多元线性回归分析模型应用.docVIP

关于商品房平均价格的分析与预测 ——多元线性回归分析模型应用 摘要：本论文主要通过多元线性回归方法对未来几年泉州商品房发展状况和我国商品房平均价格进行预测。首先找出影响泉州商品房价格的四个因素——商品房竣工面积( x1 ) 、商品房销售面积( x2 ) 、年平均股指( x3 ) 、建筑业贷款( x4 ) 、个人住房公积金贷款利率( x5 ，5 年以上) 、商业贷款( x6 ，5 年以上)，然后利用excel软件建立多元线性回归模型，再对模型进行显著性检验，最后根据计算出的数据预测结果并加以分析。 关键字： 多元线性回归 商品房平均价格 影响因子 excel回归 引言 一般来说，一个地区的商品房价格是由需求、供给及各种经济杠杆(如利率) 等因素来决定的，但在资本组合投资日益多样化的现代社会，商品房的价格还会受到债券及股票等金融资产等因素的影响，从而影响需求关系。 因此，为了科学、客观分析一个地区的商品房市场发展趋势并提出适当的预测，为有关部门的决策提供一定的科学依据，引入6 项影响因素 ，利用多元线性回归分析建立泉州市商品房平均价格的数学模型，分析房价今后的走势 。这几年泉州市准备购房的普通消费者大多感到房价上涨带来的压力，房价与承受能力的矛盾显得突出。 国际上一般认为，住宅价格相当于3～6 倍的居民家庭收入时， 是比较合理的房价收入比。 从2005 年看，泉州市城镇居民户均可支配收入4 万多元，能承受的房款总额只有24 万元左右，购买100m2 住宅只能承受2 400 元/ m2 的价格，与商品房平均价格还有一定距离。 目前，高位运行的房价已经超过大多数民众的支付承受能力，中低收入居民更是望房兴叹。 多元回归模型初步了解 设因变量为y，k个自变量分别为x1 ，x2，…xk，描述因变量y如何依赖于自变量x1 ，x2，…xk和误差项ε的方程称为多元回归模型（multiple regression model）。其一般形式可表示为：y=β0 +β1 x1+ β2 x2 +……+βk xk +ε。式中β0 ，β1 ，β2 ，……，βk 是模型的参数，ε为误差项。此式表明：y是x1，x2 ，……xk 的线性函数（β0 +β1 x1+ β2 x2 +……+βk xk 部分）加上误差项ε。误差项反映了除x1，x2 ，……xk 对y的线性关系之外的随机因素对y的影响，是不能由x1，x2 ，……xk与y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：E(ui)=0 (i=1，2，…n)，即零均值假设。 假设2：Var(ui)=E(ui2)= σ2 (i=1，2，…n)，即同方差假设。 假设3：Cov(ui，uj)=E(uiuj)=0 (i≠j；i，j=1，2…n)，即无序列相关假设。 假设4：Cov(Xji，ui)=0 (j=1，2…k；i=1，2，…n)，即假设解释变量与随机误差项不相关。 假设5：ui～N(0，σ2 ) (i=1，2…n)，即随即误差项服从正态分布。用矩阵可表示为：U～N(0，σ2In )。 假设6：解释变量X1，X2，…Xk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。 3.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教育经费投入量与其影响因素关系，并根据搜集来的相关数据建立多元线性回归模型。 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。 我们假设教育经费投入量为y，国内生产总值为x1 ，社会团体和公民办学为x2 ，社会捐赠经费为x3 ，普通高校在校学生人数为x4 。得出多元线性回归模型如下： y=β0 +β1 x1+ β2 x2+β3 x3 +β4 x4 +ε 其中，ε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y 的变化中没有被影响因子所解释的部分。 搜集到得相关数据如表一所示： 年份 单价/千元.m-2 X1/ 104m2 X2/ 104m2 X3/ 100点 X4/ 109元 X5/ % X6/ % 1999 1.56 78.29 62.31 13.83 8.89 4.59 6.21 2000 1.65 66.08 69.79 18.87 9.72 4.59 6.21 2001 1.82 33.3 143.39 19.64 8.78 4.59 6.21 2002 1.66 204.39 127.59 15.77 17.08 4.05 5.4 2003 1.85 151.28 1