数学建模-房价问题Word下载.doc
《数学建模-房价问题Word下载.doc》由会员分享,可在线阅读,更多相关《数学建模-房价问题Word下载.doc(15页珍藏版)》请在冰点文库上搜索。
我国自从取消福利分房制度以来,随着房价的不断飙升,房价问题已经成为全民关注的焦点议题之一。
经过分析我们将问题细化为以下四个方面:
1.根据所搜集的数据分析判断房价是否合理;
2.对房价未来走势进行定量分析;
3.对房价不合理给出具体措施;
4.对问题3中给出的措施可能对经济发展产生的影响进行定量分析。
对于问题1,我们通过研究城市房价合理性模型,找出了判断房价合理性的标准,同时拟出了同一地区成本、销售面积、居民收入之间的关系。
在解决这一问题时,我们采用了多元线性回归模型对相关变量进行了分析与处理,最终确定了判断房价合理性的标准。
对于问题2,我们通过建立灰色模型来对房价未来走势进行预测,预测结果得到了北京市、西安市2012年、2013年、2014年的房价数据。
对于问题3,我们通过分析确定了使得房价合理的几种具体措施,包括防止炒房行为,提高居民购买力,减少土地价格。
为了得到最有效的措施,我们通过建立层次分析模型对各种具体措施对房价合理性的影响的权重系数进行了求解,比较各个系数大小,最终得出最有效的措施为防止炒房。
对于问题4,我们通过对北京地区房价,土地交易价格指数的分析,找出相关数据,利用matlab软件进行拟合,得到土地交易价格指数与房价的关系图。
并在结果分析中做出了具体而详实的分析,使它们之间的关系更为清晰。
关键字:
房价、多元线性回归、灰色模型、层次分析
11
一.问题重述
房价问题事关国计民生,对国家经济发展和社会稳定有重大影响,一直是各国政府大力关注的问题。
我国自从取消福利分房制度以来,随着房价的不断飙升,房价问题已经成为全民关注的焦点议题之一,从国家领导人、地方政府官员,到开发商、专家学者、普通百姓通过各种媒体表达各种观点,但对于房价是否合理、未来房价的走势等关键问题,至今尚未形成统一的认识。
根据中国的国情,收集建筑成本、居民收入等与房价密切相关的数据,选取我国具有代表性的城市,对房价的合理性及房价的未来走势等问题进行定量分析;
根据分析结果,进一步探讨使得房价合理的具体措施,以及可能对经济发展产生的影响,并进行定量分析。
二.问题分析
对问题1的分析:
本问题需要我们通过收集建筑成本、居民收入等与房价密切相关的数据,通过分析数据,根据我国国情,判断房价是否合理。
我们选取了一线城市——北京,二线城市——西安,想通过房地产卖房子的利润与居民收入的比值来反映房价的合理性。
如果该比值随年份上升趋势较缓,表明房价的上涨在居民的承受范围内,房价比较合理。
如果该比值随年份上升趋势较陡,表明房价的上涨不符合居民收入的上涨,超出了居民的承受范围,房价不合理。
对问题2的分析:
本问是对未来房价的走势进行预测。
较为准确的预测未来房地产的销售价格,对社会经济发展和人民生活极其重要,可以为经济决策提供参考,故其研究意义重大。
针对本问,我们一定要具备研究对象:
北京和西安的历年房价的真实数据,从而才能真正意义上的通过建立模型、求解,预测出下一阶段的房价走势。
对问题3的分析:
本问主要研究对于房价的不合理采取的措施。
房价是现在国家管理的一个难题,国家必须通过具体措施来抑制房价的过快增长。
通过对一些数据的分析,我们可以从以下几个方面来进行,如优化供需关系,严格限制国内的炒房热,减少土地价格以及提高人民群众的购买力。
我们通过建立层次模型求解出各个因素的加权数,由各个因素对房价影响的比重得出国家应该采取的正确措施。
对问题4的分析:
本问主要研究问题3中采取的措施可能对经济发展产生的影响。
考虑到经济发展是多方面、多层次的,我们选择经济发展中的某一具体方面(土地交易价格指数)来定量分析,通过土地交易价格指数的变化来反映经济发展的变化。
为此,我们可以调查2006-2010年北京的房价和土地交易价格指数,并建立北京房价和土地交易价格指数随年份变化的模型,然后得到北京房价和交易价格指数的关系,即得到了房价变化对经济发展的影响。
三.基本假设
1.房地产每年的销售面积为一个定值。
2.所取数据不考虑政策等各种人为因素的干扰。
四.符号说明
P
房地产卖房利润
原始数据列
A
房价(元/M2)
生成的累加序列
B
建筑成本(元/M2)
S
方差
N
销售面积(M2)
残差均值
G
居民收入(元/年)
最小误差概率
五.模型的建立与求解
5.1.模型一的建立与求解
通过分析我们了解到:
要判断房价的合理性,就要了解房价与居民收入的关系,考虑到不同城市可能有不同的结果,我们选取了一线城市——北京和二线城市——西安,并且调查了近6年北京和西安的房价以及居民收入。
首先来求房地产的利润,P=(A-B)*N,我们用y来表示房地产的利润与居民收入的比值关系,即Y=P/G。
售价与成本的差值乘以销售额(在不考虑其他因素的情况下)即为商家所获利润,居民收入反应了某一地区的平均经济实力。
其比值越大,说明商家所获利润越高而人们的经济实力越低,这就表明房价明显超出了人们经济承受能力,故房价越不合理。
比值的增长趋势越陡,表明房价的增长越脱离人们经济实力的增长,因此房价的增长越不合理。
我们建立了表格如下:
年份
2006
2007
2008
2009
2010
2011
G(元)
50467
56004
63029
68788
76544
80394
A(元/M2)
8050
11454
12795
13905
19994
22228
B(元/M2)
4400
4500
4888
4000
4498
Y
0.0723
0.1241
0.1254
0.1439
0.2024
0.2205
表1:
2006-2011年北京年居民收入、房价、和年份的关系表
10905
12662
15207
18963
22244
25981
3089
3599
4032
5002
5398
7050
2790
3000
3600
3670
3700
3740
0.0274
0.0473
0.0284
0.0702
0.0763
0.1274
表2:
2006-2011西安年居民收入、房价和年份的关系表
图1:
利润与居民收入的比值与年份的变化折线图
根据以上的表格数据我们做出利润与居民收入的比值与年份的变化折线图。
我们先分析北京的折线图,2006年——2009年上升较为平缓是合理的,2009年之后出现了很大的提升,通过对折线图的分析之后还会升高,即是不合理的。
再分析西安,通过图像可知2006年——2010年整体呈平稳的上升趋势,从图像和数据的综合考虑,得出西安市的房价的整体变化趋势具有较强的稳定性,这是比较合理的房价发展趋势。
5.2.模型二的建立与求解
首先,我们找到了2006-2011年的北京房产均价数据,如表3:
表3:
北京市2006——2011年房价表
下面我们来建立GM(1,1)模型
我们可以记原始数据序列为:
第一次累加序列为:
建立矩阵B,y:
把a和u代入时间响应方程,由,故时间响应方程为:
即时间响应方程为:
模型计算值X(0)k
实际值
残差E(k)
相对误差e(k)
X^(0)
(2)=10920
X(0)
(2)=11454
-1884
-16.45%
X^(0)(3)=13338
X(0)(3)=12795
-543
-4.24%
X^(0)(4)=16292
X(0)(4)=13905
-2387
-17%
X^(0)(5)=19898
X(0)(5)=19994
96
0.48%
X^(0)(6)=24304
X(0)(6)=22228
-2076
-9.34%
表4:
数值表
均值为:
的方差为:
残差的均值为:
残差的方差为:
方差比为:
现在=,而所有的,故最小误差概率:
根据,表示预测等级较好,由此可知预测方程
可用。
依次令k=5,6,7,8.代入时间响应方程得:
,,.
因此,北京2012,2013,2014年的房价依次为:
,
.
图2:
北京市2006——2014年房价图
接着,我们又找到了2006-2011年的西安房产均价数据,如表5:
表5:
西安房价随时间变化表格
我们可以记原始数据序列为:
建立矩阵B,y:
把a和u代入时间响应方程,由,故时间响应方程为:
X^(0)
(2)=3612.8
X(0)
(2)=3599
-13.8
-0.38%
X^(0)(3)=4413.2
X(0)(3)=4032
-381.2
-9.45%
X^(0)(4)=5389
X(0)(4)=5002
-387
-7.74%
X^(0)(5)=6583
X(0)(5)=5398
-1185
-21.95%
X^(0)(6)=8041
X(0)(6)=7050
-991
-14.06%
表6:
现在=,而所有的,故小误差概率:
因此,西安2012,2013,2014年的房价依次为:
图3:
西安市2006——2014年房价图
5.3.模型三的建立与求解
(1)建立层次模型如下:
使房价合理
C1优化供需关系
C2完善国家建房政策
C3提高国家信誉
P3减少土地价格
P2提高居民购买力
P1防止炒房行为
目标层O
准则层C
方案层P
(2)构建判断矩阵,求出最大特征值、一致性指标和随机一致性比率。
O-C判断矩阵:
计算出最大特征值,一致性指标为CI=(3.038-3)/(3-1)=0.019。
得出一致性比率为CR=0.019/0.58=0.033<
0.1,因此通过一致性检验,可作为一个权值.
C1-P判断矩阵:
计算得出最大特征值为λmax=2,CI=0,显然通过了一致性检验。
C2-P判断矩阵:
计算得最大特征值为λmax=2,CI=0,可知其通过一致性检验
C3-P判断矩阵:
计算得最大特征值为λmax=2,CI=0,可知其通过一致性检验.
(3)各方案队总目标的层次总排序:
C
C1
C2
C3
0.106
0.633
0.261
P1
0.667
0.25
0.136
P2
0.333
0.167
0.141
P3
0.833
0.75
0.723
表7:
总目标的层次总排序表
结果分析:
从上面的分析结果可得:
在简单的探究了几种对房价合理性进行优化的方案中,防止炒房行为的总权重最大为0.7230,减少土地价格的总权重为0.1360,提高居民购买力为0.1410。
这与我们日常感受也基本符合,所以国家应在防止炒房上多下功夫,这其中包括了颁布限购限贷政策,对房贷利率进行合理化改进等,这样才可以更加合理的抑制住房价。
但要想很好的控制住房价,不仅这三个方面,还是有很多方面需要我们认真去考虑斟酌的。
5.4.模型四的建立与求解
(1)根据题目要求,我们首先找到以下数据:
土地交易价格指数
105.2
109.4
111.6
104.0
115.9
表8:
北京房价、土地价格交易指数与年份关系表
根据数据我们分别作出房价与年份、土地交易价格指数与房价的折线图如下:
图4:
房价与年份的折线图
图5:
土地交易指数与房价的折线图
(2)由以上数据,我们利用matlab软件对其两两进行拟合,找出土地交易价格指数与房价的关系。
以上数据我们可以分别作线性拟合,即对多项式:
进行拟合。
最终得出土地交易价格指数与房价的关系,其结果如下:
通过对问题4中的各项数据的多次拟合,我们得到了一个不太稳定的线性关系,但整体上走势还是正相关。
如果房价不能得到有效地控制,疯狂的上涨,这可能会导致土地交易价格指数的上涨。
而土地交易价格指数反映的是地价在时间上的平均变动和综合变动方向及其程度的相对指标,显示了土地市场的行情及其发展趋势。
这表明土地市场会产生混乱。
如果能够有效的控制房价的上涨,例如颁布限购限贷政策,对房贷利率进行合理化改进。
六.模型的评价与推广
6.1模型的优缺点:
6.1.1模灰色型的优点:
①不需要大量的样本。
②样本不需要有规律性分布。
③计算工作量小。
④定量分析结果与定性分析结果不会不一致。
⑤可用于近期、短期,和中长期预测。
⑥灰色预测精准度高。
6.1.2层次模型的优点:
层次模型可以把复杂的决策系统层次化,通过逐层比较各种关键因素的重要性来为分析、决策提供定量的依据。
它特变适用于那些难以完成用定量方法进行分析的复杂问题。
因此在资源分配、选优排序、政策分析、冲突求解以及决策预报等领域得到了广泛的应用。
6.1.3模型的缺点:
计算量比较大,效率不是很高。
七.参考文献
1、2003年——2010年《中国统计年鉴》
2、《北京统计年鉴》
3、《西方经济学〔微观部分〕》,主编:
高鸿业,中国人民大学出版社
4、《实用数学建模与软件应用》,主编:
肖华勇,西北工业大学出版社
5、《MATLAB基础及其应用教程》,主编:
管爱红、张红梅、杨铁军,电子工业出版社