商品房价格回归分析和预测.docVIP

商品房价格回归分析和预测 摘要:关键词:商品房作为一种特殊的商品，在市场上受价值规律影响，其价格主要由商品房本身的价值和供求关系决定，即商品房的价值决定价格，且价格围绕价值上下波动；当商品房供给大于需求时，其价格下降，反之其价格攀升，这是以简单价值规律的视角得出的结论．，(如利率) 等因素来决定的，，，．但是，目前的房地产市场似乎没有遵循价值规律，不论供求关系以及其商品房价值本身如何，连续五年以来，全国各地的商品.房价格一路攀升，成为了当前经济生活中的一个热点问题，不少专家发表文章称，房地产市场是国家经济走势的晴雨表，是宏观经济软或者坚挺的重要标志，这充分说明了房地产市场在国家经济生活中的重要性．，，6项可能对商品房价影响的因素，，．，．，3～6倍的居民家庭收入时，．2005年看，4万多元，24万元左右，100m2住宅只能承受2400元/m2的价格，．，，对于中国这样一个长期处于住房难的大国来说，2001年最令人鼓舞的转折就是告别了城镇住房短缺时代．全国城镇人均住房建筑面积突破20平方米，达到中等收入国家水平．研究房地产市场的经营发展趋势，把握市场的机遇与风险，直接关系到房地产业与住房金融的稳健运行，也是关系到国家通过拉动内需实现国民经济良性循环的重要课题，个自变量分别为，描述因变量如何依赖于自变量和误差项的方程称为多元回归模型（multiple regression model）．其一般形式可表示为：．式中 是模型的参数，为误差项．此式表明：是 的线性函数加上误差项．误差项反映了除 对的线性关系之外的随机因素对的影响，是不能由与之间的线性关系所揭示的变异性． 多元线性回归模型通常要满足6个假设： 假设1：，即零均值假设． 假设2：，即同方差假设． 假设3：，即无序列相关假设． 假设4：，即假设解释变量与随机误差项不相关． 假设5：，即随机误差项服从正态分布,即． 假设6：解释变量为非随机变量，且它们之间不存在严格的线性相关，即不存在多重共线性． 4 多元线性模型的建立 通过以上对多元线性回归模型的了解，我们下面来分析一下商品房平均价格与其影响因素关系，并根据搜集来的相关数据建立多元线性回归模型． 4.1 模型假设 同一元线性回归模型的参数估计一样，多元线性回归模型参数估计的任务仍有两项：一是求得反映变量之间数量关系的结构参数的估计量，而是求得随机误差项方差的估计量． 我们假设商品房平均价格为，住房竣工面积为 ，商品房销售面积为，社会年平均股票指数为,建筑业贷款为,个人住房公积金贷款利率,商业贷款利率．得出多元线性回归模型如下： 其中，为误差项或称扰动项，误差项具有0 均值、同方差且服从正态分布，误差项之间不相关，代表的是的变化中没有被影响因子所解释的部分．（的随机因素太多，此处不做讨论）[10][11][12][13] 4.2数据统计 通过调阅烟台水母网，旅房网，汇总得数据如表1所示： 表1 2000—2008年商品房平均价格及其影响因素数据统计 年份 单价/千元 住房竣工面积/ 商品房销售面积/ 社会年平均股票指数/ 建筑业贷款/元 个人住房公积金贷款利率/ 商业贷款利率/ 2000 1.56 78.29 62.31 13.83 8.89 4.59 6.21 2001 1.65 66.08 69.79 18.87 9.72 4.59 6.21 2002 1.82 33.30 143.39 19.64 8.78 4.59 6.21 2003 1.66 204.39 127.59 15.77 17.08 4.05 5.40 2004 1.85 151.28 151.76 14.73 13.01 4.05 5.40 2005 2.10 167.89 227.04 16.78 10.39 4.23 5.72 2006 3.04 195.82 298.80 11.72 15.12 4.41 5.72 2007 3.14 131.02 195.92 16.33 18.87 4.59 6.12 2008 3.52 193.66 293.87 15.40 11.55 5.22 6.92 4.3 SPSS输出回归分析 在SPSS软件中输入表1中数据，单击【分析】，选择【回归】选项，再选择线性选项． 我们选择的置信度为90%，即显著性水平为0.1．输出数据如下表2-4 表2 模型拟合优度有关数据 模型 数值 平方和 F 值 Significance F 回归分析 6.000 4.508 20.989 0.046 残差 2.000 0.072 总计 8.000 4.580 a. 预测变量: (常量) X1, X