下载文档原格式
北京房地产业与经济增长的实证分析下文为大家整理带来的北京房地产业与经济增长的实证分析，希望内容对您有帮助，感谢您得阅读。
一、北京房地产业的现状1、房地产业迅猛发展商品房市场需求旺盛。
全年销售商品房2803.2万m2，增长13.4%，商品房销售额1758.8亿元，增长40.8%，商品房空置面积1374.2万m2，增长31.6%。
商品房平均销售价格6274元/m2，增长为24.2%，住宅平均销售价格5853元/m2，增长23.3%。
2、投资结构调整，住宅投资比重降低二、北京市房地产的实证分析1、住宅空置变化分析2、北京市房地产业与经济增长实证分析SALE=-14270.14+171.68CITY+87.45SQU（-7.74）（5.98）（2.87）F=118.77R-squared=0.971(2)商品房屋销售额增量与城市化水平、GDP增长率之间的关系。
在此，把商品房销售额增量和GDP增长率分别用LN[SALE]和LN[GDP]来表示，从而把模型设定为：LN[SALE]=p+mLN[GDP]+nCITY利用表1中的有关数据，通过SPSS软件回归分析得到以下模型：（2.199）（0.046）（0.217）（-4.300）（-0.486）（9.812）F=204.55R-squared=0.983三、结论及建议综上所述，本文通过建立两个多元线性模型，分析得到GDP 增长与城市化水平的提高都会导致商品房销售额的不断增长；然而居住消费价格指数变化会导致住宅空置增加，因此在此可以假设开发商投资建房分成两部分，一部分投资用来建销售房，另一部分用来建空置房。
但是如果空置房所占投资的比例扩大，那么就会影响资金回笼，使房地产开发企业利益受损，将影响整个房产行业，进而就会影响整个国民经济的健康增长。
此外住宅空置面积增大还将影响城市就业问题。
众所周知，相对于资本密集型和技术密集型产业，在投资相同的情况下，劳动密集型产业能实现更多的就业。
我国房价影响因素的研究和预测作者：吴冠虹陈骏兰朱家明来源：《成都工业学院学报》2018年第04期摘要：利用散点图观察北京市房价与M2、GDP、CPI之间关系，进行单位根检验，对稳定性后的数据进行Granger检验，认为房价与GDP变动相关性更大。
绘制脉冲响应图，认为M2和GDP都会使房价上升。
对北京近24个月房价进行差分处理，得到白噪声。
选择MA （1）模型，修改时间范围进行预测，得到未来两个月北京市平均房价。
关键词：北京市;房价;VAR模型;ARIMA模型中图分类号：F293.3文献标志码：A文章编号：2095-5383（2018）04-0089-05住房，既具有商品经济属性，也具备民生和社会属性，是近年来备受关注的重点话题之一。
2017年北京市新房成交价由年初的4.2万元/m2上涨到年底5.9萬元/m2，涨幅高达40.5%。
同年2月，在中央财经领导小组的十五次会议中，习总书记提出“房子是用来住的，不是用来炒的”[1]，认为要引导房地产市场稳定，实现动态平衡。
1总论1.1数据来源和模型假设本文国内生产总值和中国居民消费价格指数数据来源于国家统计局，广义货币供应量来源于中国金融年鉴，新房成交均价来自于市场成交信息，所有数据真实有效。
建立模型时，为确保模型的合理性，提出以下假设：1）假设各宏观经济因素之间相互独立，互不影响。
2）房屋价格仅考虑普通住宅商品房的平均价格，不考虑办公用商品房以及高档小区别墅。
3）未来房价的变动不存在突发情况以及国家政策的影响。
4）房价预测中的价格仅指新房的成交价格，二手房参考均价不考虑在内。
1.2文献综述房价上涨背后是各种因素综合作用的结果，不仅包含人口老龄化[2]、人口结构[3]、高校扩张[4]、地铁开通[5]等微观因素，也包括政策调控[6]、宏观经济变量[7]等宏观因素。
对房价的预测的方法有许多，侯普光等[8]用ARIMA模型对山西省的房价进行预测。
曹阳[9]利用动态模型预测大中城市的房价，考虑时间和变量对房价的双重影响。
作者： 冯波[1];郭巍[2];陈昕[3]
作者机构： [1]国家发展和改革委员会城市和小城镇改革发展中心智慧低碳城市处 [2]国家发展和改革委员会城市和小城镇改革发展中心学术委员会合作部 [3]北京师范大学水科学研究院
出版物刊名： 中国物价
页码： 53-55页
年卷期： 2016年 第11期
主题词： 北京市 住宅用地 特征价格模型 实证
摘要：本文基于特征价格模型，利用北京市2007年至2014年公开出让的441宗住宅用地数据，对北京市住宅用地价格的影响因素进行了定量研究。
结果显示，地块距最近环线、地铁站、医院、公园等邻里因素，地块环线位置、地处东、南、西、北不同扇区等区位因素，地块的容积率、出让方式等政策因素，何时出让等时间因素均会在不同程度上影响住宅用地的价格。
根据上述结论本文提出了相应的政策建议。
基于VAR模型对房地产价格影响因素的实证研究摘要：本文旨在利用向量自回归（VAR）模型对房地产价格的影响因素进行实证研究。
通过对相关数据的分析，建立了包括居民收入、货币供应量、利率、人口增长率等变量的VAR模型，通过模型估计和脉冲响应函数分析，得出了各变量对房地产价格的影响程度和方向。
研究结果表明，居民收入、货币供应量以及利率对房地产价格存在着显著影响，人口增长率对房地产价格的影响较小。
在房地产政策制定中应充分考虑这些因素的影响，以实现房地产市场的稳定和健康发展。
一、引言随着中国经济的快速发展，房地产市场作为国民经济的重要组成部分，扮演着至关重要的角色。
房地产市场的价格波动不仅直接关系到国民经济的稳定和发展，也影响着居民的生活和社会的和谐稳定。
研究房地产价格的影响因素，对于科学制定房地产政策、促进房地产市场的健康发展具有重要意义。
传统的房地产价格预测模型多采用单变量时间序列模型或因子模型，这些模型在解释变量的选择和模型结构上存在一定局限性。
而向量自回归（VAR）模型则能够同时考虑多个变量之间的相互影响，更加符合实际情况。
本文选择采用VAR模型进行房地产价格影响因素的实证研究。
二、相关理论与模型2.1 VAR模型VAR模型是多变量时间序列模型的一种，它用于描述多个变量之间相互影响的动态关系。
VAR模型的一般形式可以表示为：Y_t = c + A_1*Y_(t-1) + A_2*Y_(t-2) + ... + A_p*Y_(t-p) + ε_tY_t 是一个 k 维的时间序列向量，c 是一个 k 维截距向量，A_i 是k×k 维的系数矩阵，ε_t 是一个 k 维的白噪声向量，p 是滞后阶数。
2.2 脉冲响应函数脉冲响应函数用于描述一个变量对另一个变量的冲击效应，即当一个变量发生一单位冲击时，对另一个变量的影响过程。
通过分析脉冲响应函数，可以得出各变量对目标变量的影响程度和方向。
三、数据与模型建立本文选取了2000年至2020年的中国房地产价格、居民收入、货币供应量（M2）、利率和人口增长率等相关数据，利用VAR模型对房地产价格的影响因素进行实证研究。
北京市房价影响因素分析作者：吴兰德来源：《合作经济与科技》2016年第07期[提要] 本文对京津冀一体化下北京房价的中长期因素进行分析，笔者认为北京市房价未来依旧保持一个较高的价格水平，且有中长期的高房价支撑动力。
在城镇化快速推进的中国，城镇化水平提升后的结果是对房价保持高水平具有滞后性，且短期内的楼市下行压力及风险因素并不能长期影响房价在未来回归常态化的趋势。
关键词：京津冀一体化；城镇化；房价中图分类号：F293.3 文献标识码：A收录日期：2016年1月26日一、引言北京市的房价之高已不是一年两年的短期现象，相比较于中国70个大中型城市的房价走势，北京的房价一直居高不下。
自2014年以来，各大城市相继取消限购，迎来了楼市小幅宽松的刺激信号，并且部分城市房源库存积压严重以及地产泡沫的破裂，已出现房价快速下滑甚至“鬼城”现象。
而北京市的房价走势却有所不同，在城镇化水平已达到86%的情况下，日益攀升的房价丝毫没有进入房地产市场的显著下行通道，加之社会融资及信贷的大量资金流入，北京市高水平的房价为何持续坚挺，值得进一步探讨。
本文对北京市房价的影响因素进行分析，引入分布滞后模型，验证城镇化对房地产市场是否有滞后影响，从而说明城镇化的推进是否将在长时间内对房地产市场产生重要的作用。
二、文献综述国内学者对于房地产价格市场走向的研究大多基于价格及土地供给、住宅供给、银行信贷、货币政策及经济指标考核之间的相关性研究。
房地产市场的起步与发展起源于1998年取消福利分房制度之后的市场化，郑云峰（2013）对2004年以来我国出台的房地产调控政策进行了时间轴上的梳理，总结出2004年至2007年我国主要采取金融税收、行政规划、土地政策等经济、行政的手段对房地产市场进行调控，且行政手段在2008年以后频率增加且手段更为严厉，在调控期间主要调控对象为开发商和购买者。
向为民等（2007）认为我国城市化和房地产投资两方面均处于上升的阶段，且房地产投资的速度快于城市化的发展速度，二者之间存在双向格兰杰因果关系。
北京房地产市场价格影响因素分析赵啟麟 刘鑫颖 首都经济贸易大学经济学院摘 要：房地产市场改革以来，房价问题日益成为人们关注的焦点，本文通过实证分析的方法，通过主成分分析、回归分析等方法，对影响房地产价格的因素进行了筛选和定性的分析。
从内容来看，本文首先对选题的背景、研究意义进行陈述，并简要的阐述前人对于此问题的研究成果。
然后，通过主成分分析法和多元回归法定量的分析各个影响因素对房地产市场价格的影响，以期在最大程度上符合统计意义的检验同时突显其经济意义。
并对模型可能出现的问题进行检测和修改。
最后，对模型所得结果进行分析和探究，并对文章进行总结和分析。
关键词：房地产价格 主成分分析法 实证分析一、引言近些年来，伴随着中国大陆发地产市场的持续走强，房地产价格的升高逐渐成为了影响民生的重点问题，由于房价的变动涉及到众多的利益群体，房地产价格的变动会影响到普通民众的基本生活需求，影响到中国财政政策与经济政策的走势，影响到各个地方政府的财政收入，又由于房地产业大量的银行存贷款，使得房价甚至影响到了我国的银行业乃至整个中国金融系统的稳定运营，正是由于这些原因，使得房地产价格受到了社会各个群体的关注。
人们试图通过不同的方式来探究中国房地产行业的影响因素，尝试着通过数学的手段预测未来一段时间房地产价格的走向。
而本文也正是从影响房地产价格的因素出发，试图利用统计学的方法探究影响房价的主要因素，并且定量的确定这些因素对房地产价格有着怎样的影响以及其影响程度。
二、文献综述人类最早对于房地产价格的理论基本集中在对地租理论的研究，早在17世纪末期William Petty便提出了级差地租理论，在他之后，Adam Smith等人分别就地租理论进行了研究，使得西方经济学在对房地产价格的研究上形成了一套较为成熟的系统，下面是研究的主要方面：1.居民收入因素的分析：亚伯拉罕在他们的文章中提出了一套预测房地产未来价格的模型，其中表示房地产的价格与居民的人均收入、房屋的建造成本以及就业率呈现一种正相关，对利率则呈现负相关的关系。
基于特征价格模型的北京市住宅价格分析摘要：本文注重规范分析与实证分析的相互结合。
系统地选择了一组特征价格变量，构建了北京市住宅特征价格模型，定量研究了影响北京市住宅价格的特征因素，揭示了不同特征因素对北京市住宅价格的影响，突破了我国研究房地产的传统方法，定量研究弥补了针对我国住宅市场缺少实证性研究的缺陷。
本文的结果表明，北京市住宅的开发商和物业管理方的商誉和服务水平以及房屋的地理位置对房价有着显著的影响，同时，房屋自身装修程度，周边配套设施等也是决定房价高低的重要因素。
关键词：住宅价格；价格模型特征价格模型理论发展传统模型总体而言，国内关于住宅价格的理论研究大部分从住宅市场供需关系、住宅价格构成、住宅定价策略等角度出发进行定性研究，理论依据主要是成本理论、供求理论和区位理论。
成本理论主要是研究住宅价格构成的合理性，从而分析价格是否有下降的空间。
成本理论虽然能够较为直接地为政府部门提供政策建议，但是无法揭示住宅市场中消费者的心理偏好和行为特征。
同时，进入市场经济体制后，用成本理论来解释住宅价格的影响因素也显得力不从心，因为目前的住宅价格远远高于其成本价格，说明供求关系起着重要的作用。
从供求理论出发，弥补了上述缺点，但是国内学者大多偏重于宏观住宅市场分析，诸如从供给与需求双方研究房地产市场是否投资过热、是否存在泡沫等等，而以住宅价格为研究对象的实证研究非常少。
相比而言，国内学者多以区位理论为基础，研究城市住宅价格的分布规律，然后分析影响住宅价格的因素。
以此为理论基础的研究对住宅价格的空间分布模式进行了较为详细的研究，并采取了等值线图、空间分布线图等表达手段，但是对住宅价格的影响因素和价格空间差异形成的原因则考虑的较少或者仅作了一些定性分析，没有采用系统的定量化的数学模型来进行分析，因而无法揭示影响住宅价格的深层次原因。
学者在运用上述传统的定价理论来研究住宅价格时，由于住宅这种特殊商品存在着异质性的问题，从而使得这些传统方法在分析住宅市场时遇到了极大的挑战。
基于VAR模型对房地产价格影响因素的实证研究
随着中国经济的快速发展，房地产市场已成为中国经济的重要组成部分。
了解房地产
价格的影响因素对于制定相关政策和做出投资决策至关重要。
本文将基于VAR模型对房地
产价格影响因素进行实证研究。
VAR模型，即向量自回归模型（Vector Autoregression Model），是一种将多个变量的时间序列数据间的关系建模的方法。
该模型假设每个变量的变动是由自身的滞后值以及
其他变量的滞后值所决定的。
在本研究中，我们将选择影响房地产价格的几个常见因素进行分析，包括房地产开发
投资、货币供应量、居民收入和信贷利率。
我们将收集相关数据。
房地产开发投资数据可以从国家统计局获取，货币供应量和信
贷利率可以从中国人民银行获取，居民收入可以从国家财政部和国家统计局获取。
然后，我们将对VAR模型进行估计和评估。
估计VAR模型的参数可以使用最大似然估
计法或贝叶斯方法进行。
评估模型的拟合优度可以使用残差分析和模型的信息准则进行。
我们将利用VAR模型进行预测和政策决策分析。
利用已估计的VAR模型，我们可以对
未来几个期间的房地产价格进行预测。
我们还可以通过对VAR模型进行冲击响应分析来评
估各个变量对房地产价格的影响程度，并制定相应的政策措施。
本文将基于VAR模型对房地产价格的影响因素进行实证研究。
通过对相关数据的收集、VAR模型的构建和估计、以及预测和政策分析，我们可以了解各个因素对房地产价格的影响，并为相关政策和投资决策提供参考。
装订线摘要房价问题事关国计民生，已经成为全民关注的焦点议题之一。
本文主要对房价的合理性进行分析，估测了房价未来走势。
同时进一步探讨使得房价合理的具体措施，根据分析结果，定量分析可能对经济发展产生的影响。
对于房价合理性的分析，选取北京，咸阳，大庆三类城市数据，以居民承受能力满意度和房地产商收益满意度作为目标函数，建立了多目标规划模型分析合理性。
此外，考虑到目前中国的房地产市场存在一定的泡沫成分，为使模型更贴近实际，利用CPI指数修正模型，分析出实际房价不合理，存在严重的泡沫成分。
针对房价的未来走势，采用灰色预测模型对未来房价进行预测。
绘制房价未来走势曲线，得到在国家政策及社会环境相对稳定的条件下，房价仍然会继续上涨的结论。
并根据所得结果，提出了调整房价的三点措施。
利用房价的财富效应以及房产投资与GDP之间协整关系分析了房价对国民经济的影响。
由分析得知：房价的不合理上涨会使房地产财富虚增，产生房地产泡沫，影响国民经济的正常发展。
考虑到所涉及的经济学变量均是非平稳的。
为了避免建立虚假回归模型，在对房价模型进行修正和分析房价对国民经济的影响时，我们利用EVIEWS软件，建立了基于单元根检验的协整性分析模型。
关键词：多目标规划灰色预测模型EVIEWS 单位根检验与协整分析一、问题重述1.1问题背景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。
1.2问题提出请根据中国国情，收集建筑成本、居民收入等与房价密切相关的数据分析以下问题：(1)选取我国具有代表性的几类城市对房价的合理性；(2)房价的未来走势等问题进行定量分析，(3)根据分析结果，进一步探讨使得房价合理的具体措施。
毕业论文 房价的影响因素分析及预测模型 ——基于北京市相关数据的实证研究 摘要 房地产既是我国国民经济的支柱产业，也是关系重大的民生问题。本文以北京市经济适用房销售价格、北京市生产总值等相关数据为例，分析房价的主要影响因素，建立房价与其影响因素的关系模型对北京市房价进行准确预测，并根据得出的预测结果对房地产发展提出合理性意见： 问题一，建立影响房价的指标体系，利用SPSS16.0软件将各指标数据进行折线图描述，将变化偶然性较大的货币供应量删除，建立主成分分析模型提取主成分，将各指标对各主成分的贡献率加权得到每个指标的总贡献率，比较得出影响北京市房价的六项主要指标依次为：居民家庭人均收入，房地产开发投资额,北京市生产总值，经济适用房销售价格，人均住宅建筑面积，新增保障性住房面积。 问题二，建立逐步回归模型，根据SPSS16.0软件的运行结果显示，被剔除的前六个变量与问题一得出的六项主要指标一致，证明结论正确。建立多元回归分析模型，由SPSS16.0软件实现得到北京市房价与其主要影响因素的关系模型为： 。
问题三，建立曲线估计模型，通过SPSS16.0软件拟合得到各指标变量随时间拟合的曲线方程（见表3·1），将预测房价与实际值进行比较，其平均误差仅为5.14%，说明预测效果良好。利用MATLAB7.0软件运行得到各指标及房价在2000至2015年的房价（见表3·6）稳中有升。 问题四，根据所得预测结果、北京房地产市场结构、政府相关政策，结合经济学知识，对北京市房地产发展提出合理建议。 最后，对所建模型进行了优缺点评价，在模型推广种介绍了这几个模型的广泛应用。
关键词：房价预测、影响因素、主成分、线性回归、曲线拟合 一、 问题重述
1.1 问题的背景及条件
俗话说；“安居才能乐业！”在我国的传统观念中房子就家，不管住别墅还是住瓦房，每一个家庭都必须有自己的住房，因此住房问题本生就是关系国计民生的大问题。同时，随着改革开放以来我国经济的高速发展，人民生活质量得到了极大提高，对住房质量、住房环境、小区配套服务等的要求也随之不断提高。近十年来我国一些城镇的商品房价格上涨过快，过高的房价使城镇却中低收入者无力购买住房,为了社会持续稳定的发展,政府一直出台各种文件，从宏观层面对房地产市场进行调控。但由于各部门配合不协调，加上恶意炒房的炒家操作，房地产的价格在过去的几年时间里快速地上涨，房价成了各种社会矛盾的焦点。 近几年来，保障房建设正在加速推进,中共中央政治局常委、国务院副总理李克强在全国保障性安居工程工作会上强调，要认真贯彻落实党中央、国务院的决策部署，大规模实施保障性安居工程，加大投入，完善机制，公平分配，保质保量完成今年开工建设1000万套的任务，努力改善群众住房条件。
1.2问题的提出 在上述背景条件以及题目给出的提示下，第一步我们需要对物价水平、国内生产总值、国民收入水平、金融政策、税收政策、土地、城市化率、各类保障性住房的投入使用等房地产价格的影响因素进行实证研究，找到影响房价的主要指标。 在第一步的基础上，第二步利用所学的数学基础知识，建立房地产价格与包括城镇住房保障规模在内的主要因素或指标之间联系的数学模型。 利用第二步所建立的关于房地产价格的数学模型，根据有关政策和规划对未来几年我国或某一地区在不同的保障房建设力度下就房地产价格趋势进行仿真或预测，并根据模型的需要对未来的情况作适当的假设。 最后，根据上述建立的数学模型和仿真结果，向相关单位、人士等提出房地产价格相关问题的咨询建议。 二、问题分析 2.1 问题的重要性分析 在上文已经提到住房是关系国计民生的大问题，虽然近几年来房地产业对我国各项经济指标的增长做出了巨大贡献，但高速上涨的房价使众多中低收入阶层的住房问题陷入窘境，贫富差距的矛盾日益突出，房价也成为了各种社会问题的焦点，已经威胁我国社会的持续性发展。 近段时间以来，从中央到地方的各级人民政府都相继出台了各种法律法规文件对房地产市场进行调控，公租房、廉租房和经济适用房等各类保障性住房也正在加大力度建设之中。利用科学的方法分析得出房价的主要影响因素，建立预测模型预测近期的房价不仅有利于普通百姓更直观地根据市场、政策环境的变化分析房地产的变化，更重要的是，这将有利于政府部门合理地对房地产市场进行调控，使房价更合理、房地产市场的发展更稳健，从而解决民生问题，使老百姓安居乐业。
2.2 目前有关方面对本问题的研究 房地产相关行业以及政府的研究机构从未停止过对房价及相关问题的研究，出现了众多的研究方法。在房价的影响因素分析方面，彭聪【1】、赵丽丽【2】、李晨【3】分别通过回归分析、灰色关联分析、因子分析等方法，选取影响房地产价格的
主要指标，说明住宅实际建造成本和实际生产总值对住宅价格有着显著的影响，而人口数和所有者实际资本成本的影响作用则不明显,并提出相应的改善措施和建议。乔志敏【4】用实证分析表明生产成本的波动对房地产价格的波动有较强作用。 在确立房地产价格与各主要影响因素之间的联系方面，严焰【5】利用岭回归方法本文采用岭回归方法，以香港市场为样本，构建房价模型。曾俊杰【6】基于回归分析和灰色关联分析做了多目标规划的房地产定价模型。曹瑞【7】利用多项式回归模型讨论了影响房价的主要因素并建立对房价的分析模型。 总体来讲，国内学者对我国房价的研究主要从两个方面进行，一是从宏观经济方面的条件及微观经济方面的市场供求原理，来观察可能影响房价涨跌的因素；二是采用特征价格法，即针对组成房地产的各种特征属性，通过微观经济中的消费者效用理论，来分析特征属性的隐含价格对该商品价格的影响。
2.3 问题的思路分析 本题主要是通过确定房价的主要影响因素，找到房价与各主要影响因素的变化关系，建立房价的预测模型，成为房地产市场调控的重要依据。选取具有代表性的样本是科学研究的基本前提，北京是我国的首都，也是第一批保障性住房建设的试点城市，因此本文选取北京的相关数据进行实证研究。 问题一：在收集大量数据以及参考相关文献的基础上，确立房价主要影响因素的指标体系，并采用解决主要因素提取问题最广泛、最精确的方法之一的主成分分析方法，通过对载荷矩阵中各指标对所提取主成分的总贡献率的比较，即得到对房价产生影响的各主要指标。 问题二：在前人的研究成果中，我们可以发现建立房价与各主要指标之间的关系模型的主要方法是各种回归分析方法，本文采用思路最清晰明了、得到的关系式最精准的逐步回归分析法。通过逐步回归分析，即得到房价与各主要指标的联系，同时将结果与问题一中得到的各主要指标进行比较，可检验得到的主要指标是否一致，从而对提取出的各主要指标进行验证。最后利用多元线性回归方法对房价与各主要影响因素进行拟合，得到房价与保障住房在内的各主要影响因素之间的关系模型。 问题三：根据房价与保障性住房在内的各主要影响因素之间的关系模型，以及北京市“十二五”规划中关于保障性住房建设的规划，我们可以利用数学软件对“十二五”期间（即2011—2015年）北京市的房价进行仿真预测。 问题四：根据已经得到的模型及仿真结果，加上对房地产相关情况的了解及当前的国内外宏观经济环境等，最后对相关部门、单位及个人提出合理性的建议。
三、模型假设 (1)假设经济性适用房的销售价格可以代表保障性住房的价格，从而进行本题的研究。 (2)假设在本文预测的2011至2015年期间，国家对房地产市场的宏观调控政策不发生重大改变，与现行的政策基本一致。 (3)假设在本文预测的2011至2015年期间，不发生重大自然灾害（如08年汶川地震）、金融危机（如08年美国次贷危机引起的世界金融危机）、战争等不可抗拒的、影响房地产市场发展的外力因素。 (4)房地产价格受众多因素的影响，受比赛时间所限，假设只考虑本文所研究的11个因素，以外的其他因素对房产价格的影响可暂时忽略。 (5)假设本文数据挖掘及处理研究过程中只出现有系统误差，无随机误差。 （6）假设本文所研究的各项因素的误差是不相关的。
四、符号说明
符号 意义 单位 原始指标个数 个 第i个原始指标 北京市房地产价格 元 第i个主成分 个 所提取主成分个数 个 的相关系数矩阵 的特征值 对应的党委特征向量 随机误差
五、模型的建立与求解 5·1问题一：确定影响房地产价格的主要因素 5·1.1 主成分分析的基本原理 根据题意要求和相应的分析，对于问题一本文采用主成分分析方法。主成分分析法是利用降维的思想，通过研究指标体系的内在结构关系，把多指标转化成少数几个互相独立而且包含原有指标大部分信息（80％—85％以上）综合指标的多元统计方法，本文在提取主成分是要求提取达到90%以上的信息，其优点在于利用该方法所确定的权数是基于数据分析而得到的指标之间的内在结构关系，不受主观因素的影响，而且得到的综合指标（主成分）之间彼此独立，减少信息的交叉，从而使分析评价结果具有客观性和可确定性。 主成分分析是对于原先提出的所有变量，通过线性变换建立尽可能少的新变量，使得这些新变量是两两不相关的，且这些新变量在反映数据的信息方面尽可能保持原有变量或数据的信息和特点。数学上的处理就是将原来个指标作线性组合，作为新的综合指标，如果将选取的第一个线性组合即第一个综合指标记为
，自然希望尽可能多的反映原来指标的信息，这里的 “信息”用的方
差来表达，即越大，表示包含的信息越多。因此在所有的线性组合中所选取的应该是方差最大的，故称为第一主成分。如果第一主成分不足以代表原来个指标的信息，再考虑选取即选第二个线性组合，为了有效反映原来信息，已有的信息就不需要出现在中，用数学语言表达就是要求
，称为第二主成分，依此类推可以构造出第三，四，···，第个主成分。 通过查阅中华人民共和国国家统计局网站【8】、北京市统计信息网【9】，中国知网【10】，我们得到北京市的物价水平、生产总值、收入水平、金融政策、税收政策、土地、城市化率、保障性住房面积、销售价格等统计数据，并在查阅大量相关文献的情况下，得到如表1所示的影响房价的指标体系（见表1·1）。最后本文选取从2001年至2010年期间房价及各指标的统计数据进行实证分析（见附1）。
