sas課程設(shè)計--房地產(chǎn)調(diào)控問題分析

1、<p><b>　　課 程 設(shè) 計</b></p><p>　　題目： xx市房地產(chǎn)調(diào)控問題分析 </p><p>　　題目： xx市房地產(chǎn)調(diào)控問題分析 </p><p><b>　　【摘 要】</b></p><p>　　隨著xx市經(jīng)濟社會的發(fā)展和人們生活水平

2、的提高，對住房的改善需求日益旺盛，但房地產(chǎn)市場仍然存在諸多問題。因此，為房地產(chǎn)行業(yè)建立數(shù)學模型，并利用這些模型量化研究該行業(yè)當前的態(tài)勢、未來的趨勢，模擬房地產(chǎn)行業(yè)經(jīng)濟調(diào)控策略勢在必行。</p><p>　　本文通過建立模型回答了題目中給出的三個問題并對房地產(chǎn)價格走勢做出了合理科學的預(yù)測。</p><p>　　第一問建立商品住宅價格模型，首先對可支配收入和GDP與商品房價格繪制散點圖，發(fā)現(xiàn)2

3、009年出現(xiàn)明顯拐點，這說明2009年中國經(jīng)濟市場的情況和出臺的政策有明顯變化，值得深入細致分析。進行相關(guān)性分析得出商品房房價與城鎮(zhèn)人口和住宅用房地產(chǎn)竣工面積的相關(guān)系數(shù)的絕對值與1差距較大，說明他們之間的相關(guān)性較弱，其余的指標進行主成分分析可以看出第一和第二特征值得累計貢獻率已經(jīng)達到97.34%，說明第一和第二主成分基本包含了全部指標具有的信息，所以僅取第一和第二主成分，并計算出相應(yīng)的特征向量。最終得出第一和第二主成分分別對商品住宅價格

4、的影響。</p><p>　　第二問據(jù)擬合優(yōu)度和外推檢驗的結(jié)果發(fā)現(xiàn)一元一次多項式模型效果最好，并采用加權(quán)最小二乘法分別估計xx市商品住宅價格和大宗商品價格指數(shù)的線性趨勢，并與普通最小二乘法估計的線性模型進行比較，預(yù)測出xx市在2013年二三四季度的房價分別為6738.225元，6817.509元，6896.793元。由此多元回歸模型可以預(yù)測2013年下半年的大宗商品價格指數(shù)為142.63元。</p>

5、<p>　　第三問根據(jù)湖北省統(tǒng)計局提供的資料，選取xx市2002-2012歷年生產(chǎn)總值(GDP)、主城區(qū)商品房房價和居民人均可支配收入作為指標并建立商品住宅價格，GDP，可支配收入水平3者關(guān)系的多元回歸模型。并利用Eviews軟件對數(shù)據(jù)進行統(tǒng)計分析,將所有的變量引入回歸模型，對回歸模型進行統(tǒng)計分析，相關(guān)性分析，顯著性分析和回歸分析，然后對商品住宅價格與GDP的因果關(guān)系進行格蘭杰因果關(guān)系檢驗。 </p><

6、p>　　關(guān)鍵詞：主成分分析 加權(quán)最小二乘法 多元回歸 格蘭杰因果關(guān)系檢驗</p><p><b>　　一、問題重述</b></p><p>　　1.1 問題的背景</p><p>　　從2002年8月26日六部委頒發(fā)217號文件起，我國房地產(chǎn)調(diào)控歷史走過了十余年。細心盤點房地產(chǎn)調(diào)控的十年，大致可以劃分為四個階段：</p>

7、;<p>　　第一階段，調(diào)控起步期(2002年至2004年)：主要以收緊土地供給和房地產(chǎn)信貸為主要手段，以抑制房地產(chǎn)市場投資過熱為目的。 </p><p>　　第二階段，調(diào)控加碼期(2005年至2008年上半年)：加碼的手段以結(jié)構(gòu)性調(diào)整為主，在抑制房地產(chǎn)投資過熱的同時，提出穩(wěn)房價的新目標。國八條、新國八條、國六條相繼出臺，重點打擊囤地行為、改善商品房和保障房供應(yīng)結(jié)構(gòu)、提高首付比例、推出稅收調(diào)控手段，

8、改善供給結(jié)構(gòu)的同時開始調(diào)節(jié)商品房投資性需求。</p><p>　　第三階段，緊急救市期(2008年下半年至2009年上半年)：為應(yīng)對全球性金融危機對中國經(jīng)濟的沖擊，政府政策全面轉(zhuǎn)向，以樓市穩(wěn)定來支持經(jīng)濟穩(wěn)定，從中央到地方全面放松各項房地產(chǎn)調(diào)控措施，甚至出臺利率打折等購房刺激政策。</p><p>　　第四階段，調(diào)控全面加碼期(2010年至今)：遏制房價過快上漲或促進房價合理回歸成為突出調(diào)控

9、目標。國十一條、新國十條、限購令等號稱史上最嚴厲調(diào)控措施相繼出爐，涵蓋土地供給、信貸、稅收、保障房等各方面的住房差別化調(diào)控體系逐漸形成。</p><p><b>　　問題的現(xiàn)狀</b></p><p>　　近十年，從單一供給管理轉(zhuǎn)向供給與需求綜合管理，從防止房地產(chǎn)市場投資過熱轉(zhuǎn)向重點遏制房價過快上漲，我國房地產(chǎn)調(diào)控目標逐漸清晰，政策體系逐漸建立。然而，雖然調(diào)控取得一定

10、成績，但調(diào)控多為定性的行政手段，量化調(diào)控方案很少。并且調(diào)控政策一般只是短暫實用某一特定時期。近期xx市出臺調(diào)控目標：房價的增長速度不高于GDP的增長速度。</p><p><b>　　需要解決的問題</b></p><p>　　1、收集整理xx市近十年各片區(qū)商品住宅價格變化數(shù)據(jù)、大宗商品價格變化數(shù)據(jù)、工資收入和GDP數(shù)據(jù)等。并挖掘它們之間的關(guān)系。</p>

11、<p>　　2、根據(jù)近十年已知數(shù)據(jù)建立數(shù)學模型并預(yù)測2013年6月至12月間商品住宅價格，大宗商品價格變化趨勢。</p><p>　　3、結(jié)合xx市市民工資收入的具體情況，評價調(diào)控政策“商品住宅價格的增長速度不高于GDP的增長速度”在多長時間內(nèi)有效。并嘗試建立數(shù)學模型模擬商品住宅價格、GDP增速、市民工資水平之間的關(guān)系。</p><p><b>　　二、符號說明<

12、;/b></p><p><b>　　三、模型假設(shè)</b></p><p>　　1、假設(shè)xx統(tǒng)計年鑒所給數(shù)據(jù)真實可靠且與實際基本吻合；</p><p>　　2、假設(shè)表中各列數(shù)據(jù)是相互獨立的；</p><p>　　3、假設(shè)xx市商品住宅價格只受表格中所給因素影響，不受其他因素影響；</p><p&

13、gt;<b>　　四、問題分析</b></p><p><b>　　4.1背景分析</b></p><p>　　住房是居民的基本生活需求，在全面建設(shè)小康社會階段，隨著經(jīng)濟社會的發(fā)展和人民生活水平的提高，城鎮(zhèn)住房的增量需求和改善需求日益旺盛，是房地產(chǎn)業(yè)持續(xù)發(fā)展的動力。供不應(yīng)求是未來幾十年中國房地產(chǎn)市場的主導(dǎo)趨勢。房地產(chǎn)是指土地，建筑物及固著在土地、

14、建筑物上不可分離的部分及其附帶的各種權(quán)益。房地產(chǎn)調(diào)控的目的不僅是為了保持房地產(chǎn)市場的健康可持續(xù)發(fā)展，更重要的也是為了保持經(jīng)濟的可持續(xù)發(fā)展。近年來，我國房地產(chǎn)行業(yè)發(fā)展迅速，不僅為整個國民經(jīng)濟的發(fā)展做出了貢獻，而且為改善我國百姓居住條件發(fā)揮了決定性作用。但同時房地產(chǎn)業(yè)也面臨較為嚴峻的問題和挑戰(zhàn)，引起諸多爭議，為保持經(jīng)濟健康穩(wěn)定的發(fā)展，中央政府綜合運用經(jīng)濟、法律和必要的行政手段，以區(qū)別對待和循序漸進的方式，對房地產(chǎn)業(yè)連續(xù)出臺了一系列宏觀調(diào)控政

15、策。但房地產(chǎn)市場仍然存在住房供給結(jié)構(gòu)不合理、部分城市房價上漲太快、中低收入居民住房難以滿足等問題。因此，為房地產(chǎn)行業(yè)建立數(shù)學模型，并利用這些模型進行分析，量化研究該行業(yè)當前的態(tài)勢、未來的趨勢，模擬房地產(chǎn)行業(yè)經(jīng)濟調(diào)控策略勢在必行。</p><p><b>　　4.2問題一的分析</b></p><p>　　對于第一問，先給出xx市近十年各片區(qū)商品住宅價格變化數(shù)據(jù)、大宗商

16、品價格變化數(shù)據(jù)、工資收入和GDP數(shù)據(jù)等。問題一需要建立商品房價格模型需要建立住房需求模型。本文依托xx統(tǒng)計年鑒提供的xx市 2002 年至 2011年房地產(chǎn)市場的一系列原始數(shù)據(jù)，應(yīng)建立模型的需要，將數(shù)據(jù)進行了一定的技術(shù)處理，統(tǒng)一口徑，數(shù)據(jù)覆蓋了8宏觀指標。這8宏觀指標分別為：①年份；②工資收入（可支配收入）；③GDP；④大宗商品價格；⑤全市人均儲蓄存款；⑥城鎮(zhèn)人口；⑦住宅用房地產(chǎn)竣工面積⑧城市家庭購房與建房支出。首先進行相關(guān)性分析，判斷

17、出以上 8 個指標中有5個與商品住宅價格有較大的相關(guān)性，繼而用主成分分析法消除指標間的共線性，取累計貢獻率為97.34%的第一和第二主成分進行分析。</p><p>　　4.3 問題二的分析</p><p>　　對于第二問，據(jù)擬合優(yōu)度和外推檢驗的結(jié)果發(fā)現(xiàn)一元一次多項式模型效果最好，并采用加權(quán)最小二乘法分別估計xx市商品住宅價格和大宗商品價格指數(shù)的線性趨勢，并與普通最小二乘法估計的線性模型進

18、行比較，預(yù)測出xx市在2013年二三四季度的房價分別為6738.225元，6817.509元，6896.793元。</p><p>　　4.4 問題三的分析</p><p>　　對于第三問，根據(jù)湖北省統(tǒng)計局提供的資料，選取xx市2002-2012歷年生產(chǎn)總值(GDP)、主城區(qū)商品房房價和居民人均可支配收入作為指標并建立商品住宅價格，GDP，可支配收入水平3者關(guān)系的多元回歸模型。并利用Evi

19、ews軟件對數(shù)據(jù)進行統(tǒng)計分析,將所有的變量引入回歸模型，對回歸模型進行統(tǒng)計分析，相關(guān)性分析，顯著性分析和回歸分析，然后對商品住宅價格與GDP的因果關(guān)系進行格蘭杰因果關(guān)系檢驗。</p><p>　　五、模型的建立及求解</p><p>　　5.1對第一問的解答</p><p>　　5.1.1商品住宅價格模型的建立</p><p>　　該部分模型

20、的建立依托于國家統(tǒng)計局數(shù)據(jù)庫提供的一系列原始數(shù)據(jù)，應(yīng)模型建立的需要，將原始數(shù)據(jù)進行了一定的技術(shù)處理，統(tǒng)一口徑，數(shù)據(jù)包括：①年份；②工資收入（可支配收入）；③GDP；④大宗商品價格；⑤全市人均儲蓄存款；⑥城鎮(zhèn)人口；⑦住宅用房地產(chǎn)竣工面積⑧城市家庭購房與建房支出。根據(jù)xx統(tǒng)計年鑒，得出上述8個宏觀指標中的4個指標的歷年數(shù)據(jù)如表1 所示。（8個宏觀指標見附錄）</p><p>　　表1 4個指標的歷年數(shù)據(jù)</p

21、><p>　　房價與可支配收入的關(guān)系如表2所示。</p><p>　　圖1可支配收入與房價的關(guān)系</p><p>　　房價與GDP的關(guān)系如表3所示。</p><p>　　圖2 GDP與房價的關(guān)系</p><p>　　表2與表3中均顯示有個明顯拐點(18385.02，5715)和（4620.86,5715），通過觀察表2，表

22、3的拐點以及他們處于的時間點，可以推斷出2009年發(fā)生了重大社會經(jīng)濟的事件影響xx商品住宅價格。經(jīng)調(diào)查研究發(fā)現(xiàn)，2008年美國金融海嘯發(fā)生之后對中國的經(jīng)濟造成巨大的沖擊，國民經(jīng)濟整體下滑。為應(yīng)對全球性金融危機對中國經(jīng)濟的沖擊，政府政策全面轉(zhuǎn)向，以樓市穩(wěn)定來支持經(jīng)濟穩(wěn)定，從中央到地方全面放松各項房地產(chǎn)調(diào)控措施，甚至出臺利率打折等購房刺激政策；多家銀行上調(diào)貸款利率或縮小利率浮動或嚴格執(zhí)行二套房貸優(yōu)惠。正是因為有這些政策的出臺使得2009的房

23、價出現(xiàn)明顯回落。</p><p>　　首先，進行相關(guān)性分析公式的建立。相關(guān)系數(shù)是在線性相關(guān)條件下，用來測定兩個變量之間相關(guān)關(guān)系密切程度的統(tǒng)計指標。它是由兩個變量(，)的協(xié)方差，變量的標準差和變量的標準差三個指標結(jié)合生成的，其基本計算公式如下：</p><p>　　其中，表示相關(guān)系數(shù)，表示 X、Y 兩個變量的協(xié)方差，表示變量的標準差，表示變量的標準差。</p><p>

24、;<b>　　協(xié)方差的計算如下：</b></p><p>　　其中是變量 X 的算術(shù)平均數(shù)，是變量的算術(shù)平均數(shù)。</p><p>　　然后，進行主成分分析模型的建立。通過主成分分析，將商品房房產(chǎn)的年總銷售面積與七個宏觀指標重新組合成一組新的相互無關(guān)的綜合指標來代替原來的指標。</p><p><b>　　由此，定義主成分為</b

25、></p><p>　　其中，是主成分，是指標列向量。上述方程要求：</p><p>　　且系數(shù)由下列原則決定：</p><p><b>　　(1)與不相關(guān)； </b></p><p>　　(2)是的一切線性組合中方差最大的，是與不相關(guān)的一切線性組合中方差最大的，是與都不相關(guān)的一切線性組合中方差最小的。</p

26、><p>　　最后求出第個主成分的貢獻率，這個值越大，表明第主成分綜合</p><p>　　信息能力越強。前個主成分的累積貢獻率定義為。在這里，</p><p>　　主成分累積貢獻率90%作為主成分個數(shù)的的選擇依據(jù)。</p><p>　　5.1.2商品住宅價格模型的求解</p><p><b>　　首先進行相關(guān)性

27、分析</b></p><p>　　表2 商品房價格與8個宏觀指標的相關(guān)性分析</p><p>　　由表4可以看出商品房房價與城鎮(zhèn)人口和住宅用房地產(chǎn)竣工面積的相關(guān)系數(shù)的絕對值與1差距較大，說明他們之間的相關(guān)性較弱，對此現(xiàn)象的經(jīng)濟意義解釋為：房子屬于中國居民的剛性需求，這種需求不會因為住宅價格的升高而改變。所以這2個因素將不會被用作主成分分析。而因為大宗商品價格和商品房房價的特殊經(jīng)

28、濟意義上的關(guān)系，即大宗商品的價格上漲會引起通貨膨脹，而通貨膨脹又會引起商品房價格的上漲，所以雖然他們之間的相關(guān)系數(shù)絕對值很低，也依然保留大宗商品價格因素做主成分分析。</p><p>　　然后進行單因素回歸分析。</p><p>　　第一，就可支配收入對房價進行回歸，由圖1可知可支配收入和房價之間存在很強的一元線性回歸關(guān)系，所以設(shè)他們之間的回歸方程為：</p><p&g

29、t;　　此回歸方程的求解用SAS軟件完成。</p><p>　　表3 模型的參數(shù)和檢驗</p><p>　　前2列是用最小二乘法得到對常數(shù)項和自變量系數(shù)的估計。常數(shù)項估計值為-1068.83183，第二行是變量X2系數(shù)估計值為0.37995，t的檢驗值的p值小于0.0001，因此回歸系數(shù)是顯著的。</p><p>　　后面2列是對回歸模型的方差分析表，從中可以得到

30、關(guān)于模型的F檢驗的結(jié)果，此模型的F統(tǒng)計量（F value）的值為225.16，對應(yīng)的P值小于0.0001，因此回歸模型是顯著的。</p><p>　　根據(jù)前面參數(shù)估計的結(jié)果，可以得出回歸方程為：</p><p>　　Y=0.37995*X2-1068.83183</p><p>　　圖3 可支配收入對于商品住宅價格的一元線性回歸方程圖像</p><

31、;p>　　第二，進行GDP對房價的回歸，由圖2可知GDP和房價之間存在很強的一元線性回歸關(guān)系，所以設(shè)他們之間的回歸方程為：</p><p>　　此回歸方程的求解用SAS軟件完成。</p><p>　　表4 模型的參數(shù)和檢驗</p><p>　　前2列是用最小二乘法得到對常數(shù)項和自變量系數(shù)的估計。常數(shù)項的估計值為1147.55549，第二行是對變量x3系數(shù)的估計

32、值為12.95383，t的檢驗值的p值小于0.0001，因此回歸系數(shù)是顯著的。</p><p>　　后2列是對回歸模型的方差分析表，從中可以得到關(guān)于模型的F檢驗的結(jié)果，此模型的F統(tǒng)計量（F value）的值為103.69，對應(yīng)的P值小于0.0001，因此回歸模型是顯著的。</p><p>　　根據(jù)前面參數(shù)估計的結(jié)果，可以得出回歸方程為：</p><p>　　Y =1

33、2.95383*x3+1147.55549</p><p>　　圖4 GDP對于商品住宅價格的一元線性回歸方程圖像</p><p>　　通過分析表5,表6中F值和t值的參數(shù)，可知以上2個回歸模型均通過F檢驗和t檢驗。說明可支配收入和GDP對于商品房價格有顯著線形關(guān)系。</p><p>　　用同樣的方法可以求得可支配收入對大宗商品價格指數(shù)的回歸：=-0.00003*

34、+ 106.52682</p><p>　　以及GDP對大宗商品價格指數(shù)的回歸：</p><p>　　=-0.00143*+106.41267</p><p>　　以上2個回歸模型均未通過F檢驗和t檢驗，說明可支配收入和GDP對于大宗商品沒有顯著線形關(guān)系。</p><p>　　5.1.3,主成分分析</p><p>　

35、　根據(jù)相關(guān)性結(jié)果，利用SAS軟件進行主成分分析，結(jié)果如表所示：</p><p>　　表5 相關(guān)系數(shù)矩陣的特征值</p><p>　　由表7可以看出第一和第二特征值得累計貢獻率已經(jīng)達到97.34%，說明第一和第二主成分基本包含了全部指標具有的信息，所以僅取第一和第二主成分，并計算出相應(yīng)的特征向量。</p><p>　　表6 由相關(guān)系數(shù)矩陣計算的特征向量</p&g

36、t;<p>　　根據(jù)特征向量，可以寫出標準化后的變量所表達的第一主成分相應(yīng)的回歸模型為：</p><p>　　Y=0.4505*+0.4525*+0.4537*+0.0501*+0.4459*+0.4301*</p><p>　　第二主成分相應(yīng)的回歸模型為：</p><p>　　Y=-0.0219*+0.0321*-0.0338*+0.9958*-0.

37、0751*-0.0132*</p><p>　　由于第一主成分在除 (大宗商品價格)外每個變量上的系數(shù)大小都差不多，因此可以認為第一主成分反映了除大宗商品以外余下因素對商品房房價造成的影響。第二主成分在 (大宗商品價格)上的系數(shù)有較大的正值，而在其他變量上的系數(shù)都非常小，因此可以認為第二主成分反映了大宗商品價格變動對商品房房價造成的影響。</p><p>　　5.1.4 模型的檢驗結(jié)論分析

38、</p><p>　　通過分別評價上述5個模型的擬合優(yōu)度，F(xiàn)檢驗值和t檢驗值，可以得出以下結(jié)論：</p><p>　　對于單因素分析回歸，可支配收入和GDP對房價的回歸中F檢驗值和t檢驗值的p值均小于0.0001，說明回歸方程通過F檢驗和t檢驗，因此回歸模型是顯著的，可支配收入和GDP對房價有顯著的線性關(guān)系。而可支配收入和GDP對大宗商品價格指數(shù)的回歸模型未通過F檢驗和t檢驗，說明可支配收

39、入和GDP對于大宗商品沒有顯著線形關(guān)系。</p><p>　　5.2 對第二問的解答</p><p>　　5.2.1多項式模型和加權(quán)最小二乘法的建立</p><p>　　首先據(jù)擬合優(yōu)度和外推檢驗的結(jié)果建立最合適的多項式模型，并采用加權(quán)最小二乘法分別估計xx市商品房房價和大宗商品價格指數(shù)的線性趨勢，并與普通最小二乘法估計的線性模型進行比較，列出OLS方法預(yù)測值和W=0

40、.6,W=0.7時的2008年到2013年預(yù)測值以及相對誤差。</p><p>　　5.2.2 多項式模型和加權(quán)最小二乘法的求解</p><p>　　首先建立商品房價格的多項式模型</p><p>　　圖5 商品住宅價格的變化趨勢</p><p>　　用Eviews軟件可以得到商品房房價的一元一次，一元二次和一元三次多項式模型，通過擬合優(yōu)度

41、和外推檢驗的結(jié)果發(fā)現(xiàn)一元一次多項式模型效果最好。</p><p><b>　　得出多項式方程為：</b></p><p>　　price= 5152.544632 + 79.28401299*(t-2)</p><p>　　圖6 對商品房價格的變化趨勢的擬合以及預(yù)測</p><p>　　用加權(quán)最小二乘法對商品房價格進行

42、預(yù)測，可以預(yù)測2013年商品房價格指數(shù)</p><p>　　表7 2013年第2,3,4季度商品房房價的預(yù)測值</p><p>　　然后建立大宗商品價格指數(shù)的多項式模型</p><p>　　圖7 大宗商品價格指數(shù)變化趨勢</p><p>　　用Eviews軟件可以得到商品房房價的一元一次，一元二次和一元三次多項式模型，通過擬合優(yōu)度和外推檢驗的

43、結(jié)果發(fā)現(xiàn)一元三次多項式模型效果最好。</p><p><b>　　得出多項式方程為：</b></p><p>　　CC=98.62370629+11.90096154*T- 3.260005828*(T^2) + 0.2310722611*(T^3)</p><p>　　可以得出2013年下半年的大宗商品價格指數(shù)為142.63元。</p&

44、gt;<p>　　圖8 對大宗商品價格指數(shù)變化趨勢的擬合以及預(yù)測</p><p>　　5.2.3模型的檢驗結(jié)論分析</p><p>　　通過對商品房價格的多項式模型和大宗商品價格指數(shù)的多項式模型的擬合優(yōu)度，F(xiàn)檢驗值和t檢驗值的評估(詳見附錄五和附錄六)，可以做出以下判斷：2個多項式模型的參數(shù)通過了檢驗。</p><p>　　5.3對第三問的解答<

45、;/p><p>　　5.3.1指標的選取</p><p>　　根據(jù)湖北省統(tǒng)計局提供的資料，選取xx市2002-2012歷年生產(chǎn)總值(GDP),主城區(qū)商品房房價和居民人均可支配收入作為指標。</p><p><b>　　表8 有關(guān)指標</b></p><p>　　5.3.2建立商品住宅價格，GDP，可支配收入水平3者關(guān)系模型&

46、lt;/p><p>　　首先對商品住宅價格與GDP的因果關(guān)系進行格蘭杰因果關(guān)系檢驗，然后建立商品住宅價格，GDP，可支配收入水平3者關(guān)系的多元回歸模型。</p><p>　　5.3.3模型的求解</p><p>　　首先對商品住宅價格與GDP的因果關(guān)系進行格蘭杰因果關(guān)系檢驗</p><p>　　表9 格蘭杰因果檢驗</p><

47、p>　　由相伴概率知，比較2者F值的概率，拒絕“商品住宅價格不是GDP的格蘭杰原因”，而不拒絕“GDP不是商品住宅價格的格蘭杰原因”。</p><p>　　因此，從2階滯后的情況看，商品住宅價格的增長是GDP增長的原因。</p><p>　　然后對商品住宅價格，GDP，可支配收入水平3者關(guān)系模型求解。用Eviews軟件對數(shù)據(jù)進行統(tǒng)計分析,將所有的變量引入回歸模型，對回歸模型進行統(tǒng)計分

48、析，相關(guān)性分析，顯著性分析和回歸分析。分析結(jié)果如下表11所示</p><p><b>　　表10統(tǒng)計量描述</b></p><p>　　回歸方程的復(fù)相關(guān)系數(shù)R^2=0.993577，說明得出的回歸方程緊密度較高，各自變量選取得較恰當，變量系數(shù)配合得較好。</p><p><b>　　回歸方程為：</b></p>

49、<p>　　Y=1.5038*X3+0.8548*X2-2865.172</p><p>　　六、模型的總結(jié)與評價</p><p>　　本文在正確理解題意的基礎(chǔ)上，詳細分析和合理建立了多個模型，模型建立的原始數(shù)據(jù)均來自與湖北統(tǒng)計局網(wǎng)站，準確率高，有很好的權(quán)威性，對xx市各地區(qū)商品房價格進行的宏觀的分析并深度分析了房價與其他8個相關(guān)指標的相關(guān)關(guān)系，此過程采用成熟的統(tǒng)計軟件SAS

50、編程求解，可行度高。模型具有良好的可推廣性。綜合考量不同的解釋變量與房價不同程度的相關(guān)性，對不同的指標采用了不同的回歸模型，如主變量分析回歸模型和多項式回歸模型等，模型樣式富于變化使之能夠合理解釋和模擬復(fù)雜的實際市場經(jīng)濟現(xiàn)象。本體所有模型的建立是按照問題的解決思路進行的，首先通過散點圖發(fā)現(xiàn)了現(xiàn)有規(guī)律，然后對現(xiàn)有的規(guī)律進行評價，根據(jù)評價標準依次建立新模型，層次漸進易于理解。</p><p>　　本文的缺點在于，由于

51、很難采集到月度數(shù)據(jù)，模型的原始數(shù)據(jù)都是季度或者年度數(shù)據(jù)，數(shù)據(jù)的時間跨度較大可能對模型的求解產(chǎn)生一定的誤差。</p><p><b>　　參考文獻</b></p><p>　　[1]李子奈 潘文卿等，計量經(jīng)濟學，北京：高等教育出版社，2005。</p><p>　　[2]姜啟源 謝金星 葉俊，數(shù)學模型（第四版），北京：高等教育出版社，2011。&

52、lt;/p><p>　　[3]韓中庚，數(shù)學建模方法及其應(yīng)用（第二版），鄭州：高等教育出版社，2009。</p><p>　　[4]潘建橋，xx統(tǒng)計年鑒，xx：中國統(tǒng)計出版社，2012。</p><p><b>　　附錄</b></p><p>　　附表一 8個宏觀指標的數(shù)據(jù)</p><p>　　附表二

53、2002年-2010年xx市分區(qū)生產(chǎn)總值</p><p>　　附表三 2003年-2010年xx市分區(qū)人均可支配收入</p><p>　　附表四 表3模型的參數(shù)和檢驗的原始結(jié)果</p><p>　　附表五 表4模型的參數(shù)和檢驗的原始結(jié)果</p><p>　　附表六 5.2.2商品房價格的多項式模型的參數(shù)和檢驗的原始結(jié)果</p>