房地产价格体系评估问题的大学论文.docVIP

房地产价格体系评估问题的研究 摘要 本文主要是针对房地产价格体系进行研究。根据任务一，我们建立GM（1，1）模型来预测未来房地产的价格指数；考虑到题中所给的价格指数灵敏度过高，我们决定建立改进的灰色模型，均先把原先的价格指数换算成以1999年为100计算的价格指数，预测好值后再还原。结果表明，这种改进使得拟合效果非常好。最后我们得到宁波2008到2010年的预测值分别为110.00，110.72，110.98，杭州的为107.49，108.02，108.33，上海的为108.83，108.21，107.95，并对结果进行分析和解释。 对于任务二，我们依旧沿用此灰色模型，确定了体现人民生活水平的相关因素后做模型预测。结果在文中显示。 对于任务三，我们选用多元线性回归分析。鉴于影响因素之间的关联度较大，比如城市人口密度和人口数就具有较大的重叠性。我们分析剔除掉三个有部分重复性的因素后，用SPSS软件分析求解。第一种多元线性回归，采用强制进入策略，显著性检验较差；第二种多元线性回归分析采用向后筛选策略改进模型后，显著性水平明显提高，最终得出最主要因素为在岗工人平均工资和地区生产总值，其中地区生产总值的影响程度更胜一筹。 对于任务四，我们充分收集数据，确定市场供求状况，生活水平指标，政策导向，住房条件这四个板块以及此内的10个合理价格评价指标。层次分析法确定各指标在各板块中的权重，决策树法确定各指标在整体中的权重，接着通过讨论对各指标进行量化，最后求出杭州和上海的综合评价值，发现杭州的价格体系比较合理。 关键字 GM(1,1) 改进的灰色模型 多元线性回归分析 决策树 层次分析法 问题重述 改革开放以来，我国的房地产业取得了巨大的成就，也逐渐成为促进国内经济发展的新的经济增长点。然而房价始终是我国房地产市场最为尖锐的问题。调查显示，1992-2004年的13年间，全国城市住房平均售价上涨了近10倍，部分城市上涨幅度大得多，远远超过我国国民收入水平的涨幅；而且据我们国家发改委，统计局的最新资料显示，2004年一季度35个大中城市就有9个城市房价涨幅超过10个百分点，另外有7个城市土地交易价格涨幅超过10个百分点。 现有杭州、宁波、上海三个城市的房地产价格指数如表一所示（当年指数以去年为100计算）： 表1.城市房地产价格指数 2000 2001 2002 2003 2004 2005 2006 建成区面积(平方公里) 549.6 549.6 549.6 549.6 549.6 819.9 860.2 城市人口密度(人/平方公里) 2872 1757 1950 1959 1971 2718.2 2774.2 年末实有房屋建筑面积(万平方米) 31802 34205 38324 42951 51375 64198 70282 年末实有住宅建筑面积(万平方米) 19310 20864 23474 26644 30560 37997 40857 居民消费指数(去年=100) 101.5 102.5 100 100.5 100.1 101 101.2 人口数(万人） 1313.1 1321.6 1327.1 1334.2 1341.8 1360.3 1368 16641 18531 21781 23959 27305 31940 41189 现在我们需要完成如下任务： 建立数学模型，根据表1预测2008～2010年这三个城市的房地产价格指数的变化趋势； 根据表2中所列指标的相关数据，并预测2008～2010年三个城市的人民生活状况； 根据表2，建立对上海房地产价格体系的数学模型，分析房地产价格指数与上述各个因素之间的影响关系，找出影响房地产价格指数最重要的因素，并进行说明； 收集数据，建立房地产价格评价模型，并比较杭州市与上海市的房地产价格体系。 二．问题分析 预测模型有很多，比如有时间序列，人工神经网络，线性拟合，ARMA模型等等。但考虑到在房地产市场中，房地产价格受到国内经济、市场竞争程度以及关系人自身等各种因素的影响，总是处在不停的波动变化之中，而且各种因素的影响又极其复杂，因此我们认为房地产市场是一个部分信息已知、部分信息未知的系统，即房地产市场可以看作一个灰色系统来进行处理，房地产价格作为其系统行为的主要特征量，是一个灰色量.所以对于任务一，我们初步决定根据灰色系统理论用灰色模型求解，并在任务二中也同样用此方法。 任务三中，我们初步在主成份分析法以及多元线性回归分析方法中作抉择。多元线性回归考虑到各影响因素之间有一定的关联度，比较符合实际，我们最后认为这种分析方法比较适合。 而任务四中，我们考虑用层次分析法。先找出各种房地产价格的评价指标，在网上搜得相关数据，以较客观的方