数据模型与决策实践报告.docxVIP

西安理工大学经济与管理学院

SchoolofEconomicsandManagement,XianUniversityofTechnology

专业学位课程大作业

大作业名称：贵州房地产数据模型与决策

大作业类型：□学术论文、□分析报告、eq\o\ac(□,√)设计报告

□其他：

课程名称：数据模型与决策

任课教师：

学生姓名：

学生学号：

完成时间：年月日

评分结果：

贵州房地产数据模型与决策

1销售预测

1.1模型预测指标体系的建立

为了解到贵阳房价与商品住宅各因素之间相关性的强弱，通过查阅国家统计局、贵阳市统计局以及相关企业发布的数据后选取了SPSS当中的多元线性回归模型，并通过贵阳市2009-2019年平均房价以及相关影响房价的因素的数据进行分析。采取这四个相应的指标:城镇化率(%)、年末总人口(万人)、房地产施工面积(万㎡)、人口密度 (人/km2)。

表4.1样本指标分布表

年份

(年)

贵阳市平均房价(元/㎡)

城镇化率

(%)

年末总人口(万人)

房地产施工面积(万㎡)

人口密度(人/

km2)

2009

3496.00

64.23

367.08

3094.20

327

2010

4233.00

66.99

373.16

3985.99

343

2011

4587.98

68.98

376.12

4596.20

347

2012

4472.69

70.53

374.53

5664.10

351

2013

4488.00

71.30

379.09

6467.52

356

2014

4904.00

73.20

382.91

6815.79

360

2015

4967.00

73.25

391.79

6847.81

367

2016

5392.00

74.16

401.35

6086.75

370

2017

6552.00

74.80

408.31

5790.77

375

2018

8842.96

75.43

418.45

6058.28

398

2019

9799.00

76.13

427.83

7961.95

420

1.2贵阳市房价的预测

1.2.1多元线性回归模型的建立

为了进一步研究整个贵阳市房地产的价格与前文所研究并且确定的4个变量之间的关系，本文所使用的SPSS软件中的散点图可以十分直观的反映出各个变量与房价之间的关系，这里采用SPSS中的图形构建器可以得到如下的散点图：

图4.1相关变量矩形散点图

另外，最重要的是需要将各个系数之间进行相关系数矩阵的求解，得出相关技术矩阵之后，可以判断出每一个元素对于整个系统的影响，这是十分重要的，另外也是SPSS的重要的优势之一，在这里可以得到相关矩阵并整理得：

表4.2相关矩阵列表

房价

房地产施工面积

人口密度

GDP

房地产开发投资额

房价

1

人口密度

.966*

1

房地产施工面积

.621**

.786**

1

年末总人口

.951**

.966**

.677**

1

城镇化率

.772*

.881**

.885**

.869**

1

要检验被解释变量之间的线性关系是否显著，就要用线性模型描述他们之间的关系是否恰当，所以就要进行F校验。

表4.3回归方程显著性检验分析列表

变差来源

平方和

自由度

方差

归于回归模型

k-1

ESS/(K-1)

归于剩余

n-k

RSS/(n-k)

总变差

n-1

TSS/(n-1)

原假设：H0：

备择假设：βj(j=1,2,L,K)不全为0

建立统计量：F=

采用SPPSS软件进行了相关的多元线性回归模型的建立。

表4.4线性回归分析表

模型

未标准化系数

标准化系数

t

显著性

B

标准误差

Beta

(常量)

-25148.990

2966.578

-8.477

.000

人口密度

125.569

22.304

1.641

5.630

.001

房地产施工面积

-.712

.238

-.498

-2.998

.024

城镇化率

52.994

99.642

.100

.532

.045

年末总人口

-37.746

29.891

-.383

-1.263

.032

因此可以得到该多元线性方程为

P=-25148.990+125.569*人口密度-0.712*房地产施工面积+52.