房地产行业的数学建模.docx

《房地产行业的数学建模.docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、此文档收集于网络，如有侵权，请联系网站删除房地产行业的数学建模目录一问题重述二模型假设三住房需求模型1.住房需求影响因素分析2.数据收集3.使用SPSS软件对需求模型进行相关性分析4.使用SPSS软件对需求模型进行回归拟合5.用EViews软件画出时序图6.用EViews软件回归拟合7.数据预测四、住房供给模型1.住房供给影响因素分析2.数据收集3.用SPSS软件对供给模型进行相关性分析4.进行回归拟合5.用EViews软件画出时序图6.二次曲线拟合7.数据预测五、房地产行业与国民经济其他行业关系模型1.房地产行业与其他行业关系分析此文档仅供学习与交流

2、此文档收集于网络，如有侵权，请联系网站删除2.数据收集3.使用SPSS软件分析各指数3.1房地产业增加值指数与国内生产总值指数的关系3.2房地产行业增加值指数与交通运输与邮政业增加值指数的关系3.3房地产行业增加值指数与批发和零售业增加值指数的关系3.4房地产行业增加值指数与其他三个行业增加值指数的关系4.EWews画出时序图5.二次曲线拟合6.结果分析五、房价模型1.房价影响因素分析2.数据收集3.用SPSS软件进行回归拟合4.画出时序图5.回归拟合6、数据预测一问题重述此文档仅供学习与交流此文档收集于网络，如有侵权，请联系网站删除房地产行业既是国民

3、经济的支柱产业之一，又是与人民生活密切相关的行业之一，同时自身也是一个庞大的系统，该系统的状态和发展对国民经济的整个态势和全国人民的生活水平影响很大。近年来，我国的房地产业发展迅速，不仅为整个国民经济的发展做出了贡献，而且为改善我国百姓居住条件发挥了决定性作用。但同时房地产业也面临较为严峻的问题和挑战，引起诸多争议。2011年国务院发布新的措施，抑制投资投机性购房，建设经济适用房和保障房，努力解决低收入家庭的住房困难问题。因此，认清当前房地产行业的态势，从定量角度把握各指标之间的数量关系，依据较为准确的预见对房地产行业进行有效的调控，就显得尤为重要。我

4、们将对以下问题进行初步探讨：1.对有关数据进行统计分析，寻求影响房地产市场需求的经济因素，建立住房需求模型。2.对有关数据进行统计分析，寻求影响房地产市场需求的经济因素，建立住房供给模型。3.利用资料中的我国各行业的发展数据，量化分析其他行业与房地产之间的关联程度，建立模型并得出结论。4.对有关数据进行统计分析，寻求影响房价的经济因素，建立房价模型。利用模型进行分析，量化研究该行业当前的态势、未来的趋势，揭示房地产行业经济调控策略的成效。二模型假设假设1：假设所取数据不考虑政策等各种人为因素的干扰；假设2：假设预测时不涉及自然灾害和社会因素的影响；假设

5、3：假设所收集的各方面的数据均具有一定的准确性；假设4：假设忽略楼盘地理位置及周围交通、区域聚合度、社区成熟程度的影响；假设5：不考虑房屋拆迁及家庭分裂、重组的影响。三、住房需求模型1、住房需求影响因素分析针对我国城市住房需求问题，首先建立模型来求预测需求总量。为此，需要知道中国人口总量及城乡人口结构变迁情况。我国人口总量与每年增长速度有关，自然增长率是出生率与死亡率之差。城乡人口结构的变迁情况需要分析城市人口总量和农村人口总量的变化情况，不宜直接用总数来表征，可以考虑农村人口比例和城市人口比例的变化情况对数据进行预处理。计算出总需求量后，将建立基于面

6、板数据的住房需求模型，关键在于自变量的选取和数据的处理。本文建立的基于面板数据模型将主要考虑以下因素影响：人均GDP，总销售的商品房价值，城镇年人均可支配收入，储蓄存储，城镇人口，城镇就业人数。设因变量：Y：城镇居民人均建筑面积（单位：平方米）设自变量：此文档仅供学习与交流此文档收集于网络，如有侵权，请联系网站删除X1:人均GDP(单位：元)X2:总销售的商品房价值（单位：亿元）X3:城镇年人均可支配收入（单位：元）X4：储蓄存储（单位：亿元）X5：城镇人口（单位：万人）X6：城镇就业人数（单位：万人）2.数据收集（数据均来自国家统计局网站）此文档仅供

7、学习与交流此文档收集于网络，如有侵权，请联系网站删除3.使用SPSS软件对需求模型进行相关性分析：表给出了Pearson简单相关系数，相关检验t统计量对应的p值。相关系数右上角有两个星号表示相关系数在0.01的显著性水平下显著。从表中可以看出7个指标之间的相关系数都在0.8以上，对应的p值都接近0，表示7个指标具有较强的正相关关系。4.使用SPSS软件对需求模型进行回归拟合：此文档仅供学习与交流此文档收集于网络，如有侵权，请联系网站删除从复相关系数R和决定系数R方可看出回归方程高度显著。Anovab模型平方和df均方FSig.1回归732.789612

8、2.1321237.976.000a残差1.28313.099总计734.07219a.预测变