【正文】 )xlabel(39。disp(a)。B=[117495134660153385173670]。o39。y=[ ]。o39。y=[ ]。B=[ ]。 %以列矩陣輸出,%Y=13799。xy)。 %[ ]中輸入△Y, △A,△B,△C,△D, 以列矩陣輸入%pjY= 。中輸入某因素與房價的關系圖%xlabel(39。x2=9000:100:24000。附錄：MATLAB程序1．因素確定相關程序M=[ 13799 6886 3263 12840 4983 7826 3532 2680 3509 3223 2931 2452 5427 ]。（2）本模型建立過程中忽略了眾多因素對房價的影響，如考慮建成面積、流動人口、國家調(diào)控等因素等，應綜合考慮各方面因素，以減小誤差。 （5）還有一些人的投機心理，想利用房價上漲來撈一把，想以房屋增殖來賺取利潤。 除了模型中考慮到的影響房屋價格的因素之外，還有一系列其他因素的影響：（1）房屋的結構、質(zhì)量、功能、新舊程度是影響房屋價格的重要因素。政府在政策引導上應采取措施，調(diào)整和引導供給與需求，緩解需求的壓力；實行租售并舉，緩解市場壓力。由分析可知，房屋成本主要由土地開發(fā)費用、生產(chǎn)資料消耗和人工費用三部分組成。在降低成本的同時適當擴大開發(fā)量的做法，不會挫傷開發(fā)商的積極性，因為供給增加引起房價下降給開發(fā)商造成的“損失”可以通過降低了的開發(fā)成本得到彌補。后果四：住房保障體系無法正常實施。房價的波動不僅影響到所有居民當期的消費行為，而且會顯著地改變資產(chǎn)的分化，將社會財富向富人轉(zhuǎn)移，從而擴大了貧富差距；將社會財富向城市，特別是商業(yè)繁華地區(qū)轉(zhuǎn)移，從而擴大了城鄉(xiāng)差別；將社會財富向沿海經(jīng)濟發(fā)達地區(qū)轉(zhuǎn)移，從而擴大地區(qū)差距；將社會財富向政府轉(zhuǎn)移，最糟糕的是將銀行資產(chǎn)向投機者轉(zhuǎn)移，從而增加了引發(fā)金融危機的概率。因此需求不只是一種購買愿望，也需要實際支付能力，有了支付能力才能形成購買力和有效需求。總的來說是由成本及供求關系兩個主要因素決定的。通過實驗發(fā)現(xiàn)，采用二次多項式進行逼近最為合理。通過實驗發(fā)現(xiàn)，采用一次多項式進行逼近最為合理（運用MATLAB軟件，）。yd=通過矩陣運算得到,的值為：(利用MATLAB軟件，計算程序參見附錄4)====把系數(shù),代回原模型得：=*()+*()*()+ *()+利用表三中的商品房平均銷售價、工薪收入、城鄉(xiāng)人均儲蓄余額、造價、人均全年住房支出反推的值，即：=[*()+*()*()+ *()]得到的13個值為（利用MATLAB軟件，計算程序參見附錄5）：　　　　　　　　　　　　表七 殘差數(shù)據(jù)城市序號殘差12345678910111213平均值殘差曲線見圖5（利用MATLAB軟件，圖像畫法程序參見附錄5）：圖5,相對于Y值來說非常小，可以近似看成是0，從而予以忽略不計。bd=181。ca=181。ad+*181。cb+*181。ya+*181。一般地，當影響結果Y的因素不只是一個時，要通過作圖來確定它們的關系是困難的，可以假設它們之間有線性相關關系，即得到我們的模型：Y=A+B+C+D+ 六、模型的求解模型的求解過程： 模型為Y=A+B+C+D+ 上式表示因變量Y對自變量A,B,C,D的相依性，其中,為未知參數(shù)，模型特點如下： A、B、C、D為一般變量，為隨機變量； Y為一般變量和隨機變量的線形組合，Y序列的值既取決于A,B,C，D序列，又受制于。由上式可以看出，熵值越小時，其信息增益越大，表明相應的信息量越有效。對于一個給定的樣本分類所需要的期望信息由下式給出：，其中是任意樣本屬于的概率，一般可以用來估計。依照此表可以求得各因素對商品房平均售價的影響程度，計算方法采用信息增益法。判斷房價是否合理，若不合理，則分析相關的成因，看如何達到抑制房價的目的。房價問題關系國計民生，既是經(jīng)濟問題，更是影響社會穩(wěn)定的重要民生問題。第一，用信息增益法找出影響房價的主要因素，再用概率論與數(shù)理統(tǒng)計的方法確定各因素與房價之間呈近似線性關系，確定模型；第二，用最小二乘法求解模型中的參數(shù)，用回歸分析確定模型精度及檢驗，從而得出一個完整的數(shù)學模型；第三，利用往年數(shù)據(jù)建立擬合曲線，預測了未來四年影響北京市房價的主要因素及房價走勢；第四，根據(jù)分析結果，進一步探討使得房價合理的具體措施，以及可能對經(jīng)濟發(fā)展產(chǎn)生的影響，并進行定量分析；第五，根據(jù)模型及建議進行合理的預測，最后分析模型的優(yōu)缺點并提出了改進方向。關鍵詞： 房價問題 回歸模型 擬合曲線 預測 經(jīng)濟發(fā)展一 問題的提出房價問題事關國計民生，對國家經(jīng)濟發(fā)展和社會穩(wěn)定有重大影響，一直是各國政府大力關注的問題。房價的關鍵是影響房價問題的因素，但影響房價問題的因素有很多，要逐一分析每一種因素是不可能辦到的，只要抓住主要因素去著重分析即可。 問題四分析房價飛漲對社會影響的殺傷力很大，房價飛漲不僅影響到房地產(chǎn)市場上供求雙方，還具有很強的轉(zhuǎn)移社會財富的效應，引起了民眾和政府的高度關注。表一 13個主要城市商品房平均銷售價及其相關因素的統(tǒng)計表[1]地區(qū) 竣工面積（萬平方米）人口增長率（‰）工薪收入（元）城鄉(xiāng)人均儲蓄余額（元/人） 造價（元/平方米）人均全年住房支出（元）城鎮(zhèn)房地產(chǎn)開發(fā)投資（億元）房價（元/平方米） 北 京 13799 天 津 6886 石家莊 3263 上 海 12840 南 京 4983 杭 州 7826 福 州 5427 武 漢 3532 長 沙 2680 成 都 3509 昆 明 2931 拉 薩 2452 西 安 3223 平 均 信息增益計算法[2] 信息增益基于信息論中熵的概念。設屬性A有v個不同的值。在此我們借用ID3算法計算出每個屬性關于房價的信息增益，而為了測試準確，我們選取半數(shù)以上信息增益較大的屬性作為測試屬性，即為影響A的屬性。如表五所示各序列一般假定為白噪聲序列，假定其服從均值為0，方差為的正態(tài)分布表五城市YABCD北 京13799天 津6886石家莊3263上 海12840南 京4983杭 州7826福 州5427武 漢3532長 沙2680成 都3509昆 明2931