房地产业回归预测分析法简述.docVIP

房地产业回归预测分析法简述常用的预测方法从我国目前房地产业市场分析的发展水平来看,简单预测法,平均值法,指数平滑法等预测方法被普遍使用.回归模型分析法也有人使用在房地产市场分析上,但普及率不大高.而SPSS,数量经济学模型,技术经济评价模型等预测分析法还处在试用阶段.并且,利用这些方法所要求的相关专业知识太深,普及存在一定的困难.在现阶段普及的预测方法中,移动平均法是使用最普遍的方法,从较长时期看,短期数据由于偶然因素而形成的差异在加总过程中会相互抵消,但在移动平均后会造成信息量的损失,对中长期的预测不太适用.指数平方法通过对权数加以改进使其在处理时甚为经济,能提供良好的短期预测精度,但平滑参数的确定带有主观性.并且无法计算置信区间. 房地产业回归预测分析法可行性新中国成立后的三十多年中,由于计划经济否认住宅的商品属性,国家实行住宅实物分配制,住宅被作为计划经济条件下的一种产品进行分配.在这种背景下,根本谈不上房地产业的发展.1978年我国实行改革开放政策后,随着计划经济体制的转变,以市场为导向的实践.使经济理论界逐步认识到了住宅的商品属性.20世纪80年代以来,我国房地产业作为一个产业逐渐被确立和完善.在93年以前一段时间,由于政府指导性的失误和投资者的盲目,造成房地产业出现了膨胀现象.1993年6月,国务院宣布进行宏观调控,成功的实现了房地产业的软着陆.使房地产市场更加成熟.95年以后,市场作为调控机制的作用越来越明显,房地产业的发展开始按照经济规律发展.从历史角度来观察,房地产业在中国的形成和发展经历了一条曲折的周期性成长之路.从世界范围来看,到1992-1993年以全国范围的房地产热为标志而达到繁荣阶段.随后伴随国家宏观调控而进入收缩阶段.我国的房地产业在经历明显的周期波动后从1995年开始进入了相对稳定的发展时期,形成新一轮的房地产业周期.从世界范围来看,周期波动总是住宅经济增长过程的伴生现象. 根据房地产业的特点,房地产市场的分析与预测需要对多个影响因素进行分析.影响因素主要有:人口因素,经济因素,价格因素,社会政治因素等.其中有包括国民生产总值及国民生产总值增长速度,人均国民生产总值,居民收入,利率,通货膨胀率,人口规模与结构,社会政治稳定性,失业率,社会恩格尔系数,房价收入比等方面.这些影响因素大多可以用历史数据来描述.95年以来,我国房地产业在市场调控下,作为商品按照经济发展规律发展.对产业发展预测工作利用历史统计数据分析成为可能.回归模型预测法就是通过对观察数据的统计分析和处理,研究与特定事物间相关关系和联系形式的方法,建立回归模型进行预测.并能通过数理统计的知识对预测模型进行检验.由于计算机技术的成熟和普及,在计算机的帮助下,回归模型的建立与检验工作复杂程度降低.使回归模型预测法成为更方便,更准确的预测方法. 基本思路研究预测地房地产业现状,分析所获得的有关房地产业的统计数据,确定几个特定的房地产业相关指标及其影响因素之间的数学关系形式,即建立一元或多元回归模型.对回归模型的参数进行估计和统计检验,分析影响因素对预测指标的影响程度,确定预测模型.利用确定的回归模型和影响因素的未来可能值,估计预测指标的未来可能值,并分析研究预测结果的精度.操作步骤根据得到的与房地产业相关的各种数据,分析研究影响房地产业发展的因素.特别是人口因素,经济因素,住宅价格因素,房价收入比等.对人口,经济,价格,房价收入比与住宅产业预测指标进行相关性分析,利用计算机计算出他们之间的相关系数(使用最小二乘法).找出与预测指标最相关的影响因素.建立他们之间的一元和多元回归模型.利用计算机对所建立的回归模型进行系数检验.包括回归系数的显著性检验(t值检验),回归方程的显著性检验(F值检验),对样本数据进行拟合优度的检验(R2值检验)通过建立的一元,多元回归模型预测住宅产业研究指标,并进行对比分析和定性调整.得出最终预测值.根据预测结果提出相应的对策和建议.回归预测可行的关键收集房地产业相关数据时,必须注意这些数据应是在市场调控机制在房地产业发展中起主导地位,各因素和房地产业预测指标是在尊重经济发展规律的前提下而出现的.确保数据的可用性.在进行多元回归分析时,应排除影响预测指标的各因素出现多重共线性情况.即,若影响某一预测指标的多个影响因素之间出现高度相关的情况.他们就不能得出正确的,合理的回归模型.因此,在进行多元回归预测模型分析之前,必须对各影响因素进行严格的相关性分析.找出对预测值影响大但各不相互高度相关(相关系数小于0.7)的因素进行分析.下面就以对沈阳市住宅产业的预测分析对回归模型预测法进行阐述.沈阳市城市住宅产业的现状了解住宅产业的现状将可以对以后的预测结果进行评价和定性方面的考虑.历史