宝鸡市房地产调控研究--毕业论文.doc

宝鸡市房地产调控研究 摘要 本文主要研究了宝鸡市房地产调控的相关问题：根据已有数据找到其变化规律并对未来商品住宅的价格进行预测。对此我们分别建立了多元线性回归，BP神经网络和灰色关联度这三种模型对宝鸡市房地产调控进行研究。得出了房价与大宗商品价格、工资收入、的关系，并对商品住宅价格进行了预测，对政府制定房地产量化调控方案提供了重要参考。 对于问题一，我们用宝鸡市整体的数据代替各区的数据对问题进行求解。通过 软件画出两两指标间的散点图，观察得出它们之间为线性关系，其次利用软件作线性回归，得出了商品房价、大宗商品价格、工资收入、之间的6个关系式，最后分别利用了残差分析检验模型的适合性，检验模型的拟合优度以及检验模型的显著性。 对于问题二，利用BP神经网络模型分别在考虑和不考虑影响因素的情况下对宝鸡市的房价进行了预测。首先，我们不考虑影响宝鸡商品房价的因素，以宝鸡市近几个月的商品房价为目标训练函数，通过软件进行函数训练，预测出2014年1月至6月的商品房价。其次，为了使预测的数据更加合理，我们考虑了影响宝鸡商品房的各种因素，得出了预测值，最后为了优化此模型，通过对两次预测的平均值与真实值的比较，发现预测的平均值更为接近真实值，最后得到了7月至12月的预测商品房价格（单位：元/每平方米）分别为：3448.65 、3564.65 、3590.7 、3549.15 、3505.35 、3385.2。 对于问题三，首先，通过二次拟合找到了商品房价与时间的关系和与时间的关系，然后通过计算得出：在未来7年之内商品房价的增长率不高于的增长率，即在2019年前此房价调控政策都有效。然后，我们通过灰色关联度将商品房价、和人均工资量化，得到商品房价分别与另外两者之间的关联度：商品房价和人均工资关联度大于商品房价和的关联度，即商品房价与人均工资之间存在很强的相关性，因此制定调控政策时，应着重参考人均工资来制定调控政策。 关键字：多元线性回归 BP神经网络 灰色关联度 二次拟合 一、问题重述 从2002年8月26日六部委颁发217号文件起，我国房地产调控历史走过了十余年。，这十年里，我国的房地产调控经过了四个阶段，调控的目标也逐渐清晰，政策体系逐渐建立。然而，虽然调控取得一定成绩，但调控多为定性的行政手段，量化方案很少。并且调控政策一般只是短暂适用某一特定时期。 请根据宝鸡市近年经济数据解决以下问题： 1.收集整理宝鸡市近十年各片区商品住宅价格变化数据、大宗商品价格变化数据、工资收入和数据等，并挖掘他们之间的关系。 2.根据近十年已知数据建立数学模型并预测2014年1-6月间商品住宅价格，与实际相比较，并依此来预测2014年7-12月商品住宅价格的变化趋势。 3.结合宝鸡市市民工资收入的具体情况，评价调控政策“商品住宅价格的增长速度不高于的增长速度”在多长时间内有效。并尝试建立数学模型模拟商品住宅价格、增速、市民工资水平之间的关系。 二、问题分析 对于问题一的分析：问题要求查找宝鸡市近十年各区的商品房住宅价格，，人均工资收入及大宗商品价格，然后建立它们之间的关系。我们考虑到各区的变化规律与整体的变化规律应基本相同，因此只需用宝鸡市整体的数据来对问题进行求解，在建立它们之间的关系时，我们预通过 软件画出两两指标间的散点图，利用图像观察出它们之间存在的关系，为找出指标间的具体关系式，用软件对这4个指标进行一元回归，以及多元回归。 对于问题二的分析：这是一个预测问题，解决此类问题的方法有GM(1,1)、多元线性回归、时间序列预测、神经网络预测，由于BP神经网络具有较强的自学习，自适应能力，并具有一定的容错能力，因此我们预采用BP神经网络预测模型，预测未来几个月的宝鸡市商品房价，我们可以直接用已查的十几个月的房价为训练函数，通过软件，做出预测图像得出预测数据。由于我们考虑到宝鸡市的人均工资收入、GDP、大宗商品价格会影响到房价，因此在建立训练函数的时候我们应该以这5个影响因素为训练函数，然后通过创建网络，同时对数据进行归一化和反归一化处理，得到有效的预测值，分别对两次预测的结果与真实值比较，确定两次预测的权重，最后得出预测结果。 对于问题三的分析：对于第一小问，我们首先考虑到的问题是商品房价的增长率和的增长率之间存在什么关系，而问题中要求此调控下商品房价的增长率不大于的增长率，我们想到可以分别找到商品房价格、和时间的关系，可以利用做出散点图，并拟合出它们和时间的关系，然后求其导数方程，再通过联立导数方程，求交点，即可求出商品房价的增长率不大于的增长率的时间为多久。对于第二小问，需要找到商品住宅价格、增速、工资水平之间的关系，对于这类问题，我们认为三者之间可能存在某种具体的量化关系，而灰色关联度分析法对样本要求低，计算方便，为此我们可以采用灰色关联度模