基于多元线性回归的房价预测模型.docxVIP

摘 要 　　文章通过对河北唐山市房价以及其影响因素进行分析，收集并整理2008年到2018年唐山市的房价和影响因素的相关历史数据，用来预测2019年唐山市的房价。以唐山市的商品房开发投资额、常住总人口、城镇居民人均可支配收入、全部财政收入、固定资产投资价格指数、人均地区生产总值作为主要影响因素，分析这些因素对唐山市房价的影响。基于多元线性回归建立关于房价走向的预测模型，对得到的模型进行分析检验。数据结果表明，该模型选取的影响因素可以解释商品房价格变化99.8%的原因，在一定程度上可以为购房居民提供参考依据。 关键词：多元线性回归；房价预测；数据分析；多重共线 第1章 引言 　　在过去的几年中，我国的经济增长水平逐渐提高，人民的生活变得更好，更舒适，居民的生活在生活方式和生活质量上都发生了重大变化。衣食住行都发生了很大的变化，现在不仅要穿的暖还要穿的美、不仅要吃的饱还要吃得健康、从居住在狭窄的小巷子里到宽敞的小区、从单一的绿皮火车甚至自行车到高铁飞机。在社会发展中，房地产行业成为了我国现代紧急体系的支柱行业，同时随着社会的发展、经济的增长以及住房制度的商品化，住房的商品消费观深入人心，商品房逐渐成为人们关注的对象。房价关乎我们的切身利益，再加多地房价的涨幅不定，房价成为了人们的关注点之一。由于各方面的因素都对房价的走向变化产生影响，房价的涨幅也让人们捉摸不透，随着人们对房价走向的关注度大大提高，房价的涨幅也成为了社会的热点话题。 　　随着住宅房的商品化，又由于住宅房对人们的必要性，房价也越来越被人们重视。在过去的几十年中，房价大体呈现上升趋势，但是涨幅却让人捉摸不透。在房价持续增长且涨幅不断变化的情况下，政治局对房价进行了干预，定调后，市场上房价基本稳定在年均5%的涨幅。由于影响房价的因素众多，房价的预测也成为学者们研究的热门课题，国内外的学者都有对房价的预测研究，也采用了多种预测方法用来预测各地的房价。在研究过程中，不断地更新预测数据，随着时代按照实际情况改变影响因素，改进预测方法。在以前的学者的研究基础上，本文对新时代房价的影响因素作出分析，根据搜集的数据对房价做出预测。 第2章 房屋价格影响因素分析 　　在进行房价的预测和分析工作之前，我们必须要对房价的影响因素作出分析，这一步骤是非常重要的。由很多学者分析发现，影响房价的因素非常复杂，主要分为以下几个大类：政治、经济、行政、社会、自然以及其他。其中政治因素主要包括战乱、政府机构重大改动和重大政治性政策出台等；经济因素主要包括经济增长速度、物价、工资及就业、储蓄率、金融状况等；行政因素主要包括土地利用规划及供给经管、房地产税制、住房政策、城市规划、公共建设等；社会因素主要包括人口、家庭结构、社会福利、社区环境等；自然因素主要包括位置、面积、周边环境等；还有一些其他因素包括外景、设计模式、施工质量等。除了这些客观因素以外，市场需求、成本、周边楼盘的竞争情况、供求关系等也是影响房价的因素。 　　本文以河北省唐山市的房价作为研究对象，通过对唐山市的商品房开发投资额、常住总人口、城镇居民人均可支配收入、全部财政收入、固定资产投资价格指数、人均地区生产总值六个主要影响因素的引进以及这六个因素与房价的关系确定预测方法与模型。 第3章 多元线性回归分析模型 　　在回归分析中，如果有两个及两个以上变量，一般采用多元回归分析。在实际应用中，由多个自变量共同影响来预测分析更加准确有效，多元线性回归被广泛应用。运用多元线性回归进行预测分析有以下几个步骤： 建立多元线性回归模型 多元回归模型估计 回归模型检验 变量选择 利用回归方程进行预测 以上步骤可以用流程图来表示：图 3.1 多元线性回归分析流程图 第1章第2章第3章第1章第2章第3章 3.1多元线性回归方程 变量如何依赖于自变量 变量 如何依赖于自变量 ① 其中， 是模型的参数， 为误差项。 误差项反应了除了 与 的线性关系所解释的变异性。 与 的线性关系外的随机因素对的影响，表示的是不能由 对误差项的三个假定： 正态性。误差值 服从正态分布的随机变量，即 ； 同方差性。对 的所有值， 的方差 都相同； 独立性。服从正态分布且相互独立，即 。 由模型的假定，可得多元线性回归方程： ② 　　回归方程中的是未知的，用样本统计量来代替回归方程中的未知参数，可以得到估计的多元线性回归方程，其一般形式为： ③ 第1章第2章第3章 3.1. 3.2.多元回归模型参数的估计第1章第2章第3章 3.1. 3.2. 第1章第2章第3章 3.1. 3.2. 3.2 第1章第2章第3章 3.1 3.2 3.2.1最小二乘法 在多元线性回归中，相关参数可以用最小二乘法来确定。 多元线性回归的残差平方和为： ④ 根据最小二乘法原理，使残差平方和最小。可以通过