二、模型构建前的准备-中国统计教育学会.docVIP

北京市新开楼盘特征价格影响因素研究 ——基于分位数回归和广义回归建模实证分析 目录一、问题的提出 1 二、模型构建前的准备 1 （一）若干假设 1 （二）数据的来源 2 （三）符号说明及变量设定 2 （四）数据预处理 2 三、经典HPM模型构建 4 （一）用原始数据直接进行回归分析 4 （二）双对数的HPM模型构建 5 四、分位数回归建模的构建 5 五、广义回归HPM模型构建 9 六、结论与建议 12 参考文献 13 附录 14 摘 要 在目前房价持续高涨的情况下，本文从建筑类别、装修状况、环线位置、商圈得分、容积率、绿化率、物业费、周边配套设施、地铁、占地面积、建筑面积、离市中心公公里数等12个方面建立了房价特征价格模型（HPM）。首先建立经典HPM，发现双对数线性HPM明显优于线性HPM，再采用分位数回归的方法，以克服北京市新开楼盘均价数据中出现的异常点吗，并弱化经典HPM的统计学误差分布的假定，以构造更加稳健的HPM。最后采用广义回归HPM进行建模。本文通过AIC、SC以及MAPE三个模型评价准则，得到用于分析北京市新开楼盘住房价格的影响因素的最优模型是广义回归HPM。鉴于分位数回归的优点，本文在不同分位数情行下讨论了楼盘特征价格的影响因素。再根据广义回归HPM进行分析，得出的结论是影响北京市新开楼盘特征价格的主要因素是楼盘所处环线位置，楼盘的房屋装修情况，楼盘附近是否有地铁，房屋的物业费高低，楼盘所在商圈以及楼盘离市中心距离（cbd）等。 在模型的建立及求解的过程中，本文运用了马克威软件5.0进行经典HPM分析和广义回归HPM建模，用SPSS17.0软件进行数据的调用及整理；R软件实现分位数回归HPM，同时运用MATLAB7.0软件进行相关图形绘制。 关键词： 新开楼盘；经典特征价格模型；双对数特征价格模型；广义回归；分位数回归 一、问题的提出 房地产价格是现代社会所讨论的热点问题之一 , 房价的高低会影响到多方面的利益。对房地产价格的影响因素信息的挖掘不仅可以为投资决策和消费决策提供参考，也可以为政府相关部门的行政决策提供参考。近几年来，我国各大城市的房价普遍出现了持续上涨、居高不下的情况，房价的上涨使生活成本大幅增加，导致了许多中低收入人群买房难的问题 。房价的一路飚升和过热的“炒房 ”现象已日益引起了全社会的关注和忧虑，房价的持续走高现象已不仅仅是一个经济问题，同时也是一个社会问题 。 目前中国的城镇建成区的总面积只有3.84万平方公里，仅占全国国土面积的0.4%，却居住了6亿多人口。北京作为我国的首都，近几年北京房价居高不下。通州和大兴两个离北京比较近的郊区5-10年左右的二手房在1.6-1.7万元/平方米。北四环外到北五环(离天安门直线大概10公里)亚运村附近10-20年的二手房2.4-2.7万元/平方米，东南四环外1-2公里的5年左右的二手房2.4-3.0万元/平方米。东北四是北京高档的住宅区应该到了4-5万元/平方米。高房价给人民生活带来了不小的压力，北京的人均每月收入在5000元左右，现在北京随便一套90-100平方米的房子大概在240-280万元的样子，按现在的收入房价比，基本上不吃不喝，不算利息，要40-50年的收入积蓄才能购买到一套房子。 因此，科学地挖分析出影响楼盘房物特征价格的因素，对弄清房价成因以及房产定价和房地产价格指数编制等有重要的意义。本文选择北京市新开楼盘的建筑类别、装修状况、环线位置、所属商圈、容积率、绿化率、物业费、周边配套（包括是否有学校，大型商场，邮局，银行医院等）、地铁配套、占地面积、建筑面积和离市中心公公里数共12个特征变量对楼盘房价进行较全面地分析。以得出影响房价的显著因素，依此提出合理的建议。 二、模型构建前的准备 （一）若干假设 1．北京市新开楼房的住宅用房属于异质性商品； 2．北京新开楼盘的均价以及属性特征数据真实可靠，且房产均价是实际交易价格； 3．新开楼盘住宅用房市场供需均衡； 4．北京市新开楼盘住宅用房属于统一的商品市场； 5．构建的模型的误差项，不满足经典的统计学相关分布假定。 （二）数据的来源 本文各楼盘相关数据来源于搜房房地产网（/house/saledate.htm）。统计了该网中从2010年01月到2011年06月期间，18个月各月最新开盘的楼盘。并对搜房房产网上不同的物业类别的房源进行筛选，选取了类别为住宅的户源，再以各月各楼盘为样本单位，对各户源的相关数据信息进行统计分析和建模。 （三）符号说明及变量设定 本文涉及到的变量定义见表1所示，其中年份为2010年1月至2011年6月期间的18个月；楼盘指在这18个月中290个新开的住宅楼盘；建筑类别分为板楼和塔楼两类，故引入虚拟变量，若建筑类别1和