄余額反推的值，</p><p><b>　　即：</b></p><p>　?。結(jié)-1830.77-［0.0583*(A-15401.4)-0.0487*(B

60、-10300)+1.1621*(C-1149)+ 0.0059*(D-12110.24)］</p><p>　　由于的平均值為0.584,相對Y值來說非常小，可以近似看成是0，從而予以忽略</p><p>　　故模型進(jìn)一步化簡為：</p><p>　　Y-1830.77=0.0583*(A-15401.4)-0.0487*(B-10300)+1.1621*(C-11

61、49)+0.0059*(D-12110.24)</p><p><b>　　即：</b></p><p>　　Y=0.0583*(A-15401.4)-0.0487*(B-10300)+1.1621*(C-1149)+ 0.0059*(D-12110.24)+1830.77</p><p>　　即：

62、</p><p>　　Y =*ΔA +*ΔB +*ΔC +*ΔD+ Uy</p><p>　　我們利用表一中的各個城市的人均GDP、在崗職工平均工資、竣工房屋造價、城鄉(xiāng)人均儲蓄余額，來反推各個城市的均衡房價并且與已知的均衡房價作對比，從而來評價該模型的實用性</p><p>　　2.3.1 房價變化情況和預(yù)測</p><p>　　1. 成

63、本的影響：房屋產(chǎn)品成本主要由三大部分組成:一是土地開發(fā)費用，二是生產(chǎn)資料消耗，三是人工費用。 </p><p>　　（1）房屋土地開發(fā)費與一般產(chǎn)品不同，它是固定在土地上的建筑產(chǎn)品。因此， 土地開發(fā)費是房屋產(chǎn)品成本的重要因素之一。它包括以下內(nèi)容: </p><p>　?、偻恋貎r格，土地價格除了它本身的勞動投入，土地的地理位置等以外，與土地的供需有很密切的關(guān)系</p><

64、;p>　　②征地補償、拆遷安置費。征用土地建設(shè)房屋，要按規(guī)定付給征用土地上原有建筑物、構(gòu)筑物的折價補償費，以及有關(guān)人員的安置費等。</p><p>　　③地質(zhì)勘探與設(shè)計費用。房屋建筑的地質(zhì)勘察與設(shè)計是土地開發(fā)的前提條件。</p><p>　?。?）生產(chǎn)資料的消耗這是房屋建設(shè)成本的主要部分，它是物化勞動價值的轉(zhuǎn)移，包括兩部分:</p><p>　　①房屋建設(shè)過程

65、中所消耗的建筑材料的價值，建筑材料的價格就是它的貨幣表現(xiàn)。</p><p>　　②房屋建設(shè)中所使用的機器、設(shè)備、工具、施工用附屬設(shè)施等的磨損折舊等價值轉(zhuǎn)移。</p><p>　　此外，還有某些其他費用也是構(gòu)成房屋產(chǎn)品成本的因素，例如，建設(shè)房屋貸款的利息、保險金以及建設(shè)單位的管理費等.以上各項構(gòu)成了房屋產(chǎn)品的成本。房屋建筑單位的利潤和稅金是住宅價格的必要組成部分，它是活勞動中勞動者的剩余勞動

66、所創(chuàng)造的價值的貨幣表現(xiàn).</p><p>　　2. 供求關(guān)系的影響：供求關(guān)系對房屋價格的影響是不可忽略的。從價值規(guī)律上來講，一種商品的價格并不完全由起內(nèi)在的價值決定，同時還受到市場供求關(guān)系的影響。房價最終表現(xiàn)出來的，是由供給和需求這兩種相反的力量相互作用的結(jié)果。即開發(fā)商提供的數(shù)量相對短缺時價格就上升，相對過剩時價格就下降。具體來講，如果住宅的求大于供，想讓開發(fā)商降價也是不可能的。反之，如果供大于求，即使沒有人讓開

67、發(fā)商降價他也會自覺地降價。由Y =*ΔA +*ΔB +*ΔC +*ΔD+ 1830.77我們假設(shè)能將竣工造價成本降低為原來的90%，其他因素值不變,則Y =*ΔA +*ΔB +0.9*ΔC +*ΔD+1830.77，從而可以求得Y的平均值為1830.224<1830.77,政策對房價達(dá)到了抑制的目的，但沒有考慮到供求關(guān)系的影響程度，所以以上只是粗略的估計了一下，若要精確估計還需幾個對比的樣本。</p><p&g

68、t;　　經(jīng)過分析可知，近些年的房價變化情況是逐年上升的，但是由于現(xiàn)在的國家政策開始抑制房價的上漲，所以未來幾年的房價將會有所降低，但是由于力度問題，價格下降的可能不會太多。</p><p>　　北京房價正處于歷史較高水平。當(dāng)前年青人（特別是即將工作的大學(xué)生、研究生）應(yīng)該全面平衡各方面因素（家庭條件、創(chuàng)業(yè)資金…），不要盲目購房，從而浪費這些資金能在其他方面發(fā)揮的用途，所以大學(xué)生應(yīng)該密切關(guān)注國家政策和北京房地產(chǎn)經(jīng)濟規(guī)

69、律，在能接受的時間范圍內(nèi)，把握準(zhǔn)時機，爭取購買到最物廉價美的房。</p><p>　　2.4模型的改進(jìn)與推廣</p><p>　　模型中有些因素存在共線性問題，有待進(jìn)一步改進(jìn)。針對以模型中存在的問題，我們提出如下改進(jìn)建議。</p><p>　?。?）對更多的城市的統(tǒng)計數(shù)據(jù)（樣本）進(jìn)行模型運算，我想精度一定會更高。</p><p>　?。?）綜

70、合考慮城市的各方面因素，如考慮建成面積、流動人口、交通環(huán)境等因素。</p><p>　?。?）考慮到共線性問題，我們盡量利用相互獨立的因素或利用一些其他更經(jīng)典的模型。</p><p><b>　　第五章 總 結(jié)</b></p><p>　　本文利用查找的數(shù)據(jù)分別建立了灰色預(yù)測模型和回歸分析模型，建模的角度完全不同，得出的結(jié)論是一致。北京未來的房

71、價基本上是穩(wěn)定上升的。</p><p>　　對于灰色預(yù)測模型，未考慮除政策及其他劇烈因素的影響，應(yīng)找出更多的影響干預(yù)點及詳細(xì)數(shù)據(jù)，添加更多的干預(yù)變量得到完整的擬合模型；對于回歸分析模型，未考慮到兩兩之間的關(guān)系。另外，文章中的數(shù)據(jù)僅從北京市均考慮的是北京市的均價，下一步要完成的工作是針對北京市的每個地區(qū)進(jìn)行建模討論 ，并與實際數(shù)據(jù)作比較，得出可靠性的結(jié)論。</p><p>　　房價模型同樣可

72、以推廣到一系列影響因素不確定，有一個或若干主導(dǎo)因素的實際應(yīng)用問題。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1] 北京市統(tǒng)計局，國家統(tǒng)計局北京調(diào)查總隊北京統(tǒng)計年鑒(2006) 2006</p><p>　　[2] 劉琳，地價與房價關(guān)系的經(jīng)濟學(xué)分析數(shù)量經(jīng)濟[期刊論文]-技術(shù)經(jīng)濟研究 2003(07) </p>

73、;<p>　　[3] 張光宏，地價與房價的關(guān)系及其政策含義[期刊論文]-中國農(nóng)業(yè)銀行武漢培訓(xùn)學(xué)院學(xué)報 2006(06)</p><p>　　[4] 徐健，淺析中國房地產(chǎn)業(yè)發(fā)展趨勢 2006(05)</p><p>　　[5] 董原鑫，2006中國房地產(chǎn)經(jīng)濟藍(lán)皮書 2006</p><p>　　[6] 李裕奇， 隨機過程. 北京: 清華大學(xué)出版社, 20

74、02</p><p>　　[7] 武永祥，王學(xué)涵. 房地產(chǎn)開發(fā). 北京: 中國建筑工業(yè)出版社, 2003</p><p>　　[8] 唐俐，住房價格過高問題探析[期刊論文]-價格月刊 2004(12)</p><p>　　[9] 李保平，住房價格攀升探源[期刊論文]-商場現(xiàn)代化 2007(08)</p><p>　　[10] 李偉住，房價格上

75、漲的原因分析及完善調(diào)控措施建議[期刊論文]- 2006(07)</p><p>　　[11] 耿同勁，房地產(chǎn)價格:政策與現(xiàn)實的悖論及其解析[期刊論文]-工業(yè)技術(shù)經(jīng)濟 2008(4)</p><p>　　[12] 耿同勁，2008年房屋銷售價格指數(shù)的GM預(yù)測[期刊論文]-中國物價 2008(5)</p><p>　　[13] 王世杰，未來我國房地產(chǎn)價格變動的趨勢分析[

76、期刊論文]-中國市場 2009(35)</p><p>　　[14] 王東京.平抑房價應(yīng)增加房屋供給而非打壓低價[J].臨沂房地產(chǎn)， 2010（1）：30-31</p><p>　　[15] 席志剛.樓市—漲價成為主旋律.[J] 鳳凰周刊，2010（3）：52 </p><p>　　[16] 王偉民，土地出讓金凈收入占政府預(yù)算外收入的百分比 [N].中國房地產(chǎn)報，2

77、006-09-04</p><p>　　[17] Fritsch, F. N. , and R. E. Carlson, Monotone piecewisecubic interpolation, SIAM J . Numer . anal.</p><p>　　[18]Meek, D. S. ,Walton, D. J. , Hermite interpolation with Tsc

78、hirnhausen cubic spirals, Computer Aided Geometric DesigntgKQcWA3PtGZ7R4I30kA1DkaGhn3XtKknBYCUDxqA7FHYi2CHhI92tgKQcWA3PtGshLs50cLmTWN60eo8Wgqv7XAv2OHUm32WGeaUwYDIAWGMeR4I30kA1DkaGhn3XtKknBYCUDxqA7FHYi2CHhI92tgKQcWA3PtGZ7

79、R4I30kA1DkaGtgKQcWA3PtGZ7R4I30kA1DkaGhn3XtKknBYCUDxqA7FHYi2CHhI92tgKQcWA3PtGshLs50cLmTWN60eo8Wgqv7XAv2OHUm32WGeaUwYDIAWGMeR4I30kA1DkaGhn3XtKknBYCUDxqA7FHYi2CHhI92tgKQcWA3PtGZ7R4I30kA1DkaGtgKQcWA3PtGZ7R4I30kA1DkaGhn3Xt<