【正文】 同時將結(jié)果與問題一中得到的各主要指標(biāo)進(jìn)行比較，可檢驗得到的主要指標(biāo)是否一致，從而對提取出的各主要指標(biāo)進(jìn)行驗證。三、模型假設(shè)(1)假設(shè)經(jīng)濟(jì)性適用房的銷售價格可以代表保障性住房的價格，從而進(jìn)行本題的研究。(5)假設(shè)本文數(shù)據(jù)挖掘及處理研究過程中只出現(xiàn)有系統(tǒng)誤差，無隨機(jī)誤差。 主成分分析的基本原理根據(jù)題意要求和相應(yīng)的分析，對于問題一本文采用主成分分析方法。因此在所有的線性組合中所選取的Ｆ1應(yīng)該是方差最大的，故稱為第一主成分。第p個主成分。表11中的前十個指標(biāo)。+ap1XpＦ2=a12X1+a22X2++apkXp 或 F=AX矩陣A滿足AAT=E，即A為正交矩陣，其中E為單位陣，且aij由下列原則決定：（1）Ｆi與Ｆj（i≠j）不相關(guān)；（2）VarＦ1VarＦ22）。表1k，并將特征值按由大到小的順序排列，即λ1λ2（5）計算主成分的方差貢獻(xiàn)率和累計方差貢獻(xiàn)率。Ｆk的累計方差貢獻(xiàn)率為（i=1kλi）（（j=1pλj））其中α1的值最大，則說明Ｆ1綜合X1，X2，但本文中為了使信息盡量不流失，選取累計方差貢獻(xiàn)率達(dá)到≥99%的前k個特征值（見圖15）表16 各指標(biāo)對房價影響的總貢獻(xiàn)率123456各指標(biāo)的總貢獻(xiàn)率房地產(chǎn)開發(fā)投資額(億元).987.050.112.055北京市生產(chǎn)總值（億元）.974.183.076.035人均住宅建筑面積（平方米）.952.173.107.103居民家庭人均收入（元）.854.400.300.110經(jīng)濟(jì)適用房銷售價格（元）.841.012.438城市化率.678.069.083.036恩格爾系數(shù)（%）.876.369.006.148CPI.708.379.365新增保障性住房面積（萬平方米）.013.742.092.554.022貸款利率.396.322.296.022得到載荷矩陣后，本文根據(jù)各指標(biāo)分別對各主成分的貢獻(xiàn)率加權(quán)（權(quán)指個主成分所表示的信息量）平均之后我們可以得到各指標(biāo)對房價影響的總貢獻(xiàn)率（見表12研究變量間的非確定性關(guān)系，構(gòu)造變量間經(jīng)驗公式的數(shù)理統(tǒng)計方法稱為回歸分析。+βpx1p1+ε1y2=β0+β1x21+β2x22+令：Y=y1y2?yn，β=β0β1?βp1ε=ε1ε2?εn, X=1x11x12…x1p11x21x22…x2p1?????1xn1xn2…xnp1則式(24) 為了求β, 由(4)式將Sβ對β求導(dǎo),并令其為零, 得：dSβdβ=dYXβT(YXβ) dβ=d(YTYβTXTYYTXβ+βTXTXβ)dβ=0 (27） 對殘差平方和：εTε=εTIxxTx1xTy=yTyβTXTY （2+βpxp+ε因此，EεTε=σ2np?σ2=εTεnp （210） R 是復(fù)相關(guān)系數(shù),用于測定回歸模型的擬合優(yōu)度,R 越大,說明y 與x1 ,x2,?xp1，xp的線性關(guān)系越顯著,為yi 的平均值,R 取值范圍為0│ R │≤ 1。反之，回歸模型不能用于預(yù)測。1），由該表可知，第一問題中所列影響房地產(chǎn)價格的主要因素北京市生產(chǎn)總值（億元），人均住宅建筑面積（平方米），房地產(chǎn)開發(fā)投資額(億元)，居民家庭人均收入（元），經(jīng)濟(jì)適用房銷售價格（元），保障性住房面積（萬平方米）均符合，從而可采用以上六個指標(biāo)對房價的總體變化作出評價。2)，由表21 模型概述表Model SummarybModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsDurbinWatsonR Square ChangeF Changedf1df2Sig. F Change1.994a.989.989.989622048.000.001a. Predictors: (Constant), 保障性住房面積（萬平方米）, 房地產(chǎn)開發(fā)投資額(億元), 經(jīng)濟(jì)適用房銷售價格（元）, 居民家庭人均收入（元）, 人均住宅建筑面積（平方米）, 北京市生產(chǎn)總值（億元）b. Dependent Variable: 商品房銷售價格（元）表2曲線估計則是研究兩變量間非線性關(guān)系的一種方法，選定一種方程表達(dá)的曲線，使得實際數(shù)據(jù)與理論數(shù)據(jù)之間的差異盡可能地小。如下表（見表3運(yùn)行結(jié)果如下：經(jīng)濟(jì)適用房銷售價格隨時間變化擬合結(jié)果（見表31 經(jīng)濟(jì)適用房銷售價格擬合圖根據(jù)以上圖表顯示，是上述十個模型中最顯著的曲線關(guān)系，故可以得到經(jīng)濟(jì)適用房銷售價格與隨時間變化曲線為：X1=++同理，本文得到X2北京市生產(chǎn)總值（運(yùn)行結(jié)果圖表見附34），X10房地產(chǎn)開發(fā)投資額（運(yùn)行結(jié)果圖表見附3因此得到隨時間變化擬合結(jié)果（見表34可知，X10房地產(chǎn)開發(fā)投資額隨時間成指數(shù)性增長，房價及影響房價的其它5項主要指標(biāo)與時間擬合均符合三次曲線。4 房價及各指標(biāo)擬合預(yù)測結(jié)果表指標(biāo)名稱預(yù)測模型F值經(jīng)校正的R2X1經(jīng)濟(jì)適用房銷售價格X1=++X2北京市生產(chǎn)總值X2=+X4居民家庭人均收入X4=++X5新增保障性住房面積X5=++X6人均住宅建筑面積X6=12,139++X10房地產(chǎn)開發(fā)投資額X10=Y北京市商品房銷售價Y=+ (二)利用模型對五年內(nèi)房價進(jìn)行仿真預(yù)測 在前文中我們已經(jīng)得到房產(chǎn)價格與六項主要影響因素的線性關(guān)系，即： Y=+++2 擬合結(jié)果圖根據(jù)表36 2000至2015各指標(biāo)的仿真及預(yù)測數(shù)據(jù)表年份X1預(yù)測值X2預(yù)測值X4預(yù)測值X5預(yù)測值X6預(yù)測值X10預(yù)測值Y預(yù)測值2000247732665547147．450561262001286736077396242．117．191077849442002311142048413291．419．609044652003325050178937305．521．875045582004332860069304294．423．92901419513820053386713298502683．25．7110563520063468835610914237．427．1610748620073616963812833211．628．21909131200838721093915943201．228．825011012200942801221920581216．428．919013073201048801343927086267．128．44101525820115717145593579317512201268331554047040197802013827016343611647342200820141007016928785022414220151227717255993911408．926128如表3經(jīng)過上述研究，并對目前北京以及全國房地產(chǎn)市場環(huán)境進(jìn)行分析總結(jié)，本文擬出以下幾點關(guān)于促進(jìn)房地產(chǎn)價格健康持續(xù)發(fā)展的建議：（一）采取有效措施，引導(dǎo)廣大人民合理應(yīng)對通貨膨脹本文在對房地產(chǎn)價格進(jìn)行主要影響因素前，對所建立的指標(biāo)體系進(jìn)行了分析，并刪除了偶然性過大的貨幣供應(yīng)量這一指標(biāo)，沒有對其與房價進(jìn)行研究，但通貨膨脹使物價持續(xù)上漲，貨幣不斷的貶值，這對整個社會的經(jīng)濟(jì)、政治等方面有著巨大的危害性。上文的預(yù)測結(jié)果顯示，未來五年內(nèi)，北京市的房價依然會保持小幅度的增長，這里不排除會有通貨膨脹的可能。自然災(zāi)害：泥石流、地陷、地質(zhì)坍塌、持續(xù)的暴雨、洪流、長時間的天旱等會更加頻發(fā)；地下水資源不斷地減少、部分河流會斷流。大家都在搶這個東西，媒體制作這個房子稀缺論。因此，建議有N套房子作為不動產(chǎn)的人適可而止，炒高房價的同時房產(chǎn)市場的泡沫也會遮住視線，房產(chǎn)不是黃金，不是食物貨幣，它沒有貯藏功能，市場供求關(guān)系一旦發(fā)生變化，房產(chǎn)的價值就會無形地縮水。由于宏觀調(diào)控政策等房價重要影響影響因素?zé)o法預(yù)測，本文只能對 “十二五”規(guī)劃期間的未來五年北京市房價進(jìn)行預(yù)測。【9】 ，2011年8月14日。1：北京市生產(chǎn)總值擬合Model Summary and Parameter EstimatesDependent Variable:北京市生產(chǎn)總值（億元）EquationModel SummaryParameter EstimatesR SquareFdf1df2Sig.Constantb1b2b3Linear.98019.000Logarithmic.80719.000Inverse.51019.013Quadratic.99628.000Cubic.99837.000Compound.99419.000Power.91919.000.640S.65819.002Growth.99419.000.150Exponential.99419.000.150附35：房地產(chǎn)開發(fā)投資額擬合Model Summary and Parameter EstimatesDependent Variable:房地產(chǎn)開發(fā)投資額(億元)EquationModel SummaryParameter EstimatesR SquareFdf1df2Sig.Constantb1b2b3Linear.98219.000Logarithmic.91919.000Inverse.67919.002Quadratic.98428.000Cubic.98737.000Compound.91719.000Power.99119.000.642S.85619.000Growth.91719.000.139Exponential.91719.000.139附3 x4(t)=+**t^2+*t^3。enddisp(39。)x2disp(39。)x5disp(39。)x10%預(yù)測二for i=1:1:16 y(i)=+*x1(i)+*x2(i)+*x4(i)*x5(i)*x6(i)*x10(i)。8：房價及各影響因素仿真預(yù)測結(jié)果