房价预测数学建模.docVIP

摘要 房价对经济发展和社会稳定有重大影响,本题的提出是为了探讨各房价的相关影响因素对房价的影响作用并依据相关分析结果给出调节房价的相关措施,并最终将房价的变动反映到经济发展上来.在目前民众普遍关注房价变动的情况下,本题的求解具有很大的应用价值 为解决合理性评估问题，我们建立了房屋购买力模型： 式中X代表城镇居民年人均可支配收入，Y代表每平米房价。 给合理性评估提供了一个参考标准，从而有效地评估了房价的合理性。 为解决房价走势问题，我们建立了多元线性回归分析和基于主成分分析的回归分析两个模型，在多元回归分析模型中，通过对各因素的回归拟合分析，建立回归方程，从而达到预测走势的目的。在主成分分析模型中，通过相关算法，求解出主成分，并建立房价和综合主成分的回归方程，达到预测目的。 二、问题的提出 房价问题事关国计民生，对国家经济发展和社会稳定有重大影响，一直是各国政府大力关注的问题。我国自从取消福利分房制度以来，随着房价的不断飙升，房价问题已经成为全民关注的焦点议题之一，在这种情况下,对房价的合理性判断及走势的预测对于国家制定相关政策,稳定经济发展有重要意义.本题就是在这种背景下提出的. 请根据中国国情，收集建筑成本、居民收入等与房价密切相关的数据，选取我国具有代表性的几类城市对房价的合理性及房价的未来走势等问题进行定量分析；根据分析结果，进一步探讨使得房价合理的具体措施，以及可能对经济发展产生的影响，并进行定量分析。 三、条件假设 1: 本模型是针对基础房价进行讨论, 基础房价指的是不考虑宏 观调控政策影响的完全市场行为下的房价． 2: 建筑成本有房地产投资总额和固定房屋竣工面积来反映. 3: 忽略一些炒作对房价的影响. 4:忽略经济危机等突发性事件对房价的影响。 四、符号约定 符号 含义 单位 房价 元 人均竣工面积 平方米 人均GDP 元 城市人均住宅建筑面积 平方米 人均投资总额 万元 商品房销售面积 万平方米 城镇居民家庭人均可支配收入 ）、生产总值（亿元）、总人口数、居民消费水平、人均GDP、商品房销售面积、城镇居民家庭人均可支配收入城镇居民家庭人均可支配收入 式中X代表城镇居民年人均可支配收入，Y代表每平米房价。 由房屋购买力的定义和合理价格水平的界定，我们可以得出在此标准下，合理的房屋购买力： 3 X=30 Y 6X=30 Y K0==10 k0=5 也就是说房屋购买力出在5和10之间是合理的，大于10则房价过低，小于5则房价过高。 模型的求解 我们代入2009年数据来分析房价的合理性，结果如下表 城市 Ko 合理性 北京 1.9 房价过高 上海 2.24 房价过高 西安 4.43 房价过高 武汉 3.59 房价过高 通过求解模型我们可以看到，我国房价普遍偏高。北京上海等东部沿海一线城市房价过高程度大，越往西房价过高程度越低。 问题二 定量分析房价的走势 多元线性回归模型的建立和求解 模型的建立 我们把房价Y作为因变量，相关影响因素分别作为自变量，得到房价随影响因素的变化散点图，（插入图表）分析这些图，我们分城市建立回归方程。由图中我们可得出各城市房价的线性影响因素如下表所示： 北京 X2,X6 上海 X2,X6 西安 X1,X2,X3,X4,X5,X6, 武汉 X2,x4,X6 鉴于此，我们建立多元线性回归模型 式中ai代表各影响因素的回归系数，为常数，我们只考虑各城市的房价线性影响因素。 模型的求解 利用matlab软件对表中数据进行多元线性拟合，得出各城市线性回归方程如下表所示 北京 上海 西安 武汉 代入2010年和2012年的对应预测数据我们得到预测结果如下表所示 年份 2010 2011 北京 上海 西安 武汉 模型的分析 我们所建立的模型忽略了影响因素中的非线性部分的影响，只考虑线性影响因素，因此预测可能会出现较大误差，为此我们建立了基于主成分分析的回归分析模型如下。 主成分分析与回归分析结合模型 算法说明 主成分分析的基本思想就是设法将原来众多具有一定相关性的指标，重新组合成一组新的相互无关的综合指标来代替原来指标．通常在数学上的处理就是将原来P个指标做线性组合，成为新的综合指标． 由此，定义主成分为： 其中是主成分，是指标列向量，上述方程要求： 且系数由下列原则决定： 1、与（）不相关； 2、是的一切线性组合(系数满足上述方程组)中方差最大的，是与都不相关的一切线性组合(系数满足上述方程组)中方差最大的。 主成分的贡献率和累积贡献率 第个主成分的贡献率为，贡献率给出每一个主成分的方差在总方差中的比值。这个值越大，表明第主成分综合信息的能力越强．前个主成分的累积贡献率定义为．在这