房地产行业的数学建模.docx

资源描述

房地产行业的数学建模.docx

《房地产行业的数学建模.docx》由会员分享，可在线阅读，更多相关《房地产行业的数学建模.docx（25页珍藏版）》请在冰点文库上搜索。

房地产行业的数学建模.docx

房地产行业的数学建模

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

4、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

5、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

5、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：

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。

3、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

均方

Sig.

回归

732.789

122.132

1237.976

.000a

残差

1.283

.099

总计

734.072

a.预测变量:

（常量）,城镇就业人数X6,总销售的商品房价值X2,人均GDPX1,储蓄存储X4,城镇人口X5,城镇年人均可支配收入X3。

b.因变量:

城镇居民人均建筑面积Y

有上图可看出：

P=0.000可知此回归方程十分显著。

故回归方程为：

Y=-14.931-7.502*10-5*X1-3.016*10-5*X2-1.054*10-5*X4-0.001*X5+0.003*X6

查数据知2015年各项数据为

X1=49820,X2=83920.43,X3=27998.1,X4=48101.7,X5=77230,

X6=41707

根据以上回归方程得人均建筑面积Y=35.9平方米，故总面积为

35.9*77230=2772557平方米。

通过对房地产需求进行建模，预测出了2015年住房总需求面积。

由于住房总需求面积在统计上不好直接测得，因此我们将面积需求转化为人均需求与人口数据的乘积，所以结果在一定程度上反映了国内当年的住房需求总量。

5.用EViews软件画出时序图

由上图可以看出Y与T成线性关系

6、用EViews软件回归拟合

由上图可得模型为：

Y=1.047218*T+14.58421

7.数据预测

上图为实际线图与预测线图，据图可知拟合效果非常好，由所得模型预测2015年人均建筑面积Y=36.5758平方米，则总住房需求面积为2824748.11平方米，与SPSS软件预测的数据相近。

四．住房供给模型

1.住房供给影响因素分析

我国城镇住房供给总量的主要计算依据为城镇住房竣工面积，根据题目中所给的数据，对中国历年来城镇住宅竣工面积的数据进行时间序列分析，可以得到竣工面积总量与时间的关系模型。

计算出总需求量后，将建立基于面板数据的住供给模型，关键在于自变量的选取和数据的处理。

住房供给可以看成是房地产企业的产出，根据柯布-道格拉斯生产函数的分析方法，根据房地产企业的劳动力数、投入资本来预测房屋供给。

柯布-道格拉斯生产函数的形式如下：

Y=A（t）LαKβμ

其中，Y是房地产年产值（单位：

万平方米）；

A（t）是综合技术水平，在t时期为一常数；

L是投入的劳动力数（单位：

万人）；

K是投入的资本（单位：

亿元）；

α是劳动力产出的弹性系数，β是资本产出的弹性系数，μ表示随机干扰的影响。

从这个模型看出，决定房地产业系统发展水平的主要因素是投入的劳动力数、固定资产和综合技术水平。

2.数据收集

3.用SPSS软件对供给模型进行相关性分析