基于多元二次回归房地产价格与住房保障规模分析.docVIP

基于多元二次回归房地产价格与住房保障规模分析 　　【摘 要】本文研究了住房问题严峻形势下的房地产价格与住房保障相关的问题。运用逐步回归分析确立了影响房地产价格的主要因素，展现了逐步回归分析方法应用于处理多个因素对目标值的影响的情况中存在的独到优势。建立基于多元二项式回归的纯二次回归模型，明确得出了现阶段的商品房价格与各项主要因素之间的回归模型，并且利用模型对2011年到2015年的商品房价格变化趋势进行了预测，得出商品房价格增长速度总体变缓，短期内出现回落，趋于稳定的结论。 　　【关键词】房地产；逐步回归；多元二次回归；优化；计算机模拟 　　为了对房地产价格与住房保障规模相关问题进行分析，从影响房地产价格主要因素的选取着手，建立房地产价格与主要因素之间的多元非线性模型，预测未来几年房地产价格趋势。 　　一、运用逐步回归的方法确定影响房地产价格指数的主要因素 　　收集城市化率、居民消费水平（元）、人均国民收入（元）、人均GDP（元）、年国家税收（亿元）、年贷款利率（%）、土地交易价格指数（上年=100）、年经济适用房建设面积（万平方米）8个指标（分别设为），作为衡量影响商品房价格指数的因素，通过逐步回归分析剔除对商品房价格指数影响小的因素。 　　逐步回归分析得到如下图1所示逐步回归交互式画面： 　　上图中的4行用红色显示，表明这4个指标已经被剔除，即这4个指标对商品房价格指数的影响比较小，可以忽略。4行为蓝色显示，表示这4个指标被接收作为影响商品房价格指数的主要因素。由此我们确定了影响房地产价格的主要因素或指标为，即：城市化率、年贷款利率、土地交易价格指数、年经济适用房建设面积。 　　二、建立回归模型分析主要因素对商品房价格的影响 　　（一）初等线性回归方程的建立 　　由逐步回归模型得到线性回归方程： 　　（1） 　　分析可得：R2=0.92052，P=0.001883591，可知保留的因素　对商品房价格指数的拟合程度较好，并且可知贷款利率和经济适用房建设力度与商品房价格指数成明显的负相关关系，符合常理。 　　（二）多元二次回归数学模型的建立 　　首先为了叙述方便，我们先对城市化率、年贷款利率、土地交易价格指数、年经济适用房建设面积4个主要指标重新定义，分别设为。接下来我们都将采用表示上述4个主要影响因素。由上文可知多元线性回归模型拟合误差较小，基本符合要求。但结合实际情况，各影响因素未必与商品房价格指数的之间呈纯线性关系，因此需要继续对上述求解过程进行优化。 　　1、多元二次回归模型的基本知识 　　Matlab统计工具箱提供了一个作多元二项式回归的命令rstool，　它也产生一个交互式画面，输出有关信息，用法是 　　rstool（x，y，model，alpha） 　　其中输入数据x，y分别为m*n矩阵和n维向量，alpha为显著性水平α（缺省时设定为0.05），model由线性模型、纯二次模型、交叉二次模型和完全二次模型4个模型中选择1个（用字符串输入，缺省时设定为线性模型）。 　　其中纯二项式回归的方程形式为： 　　式中回归系数，影响因素或指标，y为回归预测值。 　　2、多元二次回归模型的建立 　　调用Matlab统计工具箱的多元二项式回归命令rstool，编写程序进行纯二项式回归。 　　得到一个如图2所示的交互式画面： 　　界面中底下的，分别表示城市化率、年贷款利率、土地交易价格指数、年经济适用房建设面积4个因素。上对应的曲线分别表示固定自身得到的曲线。界面左侧显示的是预测值y及其置信区间。用鼠标移动图中的十字线，或在图下方窗口内输入则在图左边给出y的预测值及其置信区间。例如由图2可知： 　　当分别为41.2855，5.7785，106.4523，4862.5501时， 　　预测值y=104.6298+/-35.3719，置信区间为。 　　上述界面的左下方有两个下拉式菜单，一个菜单Export用以向Matlab工作区传送数据，包括beta（回归系数），rmse（剩余标准差），residuals（残差）。由上得到的回归系数、剩余标准差、残差。 　　由此得到系数Beta1（Bj），则得到纯二次回归方程： 　　3、多元二次回归模型的检验： 　　下面我们对针对y求偏导数，并求出极点，研究y在各指标影响下的变化规律。 　　综上可知： 　　当X1＜50.1372时y随X1变大而变大，当X1＞50.1372时y随X1变大而减小。即： 　　当城市化水平较低时，人们急于满足自己的居住需求而供小于求，所以价格指数增大；相反，当城市化水平较高时，人们已经满足了住房的需求，而供大于求，所以价格指数有所下降。 　　当X2＜5.1518时y随X2变大而变大，当X2＞5.1518时y