sas課程設(shè)計(jì)--房地產(chǎn)調(diào)控問(wèn)題分析

1、<p><b>　　課 程 設(shè) 計(jì)</b></p><p>　　題目： xx市房地產(chǎn)調(diào)控問(wèn)題分析 </p><p>　　題目： xx市房地產(chǎn)調(diào)控問(wèn)題分析 </p><p><b>　　【摘 要】</b></p><p>　　隨著xx市經(jīng)濟(jì)社會(huì)的發(fā)展和人們生活水平

2、的提高，對(duì)住房的改善需求日益旺盛，但房地產(chǎn)市場(chǎng)仍然存在諸多問(wèn)題。因此，為房地產(chǎn)行業(yè)建立數(shù)學(xué)模型，并利用這些模型量化研究該行業(yè)當(dāng)前的態(tài)勢(shì)、未來(lái)的趨勢(shì)，模擬房地產(chǎn)行業(yè)經(jīng)濟(jì)調(diào)控策略勢(shì)在必行。</p><p>　　本文通過(guò)建立模型回答了題目中給出的三個(gè)問(wèn)題并對(duì)房地產(chǎn)價(jià)格走勢(shì)做出了合理科學(xué)的預(yù)測(cè)。</p><p>　　第一問(wèn)建立商品住宅價(jià)格模型，首先對(duì)可支配收入和GDP與商品房?jī)r(jià)格繪制散點(diǎn)圖，發(fā)現(xiàn)2

3、009年出現(xiàn)明顯拐點(diǎn)，這說(shuō)明2009年中國(guó)經(jīng)濟(jì)市場(chǎng)的情況和出臺(tái)的政策有明顯變化，值得深入細(xì)致分析。進(jìn)行相關(guān)性分析得出商品房房?jī)r(jià)與城鎮(zhèn)人口和住宅用房地產(chǎn)竣工面積的相關(guān)系數(shù)的絕對(duì)值與1差距較大，說(shuō)明他們之間的相關(guān)性較弱，其余的指標(biāo)進(jìn)行主成分分析可以看出第一和第二特征值得累計(jì)貢獻(xiàn)率已經(jīng)達(dá)到97.34%，說(shuō)明第一和第二主成分基本包含了全部指標(biāo)具有的信息，所以僅取第一和第二主成分，并計(jì)算出相應(yīng)的特征向量。最終得出第一和第二主成分分別對(duì)商品住宅價(jià)格

4、的影響。</p><p>　　第二問(wèn)據(jù)擬合優(yōu)度和外推檢驗(yàn)的結(jié)果發(fā)現(xiàn)一元一次多項(xiàng)式模型效果最好，并采用加權(quán)最小二乘法分別估計(jì)xx市商品住宅價(jià)格和大宗商品價(jià)格指數(shù)的線性趨勢(shì)，并與普通最小二乘法估計(jì)的線性模型進(jìn)行比較，預(yù)測(cè)出xx市在2013年二三四季度的房?jī)r(jià)分別為6738.225元，6817.509元，6896.793元。由此多元回歸模型可以預(yù)測(cè)2013年下半年的大宗商品價(jià)格指數(shù)為142.63元。</p>

5、<p>　　第三問(wèn)根據(jù)湖北省統(tǒng)計(jì)局提供的資料，選取xx市2002-2012歷年生產(chǎn)總值(GDP)、主城區(qū)商品房房?jī)r(jià)和居民人均可支配收入作為指標(biāo)并建立商品住宅價(jià)格，GDP，可支配收入水平3者關(guān)系的多元回歸模型。并利用Eviews軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,將所有的變量引入回歸模型，對(duì)回歸模型進(jìn)行統(tǒng)計(jì)分析，相關(guān)性分析，顯著性分析和回歸分析，然后對(duì)商品住宅價(jià)格與GDP的因果關(guān)系進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)。 </p><

6、p>　　關(guān)鍵詞：主成分分析 加權(quán)最小二乘法 多元回歸 格蘭杰因果關(guān)系檢驗(yàn)</p><p><b>　　一、問(wèn)題重述</b></p><p>　　1.1 問(wèn)題的背景</p><p>　　從2002年8月26日六部委頒發(fā)217號(hào)文件起，我國(guó)房地產(chǎn)調(diào)控歷史走過(guò)了十余年。細(xì)心盤(pán)點(diǎn)房地產(chǎn)調(diào)控的十年，大致可以劃分為四個(gè)階段：</p>

7、;<p>　　第一階段，調(diào)控起步期(2002年至2004年)：主要以收緊土地供給和房地產(chǎn)信貸為主要手段，以抑制房地產(chǎn)市場(chǎng)投資過(guò)熱為目的。 </p><p>　　第二階段，調(diào)控加碼期(2005年至2008年上半年)：加碼的手段以結(jié)構(gòu)性調(diào)整為主，在抑制房地產(chǎn)投資過(guò)熱的同時(shí)，提出穩(wěn)房?jī)r(jià)的新目標(biāo)。國(guó)八條、新國(guó)八條、國(guó)六條相繼出臺(tái)，重點(diǎn)打擊囤地行為、改善商品房和保障房供應(yīng)結(jié)構(gòu)、提高首付比例、推出稅收調(diào)控手段，

8、改善供給結(jié)構(gòu)的同時(shí)開(kāi)始調(diào)節(jié)商品房投資性需求。</p><p>　　第三階段，緊急救市期(2008年下半年至2009年上半年)：為應(yīng)對(duì)全球性金融危機(jī)對(duì)中國(guó)經(jīng)濟(jì)的沖擊，政府政策全面轉(zhuǎn)向，以樓市穩(wěn)定來(lái)支持經(jīng)濟(jì)穩(wěn)定，從中央到地方全面放松各項(xiàng)房地產(chǎn)調(diào)控措施，甚至出臺(tái)利率打折等購(gòu)房刺激政策。</p><p>　　第四階段，調(diào)控全面加碼期(2010年至今)：遏制房?jī)r(jià)過(guò)快上漲或促進(jìn)房?jī)r(jià)合理回歸成為突出調(diào)控

9、目標(biāo)。國(guó)十一條、新國(guó)十條、限購(gòu)令等號(hào)稱(chēng)史上最嚴(yán)厲調(diào)控措施相繼出爐，涵蓋土地供給、信貸、稅收、保障房等各方面的住房差別化調(diào)控體系逐漸形成。</p><p><b>　　問(wèn)題的現(xiàn)狀</b></p><p>　　近十年，從單一供給管理轉(zhuǎn)向供給與需求綜合管理，從防止房地產(chǎn)市場(chǎng)投資過(guò)熱轉(zhuǎn)向重點(diǎn)遏制房?jī)r(jià)過(guò)快上漲，我國(guó)房地產(chǎn)調(diào)控目標(biāo)逐漸清晰，政策體系逐漸建立。然而，雖然調(diào)控取得一定

10、成績(jī)，但調(diào)控多為定性的行政手段，量化調(diào)控方案很少。并且調(diào)控政策一般只是短暫實(shí)用某一特定時(shí)期。近期xx市出臺(tái)調(diào)控目標(biāo)：房?jī)r(jià)的增長(zhǎng)速度不高于GDP的增長(zhǎng)速度。</p><p><b>　　需要解決的問(wèn)題</b></p><p>　　1、收集整理xx市近十年各片區(qū)商品住宅價(jià)格變化數(shù)據(jù)、大宗商品價(jià)格變化數(shù)據(jù)、工資收入和GDP數(shù)據(jù)等。并挖掘它們之間的關(guān)系。</p>

11、<p>　　2、根據(jù)近十年已知數(shù)據(jù)建立數(shù)學(xué)模型并預(yù)測(cè)2013年6月至12月間商品住宅價(jià)格，大宗商品價(jià)格變化趨勢(shì)。</p><p>　　3、結(jié)合x(chóng)x市市民工資收入的具體情況，評(píng)價(jià)調(diào)控政策“商品住宅價(jià)格的增長(zhǎng)速度不高于GDP的增長(zhǎng)速度”在多長(zhǎng)時(shí)間內(nèi)有效。并嘗試建立數(shù)學(xué)模型模擬商品住宅價(jià)格、GDP增速、市民工資水平之間的關(guān)系。</p><p><b>　　二、符號(hào)說(shuō)明<

12、;/b></p><p><b>　　三、模型假設(shè)</b></p><p>　　1、假設(shè)xx統(tǒng)計(jì)年鑒所給數(shù)據(jù)真實(shí)可靠且與實(shí)際基本吻合；</p><p>　　2、假設(shè)表中各列數(shù)據(jù)是相互獨(dú)立的；</p><p>　　3、假設(shè)xx市商品住宅價(jià)格只受表格中所給因素影響，不受其他因素影響；</p><p&

13、gt;<b>　　四、問(wèn)題分析</b></p><p><b>　　4.1背景分析</b></p><p>　　住房是居民的基本生活需求，在全面建設(shè)小康社會(huì)階段，隨著經(jīng)濟(jì)社會(huì)的發(fā)展和人民生活水平的提高，城鎮(zhèn)住房的增量需求和改善需求日益旺盛，是房地產(chǎn)業(yè)持續(xù)發(fā)展的動(dòng)力。供不應(yīng)求是未來(lái)幾十年中國(guó)房地產(chǎn)市場(chǎng)的主導(dǎo)趨勢(shì)。房地產(chǎn)是指土地，建筑物及固著在土地、

14、建筑物上不可分離的部分及其附帶的各種權(quán)益。房地產(chǎn)調(diào)控的目的不僅是為了保持房地產(chǎn)市場(chǎng)的健康可持續(xù)發(fā)展，更重要的也是為了保持經(jīng)濟(jì)的可持續(xù)發(fā)展。近年來(lái)，我國(guó)房地產(chǎn)行業(yè)發(fā)展迅速，不僅為整個(gè)國(guó)民經(jīng)濟(jì)的發(fā)展做出了貢獻(xiàn)，而且為改善我國(guó)百姓居住條件發(fā)揮了決定性作用。但同時(shí)房地產(chǎn)業(yè)也面臨較為嚴(yán)峻的問(wèn)題和挑戰(zhàn)，引起諸多爭(zhēng)議，為保持經(jīng)濟(jì)健康穩(wěn)定的發(fā)展，中央政府綜合運(yùn)用經(jīng)濟(jì)、法律和必要的行政手段，以區(qū)別對(duì)待和循序漸進(jìn)的方式，對(duì)房地產(chǎn)業(yè)連續(xù)出臺(tái)了一系列宏觀調(diào)控政

15、策。但房地產(chǎn)市場(chǎng)仍然存在住房供給結(jié)構(gòu)不合理、部分城市房?jī)r(jià)上漲太快、中低收入居民住房難以滿足等問(wèn)題。因此，為房地產(chǎn)行業(yè)建立數(shù)學(xué)模型，并利用這些模型進(jìn)行分析，量化研究該行業(yè)當(dāng)前的態(tài)勢(shì)、未來(lái)的趨勢(shì)，模擬房地產(chǎn)行業(yè)經(jīng)濟(jì)調(diào)控策略勢(shì)在必行。</p><p><b>　　4.2問(wèn)題一的分析</b></p><p>　　對(duì)于第一問(wèn)，先給出xx市近十年各片區(qū)商品住宅價(jià)格變化數(shù)據(jù)、大宗商

16、品價(jià)格變化數(shù)據(jù)、工資收入和GDP數(shù)據(jù)等。問(wèn)題一需要建立商品房?jī)r(jià)格模型需要建立住房需求模型。本文依托xx統(tǒng)計(jì)年鑒提供的xx市 2002 年至 2011年房地產(chǎn)市場(chǎng)的一系列原始數(shù)據(jù)，應(yīng)建立模型的需要，將數(shù)據(jù)進(jìn)行了一定的技術(shù)處理，統(tǒng)一口徑，數(shù)據(jù)覆蓋了8宏觀指標(biāo)。這8宏觀指標(biāo)分別為：①年份；②工資收入（可支配收入）；③GDP；④大宗商品價(jià)格；⑤全市人均儲(chǔ)蓄存款；⑥城鎮(zhèn)人口；⑦住宅用房地產(chǎn)竣工面積⑧城市家庭購(gòu)房與建房支出。首先進(jìn)行相關(guān)性分析，判斷

17、出以上 8 個(gè)指標(biāo)中有5個(gè)與商品住宅價(jià)格有較大的相關(guān)性，繼而用主成分分析法消除指標(biāo)間的共線性，取累計(jì)貢獻(xiàn)率為97.34%的第一和第二主成分進(jìn)行分析。</p><p>　　4.3 問(wèn)題二的分析</p><p>　　對(duì)于第二問(wèn)，據(jù)擬合優(yōu)度和外推檢驗(yàn)的結(jié)果發(fā)現(xiàn)一元一次多項(xiàng)式模型效果最好，并采用加權(quán)最小二乘法分別估計(jì)xx市商品住宅價(jià)格和大宗商品價(jià)格指數(shù)的線性趨勢(shì)，并與普通最小二乘法估計(jì)的線性模型進(jìn)

18、行比較，預(yù)測(cè)出xx市在2013年二三四季度的房?jī)r(jià)分別為6738.225元，6817.509元，6896.793元。</p><p>　　4.4 問(wèn)題三的分析</p><p>　　對(duì)于第三問(wèn)，根據(jù)湖北省統(tǒng)計(jì)局提供的資料，選取xx市2002-2012歷年生產(chǎn)總值(GDP)、主城區(qū)商品房房?jī)r(jià)和居民人均可支配收入作為指標(biāo)并建立商品住宅價(jià)格，GDP，可支配收入水平3者關(guān)系的多元回歸模型。并利用Evi

19、ews軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,將所有的變量引入回歸模型，對(duì)回歸模型進(jìn)行統(tǒng)計(jì)分析，相關(guān)性分析，顯著性分析和回歸分析，然后對(duì)商品住宅價(jià)格與GDP的因果關(guān)系進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)。</p><p>　　五、模型的建立及求解</p><p>　　5.1對(duì)第一問(wèn)的解答</p><p>　　5.1.1商品住宅價(jià)格模型的建立</p><p>　　該部分模型

20、的建立依托于國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)庫(kù)提供的一系列原始數(shù)據(jù)，應(yīng)模型建立的需要，將原始數(shù)據(jù)進(jìn)行了一定的技術(shù)處理，統(tǒng)一口徑，數(shù)據(jù)包括：①年份；②工資收入（可支配收入）；③GDP；④大宗商品價(jià)格；⑤全市人均儲(chǔ)蓄存款；⑥城鎮(zhèn)人口；⑦住宅用房地產(chǎn)竣工面積⑧城市家庭購(gòu)房與建房支出。根據(jù)xx統(tǒng)計(jì)年鑒，得出上述8個(gè)宏觀指標(biāo)中的4個(gè)指標(biāo)的歷年數(shù)據(jù)如表1 所示。（8個(gè)宏觀指標(biāo)見(jiàn)附錄）</p><p>　　表1 4個(gè)指標(biāo)的歷年數(shù)據(jù)</p

21、><p>　　房?jī)r(jià)與可支配收入的關(guān)系如表2所示。</p><p>　　圖1可支配收入與房?jī)r(jià)的關(guān)系</p><p>　　房?jī)r(jià)與GDP的關(guān)系如表3所示。</p><p>　　圖2 GDP與房?jī)r(jià)的關(guān)系</p><p>　　表2與表3中均顯示有個(gè)明顯拐點(diǎn)(18385.02，5715)和（4620.86,5715），通過(guò)觀察表2，表

22、3的拐點(diǎn)以及他們處于的時(shí)間點(diǎn)，可以推斷出2009年發(fā)生了重大社會(huì)經(jīng)濟(jì)的事件影響xx商品住宅價(jià)格。經(jīng)調(diào)查研究發(fā)現(xiàn)，2008年美國(guó)金融海嘯發(fā)生之后對(duì)中國(guó)的經(jīng)濟(jì)造成巨大的沖擊，國(guó)民經(jīng)濟(jì)整體下滑。為應(yīng)對(duì)全球性金融危機(jī)對(duì)中國(guó)經(jīng)濟(jì)的沖擊，政府政策全面轉(zhuǎn)向，以樓市穩(wěn)定來(lái)支持經(jīng)濟(jì)穩(wěn)定，從中央到地方全面放松各項(xiàng)房地產(chǎn)調(diào)控措施，甚至出臺(tái)利率打折等購(gòu)房刺激政策；多家銀行上調(diào)貸款利率或縮小利率浮動(dòng)或嚴(yán)格執(zhí)行二套房貸優(yōu)惠。正是因?yàn)橛羞@些政策的出臺(tái)使得2009的房

23、價(jià)出現(xiàn)明顯回落。</p><p>　　首先，進(jìn)行相關(guān)性分析公式的建立。相關(guān)系數(shù)是在線性相關(guān)條件下，用來(lái)測(cè)定兩個(gè)變量之間相關(guān)關(guān)系密切程度的統(tǒng)計(jì)指標(biāo)。它是由兩個(gè)變量(，)的協(xié)方差，變量的標(biāo)準(zhǔn)差和變量的標(biāo)準(zhǔn)差三個(gè)指標(biāo)結(jié)合生成的，其基本計(jì)算公式如下：</p><p>　　其中，表示相關(guān)系數(shù)，表示 X、Y 兩個(gè)變量的協(xié)方差，表示變量的標(biāo)準(zhǔn)差，表示變量的標(biāo)準(zhǔn)差。</p><p>

24、;<b>　　協(xié)方差的計(jì)算如下：</b></p><p>　　其中是變量 X 的算術(shù)平均數(shù)，是變量的算術(shù)平均數(shù)。</p><p>　　然后，進(jìn)行主成分分析模型的建立。通過(guò)主成分分析，將商品房房產(chǎn)的年總銷(xiāo)售面積與七個(gè)宏觀指標(biāo)重新組合成一組新的相互無(wú)關(guān)的綜合指標(biāo)來(lái)代替原來(lái)的指標(biāo)。</p><p><b>　　由此，定義主成分為</b

25、></p><p>　　其中，是主成分，是指標(biāo)列向量。上述方程要求：</p><p>　　且系數(shù)由下列原則決定：</p><p><b>　　(1)與不相關(guān)； </b></p><p>　　(2)是的一切線性組合中方差最大的，是與不相關(guān)的一切線性組合中方差最大的，是與都不相關(guān)的一切線性組合中方差最小的。</p

26、><p>　　最后求出第個(gè)主成分的貢獻(xiàn)率，這個(gè)值越大，表明第主成分綜合</p><p>　　信息能力越強(qiáng)。前個(gè)主成分的累積貢獻(xiàn)率定義為。在這里，</p><p>　　主成分累積貢獻(xiàn)率90%作為主成分個(gè)數(shù)的的選擇依據(jù)。</p><p>　　5.1.2商品住宅價(jià)格模型的求解</p><p><b>　　首先進(jìn)行相關(guān)性

27、分析</b></p><p>　　表2 商品房?jī)r(jià)格與8個(gè)宏觀指標(biāo)的相關(guān)性分析</p><p>　　由表4可以看出商品房房?jī)r(jià)與城鎮(zhèn)人口和住宅用房地產(chǎn)竣工面積的相關(guān)系數(shù)的絕對(duì)值與1差距較大，說(shuō)明他們之間的相關(guān)性較弱，對(duì)此現(xiàn)象的經(jīng)濟(jì)意義解釋為：房子屬于中國(guó)居民的剛性需求，這種需求不會(huì)因?yàn)樽≌瑑r(jià)格的升高而改變。所以這2個(gè)因素將不會(huì)被用作主成分分析。而因?yàn)榇笞谏唐穬r(jià)格和商品房房?jī)r(jià)的特殊經(jīng)

28、濟(jì)意義上的關(guān)系，即大宗商品的價(jià)格上漲會(huì)引起通貨膨脹，而通貨膨脹又會(huì)引起商品房?jī)r(jià)格的上漲，所以雖然他們之間的相關(guān)系數(shù)絕對(duì)值很低，也依然保留大宗商品價(jià)格因素做主成分分析。</p><p>　　然后進(jìn)行單因素回歸分析。</p><p>　　第一，就可支配收入對(duì)房?jī)r(jià)進(jìn)行回歸，由圖1可知可支配收入和房?jī)r(jià)之間存在很強(qiáng)的一元線性回歸關(guān)系，所以設(shè)他們之間的回歸方程為：</p><p&g

29、t;　　此回歸方程的求解用SAS軟件完成。</p><p>　　表3 模型的參數(shù)和檢驗(yàn)</p><p>　　前2列是用最小二乘法得到對(duì)常數(shù)項(xiàng)和自變量系數(shù)的估計(jì)。常數(shù)項(xiàng)估計(jì)值為-1068.83183，第二行是變量X2系數(shù)估計(jì)值為0.37995，t的檢驗(yàn)值的p值小于0.0001，因此回歸系數(shù)是顯著的。</p><p>　　后面2列是對(duì)回歸模型的方差分析表，從中可以得到

30、關(guān)于模型的F檢驗(yàn)的結(jié)果，此模型的F統(tǒng)計(jì)量（F value）的值為225.16，對(duì)應(yīng)的P值小于0.0001，因此回歸模型是顯著的。</p><p>　　根據(jù)前面參數(shù)估計(jì)的結(jié)果，可以得出回歸方程為：</p><p>　　Y=0.37995*X2-1068.83183</p><p>　　圖3 可支配收入對(duì)于商品住宅價(jià)格的一元線性回歸方程圖像</p><

31、;p>　　第二，進(jìn)行GDP對(duì)房?jī)r(jià)的回歸，由圖2可知GDP和房?jī)r(jià)之間存在很強(qiáng)的一元線性回歸關(guān)系，所以設(shè)他們之間的回歸方程為：</p><p>　　此回歸方程的求解用SAS軟件完成。</p><p>　　表4 模型的參數(shù)和檢驗(yàn)</p><p>　　前2列是用最小二乘法得到對(duì)常數(shù)項(xiàng)和自變量系數(shù)的估計(jì)。常數(shù)項(xiàng)的估計(jì)值為1147.55549，第二行是對(duì)變量x3系數(shù)的估計(jì)

32、值為12.95383，t的檢驗(yàn)值的p值小于0.0001，因此回歸系數(shù)是顯著的。</p><p>　　后2列是對(duì)回歸模型的方差分析表，從中可以得到關(guān)于模型的F檢驗(yàn)的結(jié)果，此模型的F統(tǒng)計(jì)量（F value）的值為103.69，對(duì)應(yīng)的P值小于0.0001，因此回歸模型是顯著的。</p><p>　　根據(jù)前面參數(shù)估計(jì)的結(jié)果，可以得出回歸方程為：</p><p>　　Y =1

33、2.95383*x3+1147.55549</p><p>　　圖4 GDP對(duì)于商品住宅價(jià)格的一元線性回歸方程圖像</p><p>　　通過(guò)分析表5,表6中F值和t值的參數(shù)，可知以上2個(gè)回歸模型均通過(guò)F檢驗(yàn)和t檢驗(yàn)。說(shuō)明可支配收入和GDP對(duì)于商品房?jī)r(jià)格有顯著線形關(guān)系。</p><p>　　用同樣的方法可以求得可支配收入對(duì)大宗商品價(jià)格指數(shù)的回歸：=-0.00003*

34、+ 106.52682</p><p>　　以及GDP對(duì)大宗商品價(jià)格指數(shù)的回歸：</p><p>　　=-0.00143*+106.41267</p><p>　　以上2個(gè)回歸模型均未通過(guò)F檢驗(yàn)和t檢驗(yàn)，說(shuō)明可支配收入和GDP對(duì)于大宗商品沒(méi)有顯著線形關(guān)系。</p><p>　　5.1.3,主成分分析</p><p>　

35、　根據(jù)相關(guān)性結(jié)果，利用SAS軟件進(jìn)行主成分分析，結(jié)果如表所示：</p><p>　　表5 相關(guān)系數(shù)矩陣的特征值</p><p>　　由表7可以看出第一和第二特征值得累計(jì)貢獻(xiàn)率已經(jīng)達(dá)到97.34%，說(shuō)明第一和第二主成分基本包含了全部指標(biāo)具有的信息，所以僅取第一和第二主成分，并計(jì)算出相應(yīng)的特征向量。</p><p>　　表6 由相關(guān)系數(shù)矩陣計(jì)算的特征向量</p&g

36、t;<p>　　根據(jù)特征向量，可以寫(xiě)出標(biāo)準(zhǔn)化后的變量所表達(dá)的第一主成分相應(yīng)的回歸模型為：</p><p>　　Y=0.4505*+0.4525*+0.4537*+0.0501*+0.4459*+0.4301*</p><p>　　第二主成分相應(yīng)的回歸模型為：</p><p>　　Y=-0.0219*+0.0321*-0.0338*+0.9958*-0.

37、0751*-0.0132*</p><p>　　由于第一主成分在除 (大宗商品價(jià)格)外每個(gè)變量上的系數(shù)大小都差不多，因此可以認(rèn)為第一主成分反映了除大宗商品以外余下因素對(duì)商品房房?jī)r(jià)造成的影響。第二主成分在 (大宗商品價(jià)格)上的系數(shù)有較大的正值，而在其他變量上的系數(shù)都非常小，因此可以認(rèn)為第二主成分反映了大宗商品價(jià)格變動(dòng)對(duì)商品房房?jī)r(jià)造成的影響。</p><p>　　5.1.4 模型的檢驗(yàn)結(jié)論分析

38、</p><p>　　通過(guò)分別評(píng)價(jià)上述5個(gè)模型的擬合優(yōu)度，F(xiàn)檢驗(yàn)值和t檢驗(yàn)值，可以得出以下結(jié)論：</p><p>　　對(duì)于單因素分析回歸，可支配收入和GDP對(duì)房?jī)r(jià)的回歸中F檢驗(yàn)值和t檢驗(yàn)值的p值均小于0.0001，說(shuō)明回歸方程通過(guò)F檢驗(yàn)和t檢驗(yàn)，因此回歸模型是顯著的，可支配收入和GDP對(duì)房?jī)r(jià)有顯著的線性關(guān)系。而可支配收入和GDP對(duì)大宗商品價(jià)格指數(shù)的回歸模型未通過(guò)F檢驗(yàn)和t檢驗(yàn)，說(shuō)明可支配收

39、入和GDP對(duì)于大宗商品沒(méi)有顯著線形關(guān)系。</p><p>　　5.2 對(duì)第二問(wèn)的解答</p><p>　　5.2.1多項(xiàng)式模型和加權(quán)最小二乘法的建立</p><p>　　首先據(jù)擬合優(yōu)度和外推檢驗(yàn)的結(jié)果建立最合適的多項(xiàng)式模型，并采用加權(quán)最小二乘法分別估計(jì)xx市商品房房?jī)r(jià)和大宗商品價(jià)格指數(shù)的線性趨勢(shì)，并與普通最小二乘法估計(jì)的線性模型進(jìn)行比較，列出OLS方法預(yù)測(cè)值和W=0

40、.6,W=0.7時(shí)的2008年到2013年預(yù)測(cè)值以及相對(duì)誤差。</p><p>　　5.2.2 多項(xiàng)式模型和加權(quán)最小二乘法的求解</p><p>　　首先建立商品房?jī)r(jià)格的多項(xiàng)式模型</p><p>　　圖5 商品住宅價(jià)格的變化趨勢(shì)</p><p>　　用Eviews軟件可以得到商品房房?jī)r(jià)的一元一次，一元二次和一元三次多項(xiàng)式模型，通過(guò)擬合優(yōu)度

41、和外推檢驗(yàn)的結(jié)果發(fā)現(xiàn)一元一次多項(xiàng)式模型效果最好。</p><p><b>　　得出多項(xiàng)式方程為：</b></p><p>　　price= 5152.544632 + 79.28401299*(t-2)</p><p>　　圖6 對(duì)商品房?jī)r(jià)格的變化趨勢(shì)的擬合以及預(yù)測(cè)</p><p>　　用加權(quán)最小二乘法對(duì)商品房?jī)r(jià)格進(jìn)行

42、預(yù)測(cè)，可以預(yù)測(cè)2013年商品房?jī)r(jià)格指數(shù)</p><p>　　表7 2013年第2,3,4季度商品房房?jī)r(jià)的預(yù)測(cè)值</p><p>　　然后建立大宗商品價(jià)格指數(shù)的多項(xiàng)式模型</p><p>　　圖7 大宗商品價(jià)格指數(shù)變化趨勢(shì)</p><p>　　用Eviews軟件可以得到商品房房?jī)r(jià)的一元一次，一元二次和一元三次多項(xiàng)式模型，通過(guò)擬合優(yōu)度和外推檢驗(yàn)的

43、結(jié)果發(fā)現(xiàn)一元三次多項(xiàng)式模型效果最好。</p><p><b>　　得出多項(xiàng)式方程為：</b></p><p>　　CC=98.62370629+11.90096154*T- 3.260005828*(T^2) + 0.2310722611*(T^3)</p><p>　　可以得出2013年下半年的大宗商品價(jià)格指數(shù)為142.63元。</p&

44、gt;<p>　　圖8 對(duì)大宗商品價(jià)格指數(shù)變化趨勢(shì)的擬合以及預(yù)測(cè)</p><p>　　5.2.3模型的檢驗(yàn)結(jié)論分析</p><p>　　通過(guò)對(duì)商品房?jī)r(jià)格的多項(xiàng)式模型和大宗商品價(jià)格指數(shù)的多項(xiàng)式模型的擬合優(yōu)度，F(xiàn)檢驗(yàn)值和t檢驗(yàn)值的評(píng)估(詳見(jiàn)附錄五和附錄六)，可以做出以下判斷：2個(gè)多項(xiàng)式模型的參數(shù)通過(guò)了檢驗(yàn)。</p><p>　　5.3對(duì)第三問(wèn)的解答<

45、;/p><p>　　5.3.1指標(biāo)的選取</p><p>　　根據(jù)湖北省統(tǒng)計(jì)局提供的資料，選取xx市2002-2012歷年生產(chǎn)總值(GDP),主城區(qū)商品房房?jī)r(jià)和居民人均可支配收入作為指標(biāo)。</p><p><b>　　表8 有關(guān)指標(biāo)</b></p><p>　　5.3.2建立商品住宅價(jià)格，GDP，可支配收入水平3者關(guān)系模型&

46、lt;/p><p>　　首先對(duì)商品住宅價(jià)格與GDP的因果關(guān)系進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)，然后建立商品住宅價(jià)格，GDP，可支配收入水平3者關(guān)系的多元回歸模型。</p><p>　　5.3.3模型的求解</p><p>　　首先對(duì)商品住宅價(jià)格與GDP的因果關(guān)系進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)</p><p>　　表9 格蘭杰因果檢驗(yàn)</p><

47、p>　　由相伴概率知，比較2者F值的概率，拒絕“商品住宅價(jià)格不是GDP的格蘭杰原因”，而不拒絕“GDP不是商品住宅價(jià)格的格蘭杰原因”。</p><p>　　因此，從2階滯后的情況看，商品住宅價(jià)格的增長(zhǎng)是GDP增長(zhǎng)的原因。</p><p>　　然后對(duì)商品住宅價(jià)格，GDP，可支配收入水平3者關(guān)系模型求解。用Eviews軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,將所有的變量引入回歸模型，對(duì)回歸模型進(jìn)行統(tǒng)計(jì)分

48、析，相關(guān)性分析，顯著性分析和回歸分析。分析結(jié)果如下表11所示</p><p><b>　　表10統(tǒng)計(jì)量描述</b></p><p>　　回歸方程的復(fù)相關(guān)系數(shù)R^2=0.993577，說(shuō)明得出的回歸方程緊密度較高，各自變量選取得較恰當(dāng)，變量系數(shù)配合得較好。</p><p><b>　　回歸方程為：</b></p>

49、<p>　　Y=1.5038*X3+0.8548*X2-2865.172</p><p>　　六、模型的總結(jié)與評(píng)價(jià)</p><p>　　本文在正確理解題意的基礎(chǔ)上，詳細(xì)分析和合理建立了多個(gè)模型，模型建立的原始數(shù)據(jù)均來(lái)自與湖北統(tǒng)計(jì)局網(wǎng)站，準(zhǔn)確率高，有很好的權(quán)威性，對(duì)xx市各地區(qū)商品房?jī)r(jià)格進(jìn)行的宏觀的分析并深度分析了房?jī)r(jià)與其他8個(gè)相關(guān)指標(biāo)的相關(guān)關(guān)系，此過(guò)程采用成熟的統(tǒng)計(jì)軟件SAS

50、編程求解，可行度高。模型具有良好的可推廣性。綜合考量不同的解釋變量與房?jī)r(jià)不同程度的相關(guān)性，對(duì)不同的指標(biāo)采用了不同的回歸模型，如主變量分析回歸模型和多項(xiàng)式回歸模型等，模型樣式富于變化使之能夠合理解釋和模擬復(fù)雜的實(shí)際市場(chǎng)經(jīng)濟(jì)現(xiàn)象。本體所有模型的建立是按照問(wèn)題的解決思路進(jìn)行的，首先通過(guò)散點(diǎn)圖發(fā)現(xiàn)了現(xiàn)有規(guī)律，然后對(duì)現(xiàn)有的規(guī)律進(jìn)行評(píng)價(jià)，根據(jù)評(píng)價(jià)標(biāo)準(zhǔn)依次建立新模型，層次漸進(jìn)易于理解。</p><p>　　本文的缺點(diǎn)在于，由于

51、很難采集到月度數(shù)據(jù)，模型的原始數(shù)據(jù)都是季度或者年度數(shù)據(jù)，數(shù)據(jù)的時(shí)間跨度較大可能對(duì)模型的求解產(chǎn)生一定的誤差。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1]李子奈 潘文卿等，計(jì)量經(jīng)濟(jì)學(xué)，北京：高等教育出版社，2005。</p><p>　　[2]姜啟源 謝金星 葉俊，數(shù)學(xué)模型（第四版），北京：高等教育出版社，2011。&

52、lt;/p><p>　　[3]韓中庚，數(shù)學(xué)建模方法及其應(yīng)用（第二版），鄭州：高等教育出版社，2009。</p><p>　　[4]潘建橋，xx統(tǒng)計(jì)年鑒，xx：中國(guó)統(tǒng)計(jì)出版社，2012。</p><p><b>　　附錄</b></p><p>　　附表一 8個(gè)宏觀指標(biāo)的數(shù)據(jù)</p><p>　　附表二

53、2002年-2010年xx市分區(qū)生產(chǎn)總值</p><p>　　附表三 2003年-2010年xx市分區(qū)人均可支配收入</p><p>　　附表四 表3模型的參數(shù)和檢驗(yàn)的原始結(jié)果</p><p>　　附表五 表4模型的參數(shù)和檢驗(yàn)的原始結(jié)果</p><p>　　附表六 5.2.2商品房?jī)r(jià)格的多項(xiàng)式模型的參數(shù)和檢驗(yàn)的原始結(jié)果</p>