湖南桃江县城住房建设规划（2014-2020）其它附件

《湖南桃江县城住房建设规划（2014-2020）其它附件》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、湖南省桃江县城市住房建设规划（2014-2020）其它附件——专题研究报告——现状调查报告——征求意见会议纪要II目录附件1：湖南省桃江县城市住房建设规划（2014-2020）专题研究——桃江县中心城区住房需求预测11技术路线及方法概述12经济发展预判63住房需求总量预测84按收入水平划分构建住房需求模型预测165按家庭住房状况构建住房需求模型预测196需求预测综合值207住房结构及土地供应228年度时序安排259总结26附件2：湖南省桃江县城市住房建设规划（2014-2020）住房现状调查报告29前言291

2、住房建设总体情况312商品住房建设情况403保障性住房建设情况474其它类型住房建设现状情况545住房建设年度计划情况556住房政策实施情况58II7住房建设需求调查618住房建设总体评价659推进住房产业健康快速发展的建议6810住房建设现状调查表71附件3：湖南省桃江县城市住房建设规划（2014-2020）征求意见会议纪要77II附件1：湖南省桃江县城市住房建设规划（2014-2020）专题研究——桃江县中心城区住房需求预测1技术路线及方法概述1.1预测技术路线在桃江县中心城区（以下简称“规划区”）住房需

3、求预测中，先对经济发展走势进行预判，对GDP、人均可支配收入等经济指标进行预测。在对宏观环境有了基本判断后，对涉及住房需求总量的基础指标，包括人口、人均住房建筑面积、住房价格等进行预测，通过基础指标的未来值预测规划区在规划期内的住房总量需求。在总量需求预测后，采用两种分类需求预测法，对规划期内商品住房需求、保障性住房需求等进行分类预测。结合总量预测及分类预测的结果，取权重值，得到规划期内新增住房需求总量（主要步骤如图1所示）。图1规划区住房需求预测技术路线791、宏观环境预测：参考桃江县十二五规划、《桃江县城

4、总体规划（2008-2030年）》，对规划期内经济发展形势做出总结与预判，结合时间序列分析法，对规划区的GDP、人均可支配收入等关键性指标进行预测，确定规划区在规划期内经济发展所处的阶段及发展方向等。2、住房需求总量预测：采用综合增长率模型、结合城市总规等相关规划对人口的预测情况，对规划区的未来人口数量进行预测。通过多元线性回归模型和单因素一元回归模型对人均住房建筑面积进行预测，最终得到规划期内住房需求总量指标预测值。3、住房分类需求预测：（1）采用按收入水平划分住房需求层次构建模型，预测未来规划区的商品住房

5、需求、保障性住房需求、住房拆迁改造需求的预测值。再将其求和得到住房总需求，将住房总需求减去现状的存量住房，即可得到规划期内新增住房需求。（2）结合现状调研报告数据，采用按家庭住房状况划分住房需求构建模型，预测未来规划区的保障性住房需求、拆迁改造需求、改善性住房需求、新增常住人口住房需求，再得到住房总需求。4、结合总量预测及分类预测结果，根据规划区现实情况及住房发展目标诉求等，得到规划期内规划区新增住房需求预测综合值。1.2主要预测方法概述结合《湖南省城市住房建设规划编制导则》中关于住房需求预测的主要方法、规划

6、预测的空间范围、时间范围以及规划原始数据的可得性，在对规划区主要指标预测中选取了综合增长率法、平均增长率法、回归分析法、构建按收入水平划分的需求模型等常用预测方法进行预测。1.2.1综合增长率法综合增长率法是目前城市人口预测方法中最为普遍的方法，按历年人口自然增长率和机械增长率的变化推算预测年份人口的方法，其计算公式：(公式一)其中：：预测期末城市人口：预测基年城市人口r：城市人口自然增长率s：城市人口机械增长率79t：时间段1.2.2平均增长率法平均增长率法是通过已知时间序列，求得数据的平均增长情况，可由该

7、平均情况应用于未来的数据预测，最为常用的是年平均增长率的测算。平均增长率法能够通过历史数据，简单预测未来走势，但由于未来指标数据发展与过去存在差距，因此在预测中存在有较大的局限性。具体公式如下：(公式二)1.2.3时间序列分析法时间序列分析是充分利用按时间顺序记录的一系列数据，挖掘事物随时间变化的规律。常用的模型有自回归模型AR(p)、滑动平均模型MA(q)和自回归滑动平均模型ARMA(p，q)。最为常见的是利用历史数据建立与年份的简单线性模型。以人均住房建筑面积与时间为例：(公式三)其中：y为因变量人均住房

8、建筑面积,t为年份。通过常用的Eviews、Stata、SPSS、SAS等相关软件回归求得参数a，b的值，据此预测规划特定年份的人均住房建筑面积的值。1.2.4回归分析回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。按照自变量及因变量的关系可分为线性回归和非线性回归。回归分析可通过SPSS、Eviews、SAS等统计软件进行预测。在住房需求预测中，人均住房建筑面积、人均可支配