房地产行业数学建模.docx

  1. 1、本文档共29页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
房地产行业数学建模

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 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 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 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 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 房地产行业既是国民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。我们将对以下问题进行初步探讨: 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。 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。 利用资料中的我国各行业的发展数据,???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。 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。 住房需求模型 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: 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) 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: 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732.7896122.1321237.976.000a残差

文档评论(0)

bokegood + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档