【正文】 ) xlabel(39。 disp(a)。 B=[117495 134660 153385 173670 ]。o39。 y=[ ]。o39。 y=[ ]。 B=[ ]。 %以列矩陣輸出 1a , 2a , 3a , 4a % 畫法程序 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。 25 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)轉移，從而擴大地區(qū)差距；將社會財富向政府轉移，最糟糕的是將銀行資產(chǎn)向投機者轉移，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，方法參見附錄 一次擬合曲線程序） 。yd= 610? 通過矩陣運算得到 1a , 2a , 3a , 4a 的值為： (利用 MATLAB 軟件 ，計算 程序 參見附錄 4) 1a = 2a = 3a = 4a = 把系數(shù) 1a , 2a , 3a , 4a 代回原模型得： =*()+*()*()+ *()+ t? 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 t? 的值，即： =[*()+*()*()+ *()] t? 13 得到的 13 個 t? 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 1 2 3 4 5 6 7 8 9 10 11 12 13 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） ： 殘差曲線 6 0 0 4 0 0 2 0 002004006001 2 3 4 5 6 7 8 9 10 11 12 13城市序號殘差 圖 5 14 由于 t? 的平均值為 ,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= 710? 181。ca=181。ad+ 2a *181。cb+ 4a *181。ya+ 1a *181。 9 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= 1a A+ 2a B+ 3a C+ 4a D+ t? 六、模型的求解 模型的求解過程： 模型 為 Y= 1a A+ 2a B+ 3a C+ 4a D+ t? 上式 表示因變量 Y 對自變量 A,B,C,D 的相依性，其中 1a , 2a , 3a , 4a 為 未知 參數(shù) ， 模型特點如下： A、 B、 C、 D 為一般變量， t? 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 t? 。 實例應用 利用下述公式將原始數(shù)據(jù) (見表一 數(shù)據(jù) )化為 0,1 兩數(shù)值（計算結果見表 二 ） njmimaaaamaaaabmjjjijmjjjijij ????2,1。可以用屬性 A 將 S 劃分為 v 個自給? ?vSSS ?, 21 ，其中 jS 包含 S 中這樣一些樣本，他們在 A 上具有值 ja 。熵是對事件的屬性的不確定性的度量。房價的高低涉及社會生活中多方面的經(jīng)濟利益 ，所以房價對經(jīng)濟發(fā)展的影響也是非常大的。我們經(jīng)網(wǎng)絡、書籍 等相關資源，大致得出以下幾條對房價的影響產(chǎn)生主導作用的因素 竣工面積、 工薪收入 、 城鄉(xiāng)人均儲蓄余額、房屋成本等。我國自從取消福利分房制度以來，隨著房價的不斷飆升，房價問題已經(jīng)成為全民關注的焦點議題之一，從國家領導人、地方政府官員，到開發(fā)商、專家學者、普通百姓通過各種媒體表達各種觀點，但對于房價是否合理、未來房價的走勢等關鍵問題，至今尚未形成統(tǒng)一的認識。 然后 運用所求解的模型對北京未來四年房價進行預測， 分析了對未來經(jīng)濟發(fā)展的影響。 二、問題分析 問題 一 分析 本問題是要建立房價問題的數(shù)學模型。 問題三分析 通過問題二的研究成果，可以知道房價及影響房價主要因素 的趨勢，結合其所得結果與現(xiàn)實情況加以分析。 五、 模型 的建立 模型推導過程 ： 表一為我國 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。設 is 是類 iC 中的樣本數(shù)。 因子選?。? ID3 計算每個屬性的信息增益，并選取具有最高增益的屬性作為測試屬性。所以 8,3。ba 表示序列 Δ B和 Δ A 的協(xié)方差， 181。yb+ 1a *181。cc+ 4a *181。aa=? 810 181。cb=181。ya= 810? 181。 16 八、 模型應用 影響 房價 的各個變量的 預測 選取北京為例，收集了北京從 20xx 年到 20xx 年與房價最相關的四個因素，見表 九 。 造價與年份擬合曲線（見圖 9）為： y=+ 2x 圖 9 下面運用擬合曲線，計算未來四年住房造價： 年份序號 9 10 11 12 年份 20xx 20xx 20xx 20xx 住房造價 表十 二 19 住房支出與年份擬合曲線 參照表七中的數(shù)據(jù)，運用 MATLAB 建立擬合曲線。 房價收入比 = 住房平均價格居民平均年收入 聯(lián)合國的有關機構提出，發(fā)展中國家房價收入比不超過 6 倍時，有利于供求關系保持基本平衡。從價值規(guī)律上來講，一種商品的價格并不完全由起內在的價值決定，同時還受到市場供求關系的影響。如果不抑制房價，則可能醞釀更大的金融風險，高房價造就嚴重的社會分化，影響消費擴張和經(jīng)濟可持續(xù)增長，也可造就建筑垃圾化，影響國家聲望，敗壞社會風氣。房價的急劇下跌，除了打擊開發(fā)商本身外，將嚴重打擊投資者對地產(chǎn)投資的信心，消費 者的信心也會受到挫傷。要把高的開發(fā)成本降下來，同時適當擴大開發(fā)量，調整供給結構，增加有效供給，培養(yǎng)和釋放有效需求。增加住房有效供給 。而在供不應求的情況下，成本決定 售價的分量會減弱，供不應求越強，成本的決定性因素越弱，而產(chǎn)生泡沫的因素就會越嚴重。方案簡潔明了，易于操作。 （ 4）國家政策。在計算時為了節(jié)省時間又能夠說明問題，所以只選用了幾組數(shù)據(jù)。 [5].徐滇慶，《房價與泡沫經(jīng)濟》，北京 :機械工業(yè)出版社， ， P33,P181P198,P369P371。 end end end disp(N) 2. 主要因素與房價關系圖畫法程序 x=[ ]。 39。商品房平均銷售價 (元 /平方米 )39。 181。 %輸入?yún)f(xié)方差矩陣 % B=[+008 +009 +007 +006]。 %輸入一個城市 Y,A,B,C,D% M=[*()+*()*()+*()。 %輸出 13 個城市的計算房價 % X=[ ]。 p=polyfit(t,y,1)。) ylabel(39。 p=polyfit(t,y,2)。) ylabel(39。 y=[ 11553 12418 13799 18698 21251 24