建模論文抑制房地產(chǎn)投機(jī)問題(參考版)
2025-01-12 17:51本頁面
【正文】 [b,bint,r,rint,stats]=regress(y,x)。 y=[,]39。 x2=[,]39。 [b,bint,r,rint,stats]=regress(y,x)。 y=[,]39。 12 x2=[,303]39。+39。spline39。 xi=。) （ 4）商品房成交價(jià)與 人民幣貸款利率的關(guān)系圖程序： X=[,]。) plot(X,Y,39。 yi=interp1(X,Y,xi,39。 Y=[,]。+39。spline39。 xi=。) （ 2）商品房成交價(jià)與 銷售面積關(guān)系圖程序： X=[ ,]。) plot(X,Y,39。 yi=interp1(X,Y,xi,39。 Y=[,]。 [10]、 2022年浙江省統(tǒng)計(jì)年鑒。 [8]、浙江省統(tǒng)計(jì)信息網(wǎng)。 [5]、周曉東，文啟湘，房地產(chǎn)行業(yè)價(jià)格因素分析及實(shí)證研究，經(jīng)濟(jì)經(jīng)緯， 2022（ 5）：8083。 [4]、時(shí)筠侖，雷星暉，蘇濤永，房價(jià)波動(dòng)與影響因素分析。 [3]、包宗華 .怎樣看待我國住房價(jià)格。本文提出的關(guān)于房價(jià)的數(shù)學(xué)模型對(duì)于實(shí)際的預(yù)測(cè)是有參 考作用的。 模型中用的一些數(shù)據(jù)會(huì)是人的一些經(jīng)驗(yàn)所得，所以會(huì)有一些誤差。 模型考慮的比較全面，運(yùn)用此模型可以十分準(zhǔn)確地推測(cè)出各因素對(duì)房價(jià)的影響比重。 問題（ 5）的解答： 提高首付金額，降低銷售面積，降低銀行利率 。 問題（ 3）的求解： 由模型可看出隨著首付比例，銀行利率的增加，房價(jià)的增長趨勢(shì)逐漸減緩，房價(jià)的增長趨勢(shì)減緩房地產(chǎn)投機(jī)。房價(jià)的逐漸上升產(chǎn)生了房地產(chǎn)投機(jī)。 說明房價(jià)的形成于銷售面積和銀行貸款利率有關(guān)，隨著銷售 面積和貸款利率的增加而逐漸變大。 由模型可得房價(jià)的高低與銷售面積和銀行的貸款利率有關(guān)； 8 （ 2）殘差分析 ，做殘差圖： 1 2 3 4 5 6 7 8 1 0 0 0 5 0 0050010001500R e s i d u a l C a s e O r d e r P l o tResidualsC a s e N u m b e r 從殘差圖可以看出，除了第 5 個(gè)數(shù)據(jù)外，其余數(shù)據(jù)的殘差離零點(diǎn)均較近，且殘差的置信區(qū)間均包含零點(diǎn)，這說明回歸模型 y=80588+15x125625x3+1854x3^2 能較好的符合原始數(shù)據(jù)，而第 5個(gè)點(diǎn)可視為異常點(diǎn)。將變量 b2， b4去掉。 表（ 2）的回歸系數(shù)給出了模型（ 4）中 b0,b1,b2,b3,b4,b5 的估計(jì)值，即b0=80588,b1=15,b2=0,b3=25625,b4=0,b5=1854。 綜合上面的分析，結(jié)合模型（ 1）和（ 2）和（ 3）建立如下的回歸模型 y=b0+b1x1+b2x2+b3x3+b4x1^2+b5x3^2+E (4) 直接利用 matlab統(tǒng)計(jì)工具箱中的命令 regress 求解，使用格式為： [b,bint,r,rint,stats]=regress(y,x,alpha) 其中輸入 y為模型（ 5）中 y的數(shù)據(jù)， x為對(duì)應(yīng)于回歸系數(shù) b=(b0,b1,b2,b3,b4,b5)的數(shù)據(jù)矩陣 [1， x1,x2, x3,x1^2,x3^2],alpha 為置信水平 a(缺省時(shí)為 a=)；輸出b 為 b 的估計(jì)值 ,bint 為 b 的置信區(qū)間， r 為殘差向量， rint 為 r 的置信區(qū)間， stats7 為回歸模型的檢驗(yàn)統(tǒng)計(jì)量，有 3 個(gè)值，第 1 個(gè)是回歸方程的決定系數(shù) r^2,第 2 個(gè)是 F統(tǒng)計(jì)量值，第 3個(gè)是與統(tǒng)計(jì)量對(duì)應(yīng)的概率值 p。圖（ 33）的 的散點(diǎn)圖可以
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1