【導(dǎo)讀】對模型進(jìn)行了全方面的論述，得出求解其中各個(gè)參數(shù)的方法，并最終求出房價(jià)。對未來經(jīng)濟(jì)發(fā)展的影響。率論與數(shù)理統(tǒng)計(jì)的方法確定各因素與房價(jià)之間呈近似線性關(guān)系，確定模型；第二，模型及建議進(jìn)行合理的預(yù)測，最后分析模型的優(yōu)缺點(diǎn)并提出了改進(jìn)方向。我國自從取消福利分房制度以來，隨著房價(jià)的不斷飆升，房價(jià)問題已經(jīng)成為全。地區(qū)房價(jià)的走勢。響社會穩(wěn)定的重要民生問題。因素是不可能辦到的，只要抓住主要因素去著重分析即可。額、房屋成本等。為重要，可以為經(jīng)濟(jì)決策提供參考，故其研究意義相當(dāng)重大。通過對經(jīng)濟(jì)的影響及危害，假設(shè)二、未來幾年不會發(fā)生特大自然災(zāi)害、戰(zhàn)爭動亂以及人為傷害；假設(shè)五、房價(jià)購買能力用人均儲蓄存款、人均可支配收入來表示，銀行利率每年保持穩(wěn)定；pjY,pjA,pjB,pjC,pjD分別表示Y,A,B,C,D序列的均值序列；表一為我國13個(gè)主要城市商品房平均銷售價(jià)及其相關(guān)因素的統(tǒng)計(jì)表。設(shè)ijS是子集jS中類iC的樣本數(shù)。

　　

【正文】 結(jié)果精度更高。 該模型仍然存在著很多問題，比如 影響房地產(chǎn)價(jià)格的因素有好多，而在建立模型時(shí)我們忽略掉了很多被認(rèn)為不好似很重的因素。 除了模型中考慮到的影響房屋價(jià)格的因素之外，還有一系列其他因素的影響： （ 1）房屋的結(jié)構(gòu)、質(zhì)量、功能、新舊程度是 影響房屋價(jià)格的重要因素。 （ 2）房屋的層數(shù)、層次和朝向。房屋有高屋，多層和低層之分，由于其所用設(shè)備、施工技術(shù) :施工機(jī)械化程度不同，各種層數(shù)、各種朝向的房屋形成一定的價(jià)格差異。 24 （ 3）環(huán)境因素。房屋所處位置是在城區(qū)還是在郊區(qū)，交通便利的繁華地段還是背街小巷，交通、文化教育和社區(qū)服務(wù)設(shè)施都對房屋價(jià)格產(chǎn)生很大的影響。 （ 4）國家政策。房屋價(jià)格受政策因素的影響很大，在某種情況下，政策因素往往成為房屋價(jià)格的決定因素。例如 :國十條的出臺；加快工租房的建設(shè)，抑制投機(jī)需求；全面叫停第三套住房公積金貸款等等。 （ 5）還有一 些人的投機(jī)心理，想利用房價(jià)上漲來撈一把，想以房屋增殖來賺取利潤。 以上幾個(gè)因素對住宅價(jià)格都有一定的影響，但由于時(shí)間倉促和能力有限，不能對諸多因素進(jìn)行一一考慮，僅考慮了影響比較大的因素。由此我們采用的是“把握主要矛盾，忽略次要矛盾”的方法，因此該模型仍然具有一種普遍性和代表性，在此基礎(chǔ)上在考慮其他因素時(shí)，此方法仍然是適用的。 其次， 確定模型參數(shù)的樣本序列僅僅有 13 組數(shù)據(jù)， 在 應(yīng)用統(tǒng)計(jì)規(guī)律 中， 因?yàn)榻y(tǒng)計(jì)規(guī)律本來只是適用于一些大樣 本甚至是無窮大序列，如果在樣本很小的情況下應(yīng)用，結(jié)果誤差可能會很大 。而在提出該模型時(shí)也 確實(shí)參考很多的數(shù)據(jù)，才將之間的個(gè)各因素確定為線性的。在計(jì)算時(shí)為了節(jié)省時(shí)間又能夠說明問題，所以只選用了幾組數(shù)據(jù)。 針對以模型中存在的問題，我們提出如下改進(jìn)建議。 （ 1）本模型選取了 13 個(gè)代表性城市的數(shù)據(jù)進(jìn)行分析，如果 對更多的城市的統(tǒng)計(jì)數(shù)據(jù)（樣本）進(jìn)行模型運(yùn)算， 可以保證 精度會更高。 （ 2）本模型建立過程中忽略了眾多因素對房價(jià)的影響， 如考慮建成面積、流動人口、 國家調(diào)控 等因素 等，應(yīng) 綜合考慮各方面因素， 以減小誤差。 （ 3）本模型建立過程中考慮各個(gè)因素與房價(jià)呈線性關(guān)系，但實(shí)際上線性不一定是最好的選擇，還可以考慮 2 次、 多次等回歸關(guān)系，所建立的模型會誤差更小。 參考文獻(xiàn) [1]. 中華人民共和國國家統(tǒng)計(jì)局 — 年度數(shù)據(jù)， [2].毛國君等編著，《數(shù)據(jù)挖掘原理與算法（第二版）》，北京：清華大學(xué)出版社， , P123。 [3].魏宗舒等編著，《概率論與數(shù)理統(tǒng)計(jì)》，北京：高等教育出版社， 。 [4].徐萃薇、孫繩武 編著，《計(jì)算方法引論》，北京：高等教育出版社， , P47P52， P54P58。 [5].徐滇慶，《房價(jià)與泡沫經(jīng)濟(jì)》，北京 :機(jī)械工業(yè)出版社， ， P33,P181P198,P369P371。 [6].金勇進(jìn)主編，《數(shù)字中國》，北京：人民出版社， ， P299。 [7].郝益東，《中國住房觀察與國際比較（第二版）》，北京：中國建筑工業(yè)出版社， 20xx，P24,P60,P125P134,P175P177。 25 附錄： MATLAB 程序 1． 因素確定相關(guān)程序 M=[ 13799 6886 3263 12840 4983 7826 3532 2680 3509 3223 2931 2452 5427 ]。 N=[ ]。 for j=1:8 a=sum(M(:,j))/13。 for i=1:13 if M(i,j)=a N(i,j)=1。 else N(i,j)=0。 end end end disp(N) 2. 主要因素與房價(jià)關(guān)系圖畫法程序 x=[ ]。 %[ ]中輸入與房價(jià)相關(guān)的因素?cái)?shù)值 ，以列矩陣輸入 % y=[ ]。 %[ ]中輸入選取的城市當(dāng)年的房價(jià) ，以列矩陣輸入 % p=polyfit(x,y,1)。 x2=9000:100:24000。 %選取 x 軸的范圍 % y2=polyval(p,x2)。 figure(1) plot(x,y,39。o39。,x2,y2) grid on title(39。 39。) %39。 39。中輸入某因素與房價(jià)的關(guān)系圖 % xlabel(39。 39。) %39。 39。中輸入所選取的因素 % ylabel(39。商品房平均銷售價(jià) (元 /平方米 )39。) 26 Y=[ ]。 %[ ]中輸入 △ Y, △ A,△ B,△ C,△ D, 以列矩陣輸入 % X=[ ]。 %[ ]中輸入△ Y, △ A,△ B,△ C,△ D, 以列矩陣輸入 % pjY= 。 pjX= 。 r1=YpjY。 r2=XpjX。 r=r1.*r2。 181。xy=sum(r)。 disp(181。xy)。 4. 回歸方程系數(shù)求解程序 A=[+008 +009 +007 +006。 +009 +009 +008 +007。 +007 +008 +006 +006。 +006 +007 +006 +005]。 %輸入?yún)f(xié)方差矩陣 % B=[+008 +009 +007 +006]。 %輸入?yún)f(xié)方差矩陣 % a=inv(A)*B。 disp(a)。 %以列矩陣輸出 1a , 2a , 3a , 4a % 畫法程序 Y=13799。 A=。 B=。 C=。 D=。 %輸入一個(gè)城市 Y,A,B,C,D% M=[*()+*()*()+*()。 disp(M)。 6. 實(shí)際房價(jià)與計(jì)算價(jià)格比較 A=[ ]。 B=[ ]。 C=[ ]。 D=[ ]。 %輸入 13 個(gè)城市的 A,B,C,D,以列矩陣輸入 % Y=*()+*()*()+*()+。 disp(Y)。 %輸出 13 個(gè)城市的計(jì)算房價(jià) % X=[ ]。 %輸入 13 個(gè)城市的實(shí)際房價(jià) ,以列矩陣輸入 % disp((XY)./X)。 %輸出誤差百分比 % 27 7. 對影響北京房價(jià)的四 個(gè)因素的預(yù)測 一次擬合曲線程序： t=[1 2 3 4 5 6 7]39。 y=[ ]。 X1=[ones(size(t)) t]。 a=X1\y。 disp(a)。 x2=1:7。 p=polyfit(t,y,1)。 y2=polyval(p,x2)。 figure(1) plot(t,y,39。o39。,x2,y2) title(39。工薪收入與年份擬合曲線 39。) xlabel(39。年份序號 39。) ylabel(39。工薪收入（元） 39。) 二次擬合曲線程序： t=[1 2 3 4 5 6 7] 39。 y=[ ]。 %輸入所求解因素 03— 09 年實(shí)際數(shù)據(jù)，以列矩陣輸入 % X1=[ones(size(t)) t t.^2]。 %做二次擬合曲線 % a=X1\y。 disp(a)。 x2=1:7。 p=polyfit(t,y,2)。 y2=polyval(p,x2)。 figure(1) plot(t,y, 39。o39。,x2,y2) title(39。?? 與年份擬合曲線 39。) %?? 代表 所輸入的因 素 % xlabel(39。年份序號 39。) ylabel(39。?? 39。) 28 20xx 年 — 20xx 年的房價(jià)預(yù)測程序 A=[24624 26438 28253 30068 ]。 B=[117495 134660 153385 173670 ]。 C=[ ]。 D=[ ]。 Y=*()+*()*()+*()+5642.4。 disp(Y) 房價(jià)走勢擬合曲線 圖畫法程序 t=[1 2 3 4 5 6 7 9 10 11 12] 39。 y=[ 11553 12418 13799 18698 21251 24034 27045 ]。 X1=[ones(size(t)) t t.^2]。 29 a=X1\y。 disp(a)。 x2=1:12。 p=polyfit(t,y,2)。 y2=polyval(p,x2)。 figure(1) plot(t,y, 39。o39。,x2,y2) title(39。房價(jià)走勢擬合曲線 39。) xlabel(39。年份序號 39。) ylabel(39。房價(jià)（元） 39。)