【導(dǎo)讀】本文主要是針對房地產(chǎn)價格體系進(jìn)行研究。根據(jù)任務(wù)一，我們建立GM（1，1）模。立改進(jìn)的灰色模型，均先把原先的價格指數(shù)換算成以1999年為100計算的價格指數(shù)，結(jié)果表明，這種改進(jìn)使得擬合效果非常好。到2020年的預(yù)測值分別為，，，杭州的為，，，上海的為，，，并對結(jié)果進(jìn)行分析和解釋。結(jié)果在文中顯示。對于任務(wù)三，我們選用多元線性回歸分析。鑒于影響因素之間的關(guān)聯(lián)度較大，比。如城市人口密度和人口數(shù)就具有較大的重疊性。我們分析剔除掉三個有部分重復(fù)性的因。素后，用SPSS軟件分析求解。第一種多元線性回歸，采用強(qiáng)制進(jìn)入策略，顯著性檢驗。較差；第二種多元線性回歸分析采用向后篩選策略改進(jìn)模型后，顯著性水平明顯提高，對于任務(wù)四，我們充分收集數(shù)據(jù)，確定市場供求狀況，生活水平指標(biāo)，政策導(dǎo)向，住房條件這四個板塊以及此內(nèi)的10個合理價格評價指標(biāo)。個城市土地交易價格漲幅超過10個百分點。因素之間的影響關(guān)系，找出影響房地產(chǎn)價格指數(shù)最重要的因素，并進(jìn)行說明；

　　

【正文】 0) T=4 The modle is good,and the forecast is: 上海的 預(yù)測 灰色模型 程序： x0=[,,] x0 = fungry3(x0) T=1 The modle is good,and the forecast is: fungry3(x0) T=2 The modle is good,and the forecast is: fungry3(x0) T=3 The modle is good,and the forecast is: 房地產(chǎn)價格體系評估問題的研究論文 27 fungry3(x0) T=4 The modle is good,and the forecast is: 附錄 三 ： SPSS 的輸出結(jié)果 第一次回歸： Regression Variables Entered/Removed(b) Model Variables Entered Variables Removed Method 1 在崗工人平均工資 , 居民消費(fèi)指數(shù) , 城市人口密度 , 年末實有住宅建筑面積 , 地區(qū)生產(chǎn)總值 (a) . Enter a All requested variables entered. b Dependent Variable: 城市房地產(chǎn)價格指數(shù) Model Summary(b) Model R R Square Adjusted R Square Std. Error of the Estimate 1 .919(a) .845 .067 a Predictors: (Constant), 在崗工人平均工資 , 居民消費(fèi)指數(shù) , 城市人口密度 , 年末實有住宅建筑面積 , 地區(qū)生產(chǎn)總值 b Dependent Variable: 城市房地產(chǎn)價格指數(shù) ANOVA(b) Model Sum of Squares df Mean Square F Sig. 1 Regression 5 .619(a) Residual 1 Total 6 a Predictors: (Constant), 在崗工人平均工資 , 居民消費(fèi)指數(shù) , 城市人口密度 , 年末實有住宅建筑面積 , 地區(qū)生產(chǎn)總值 b Dependent Variable: 城市房地產(chǎn)價格指數(shù) Coefficients(a) 房地產(chǎn)價格體系評估問題的研究論文 28 Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta B Std. Error 1 (Constant) .571 .670 城市人口密度 .012 .731 年末實有住宅建筑面積 .005 .910 居民消費(fèi)指數(shù) .740 地區(qū)生產(chǎn)總值 5 .000 .581 .665 在崗工人平均工資 .003 .454 a Dependent Variable: 城市房地產(chǎn)價格指數(shù) Residuals Statistics(a) Minimum Maximum Mean Std. Deviation N Predicted Value 7 Residual .00000 7 Std. Predicted Value .000 7 Std. Residual .858 .000 .408 7 a Dependent Variable: 城市房地產(chǎn)價格指數(shù) REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT 城市房地產(chǎn)價格指數(shù) /METHOD=STEPWISE 城市人口密度 年末實有住宅建筑面積 居民消費(fèi)指數(shù) 地區(qū)生產(chǎn)總值 在崗工人平均工資 /RESIDUALS ID( 年 ) 房地產(chǎn)價格體系評估問題的研究論文 29 第二 種 歸： Model R R Square Adjusted R Square Std. Error of the Estimate 1 .919(a) .845 .067 2 .917(b) .841 .524 3 .888(c) .788 .576 4 .803(d) .645 .468 a Predictors: (Constant), 在崗工人平均工資 , 居民消費(fèi)指數(shù) , 城市人口密度 , 年末實有住宅建筑面積 , 地區(qū)生產(chǎn)總值 b Predictors: (Constant), 在崗工人平均工資 , 居民消費(fèi)指數(shù) , 城市人口密度 , 地區(qū)生產(chǎn)總值 c Predictors: (Constant), 在崗工人平均工資 , 城市人口密度 , 地區(qū)生產(chǎn)總值 d Predictors: (Constant), 在崗工人平均工資 , 地區(qū)生產(chǎn)總值 e Dependent Variable: 城市房地產(chǎn)價格指數(shù) ANOVA(e) Model Sum of Squares df Mean Square F Sig. 1 Regression 5 .619(a) Residual 1 Total 6 2 Regression 4 .292(b) Residual 2 Total 6 3 Regression 3 .155(c) Residual 3 Total 6 4 Regression 2 .126(d) Residual 4 Total 6 a Predictors: (Constant), 在崗工人平均工資 , 居民消費(fèi)指數(shù) , 城市人口密度 , 年末實有住宅建筑面積 , 地區(qū)生產(chǎn)總值 b Predictors: (Constant), 在崗工人平均工資 , 居民消費(fèi)指數(shù) , 城市人口密度 , 地區(qū)生產(chǎn)總值 c Predictors: (Constant), 在崗工人平均工資 , 城市人口密度 , 地區(qū)生產(chǎn)總值 d Predictors: (Constant), 在崗工人平均工資 , 地區(qū)生產(chǎn)總值 e Dependent Variable: 城市房地產(chǎn)價格指數(shù) 房地產(chǎn)價格體系評估問題的研究論文 30 Coefficients(a) Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta B Std. Error 1 (Constant) .571 .670 城市人口密度 .012 .731 年末實有住宅建筑面積 .005 .910 居民消費(fèi)指數(shù) .740 地區(qū)生產(chǎn)總值 05 .000 .581 .665 在崗工人平均工資 .003 .454 2 (Constant) .381 城市人口密度 .006 .352 居民消費(fèi)指數(shù) .499 地區(qū)生產(chǎn)總值 06 .000 .211 在崗工人平均工資 .002 .224 3 (Constant) .017 城市人口密度 .005 .250 地區(qū)生產(chǎn)總值 05 .000 .095 在崗工人平均工資 .001 .112 4 (Constant) .010 地區(qū)生產(chǎn)總值 05 .000 .055 在崗工人平均工資 .001 .055 a Dependent Variable: 城 市房地產(chǎn)價格指數(shù) 房地產(chǎn)價格體系評估問題的研究論文 31 Residuals Statistics(a) Minimum Maximum Mean Std. Deviation N Predicted Value 4 3 7 Residual 5 .00000 7 Std. Predicted Value .000 7 Std. Residual .000 .816 7 a Dependent Variable: 城市房地產(chǎn)價格指數(shù) REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT 城市房地產(chǎn)價格指數(shù) /METHOD=FORWARD 城市人口密度 年末實有住宅建筑面積 居民消費(fèi)指數(shù) 地區(qū)生產(chǎn)總值 在崗工人平均工資 /RESIDUALS ID( 年 ) . 附錄 4: 寧波指標(biāo)： 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 20203000400050006000700080009000100001100012020寧波年末實有住宅建筑面積 ( 萬平方米 ) 的實際值寧波年末實有住宅建筑面積 ( 萬平方米 ) 的預(yù)測值 房地產(chǎn)價格體系評估問題的研究論文 32 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 202099100101102103104105寧波以上年為 100 計算的居民消費(fèi)指數(shù)的實際值寧波以上年為 100 計算的居民消費(fèi)指數(shù)的預(yù)測值 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 20201000150020202500300035004000450050005500寧波地區(qū)生產(chǎn)總值 ( 當(dāng)年價格 )( 萬元 ) 的實際值寧波地區(qū)生產(chǎn)總值 ( 當(dāng)年價格 )( 萬元 ) 的預(yù)測值 房地產(chǎn)價格體系評估問題的研究論文 33 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 20201 . 522 . 533 . 54x 1 04寧波在崗工人平均工資 ( 元 ) 的實際值寧波在崗工人平均工資 ( 元 ) 的預(yù)測值 上海指標(biāo) ： 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 202012345678x 1 04年末實有住宅建筑面積 ( 萬平方米 ) 的實際值年末實有住宅建筑面積 ( 萬平方米 ) 的預(yù)測值 房地產(chǎn)價格體系評估問題的研究論文 34 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020101102103104105106107108109以 1999 年為 100 計算的居民消費(fèi)指數(shù)的實際值以 1999 年為 100 計算的居民消費(fèi)指數(shù)的預(yù)測值 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 20200 . 60 . 811 . 21 . 41 . 61 . 822 . 22 . 4x 1 07地區(qū)生產(chǎn)總值 ( 當(dāng)年價格 )( 萬元 ) 的實際值地區(qū)生產(chǎn)總值 ( 當(dāng)年價格 )( 萬元 ) 的預(yù)測值 房地產(chǎn)價格體系評估問題的研究論文 35 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 202012345678x 1 04在崗工人平均工資 ( 元 ) 的實際值在崗工人平均工資 ( 元 ) 的預(yù)測值