基于r語(yǔ)言的上海房?jī)r(jià)預(yù)測(cè)模型(參考版)
2025-06-21 17:35本頁(yè)面
【正文】 因此，給出的預(yù)測(cè)的模型，能夠?qū)θ绾螌?duì)房?jī)r(jià)進(jìn)行控制給出一些建議。但是從最后的預(yù)測(cè)效果來看，雖然存在誤差，但是不失為一種合理的方法。另外，作為應(yīng)用統(tǒng)計(jì)專業(yè)出身，不僅要學(xué)會(huì)R語(yǔ)言的命令語(yǔ)句，還要掌握其背后的理論公式及其實(shí)現(xiàn)過程和方法。本文從用R語(yǔ)言讀入數(shù)據(jù)表，到做初步的相關(guān)分析和一元非線性和多元線性回歸，各個(gè)步驟的實(shí)施，對(duì)R語(yǔ)言基本操作和軟件包有了一個(gè)更深入的了解和認(rèn)識(shí)，為進(jìn)一步的學(xué)習(xí)打下了基礎(chǔ)。比如可以通過中央人民銀行對(duì)于貸款利率的增加，減少投資者的過度投機(jī)行為，使土地拍賣價(jià)格降低，直接降低房屋成本，同時(shí)貸款利率的增加減少了房地產(chǎn)商的貸款，使房地產(chǎn)商資金面收緊，迫使其降價(jià)賣出現(xiàn)有房屋，已達(dá)到回籠資金償還原來貸款的目的。根據(jù)多元線性模型，房?jī)r(jià)與各個(gè)自變量的正負(fù)相關(guān)性就是各個(gè)變量前系數(shù)的正負(fù)。自變量增長(zhǎng)率2012年2013年2014年人均生產(chǎn)總值10%90816人均可支配收入10%39853商品零售價(jià)格指數(shù)2%住宅投資總額7%1718,89帶入回歸方程，則可得多元線性方程預(yù)測(cè)的三年房?jī)r(jià)的值為：201220132014 預(yù)測(cè)模型的對(duì)比評(píng)價(jià)通過收集實(shí)際數(shù)據(jù)，與兩個(gè)預(yù)測(cè)模型進(jìn)行對(duì)比，可對(duì)預(yù)測(cè)的結(jié)果進(jìn)行評(píng)價(jià)得到結(jié)果如下：兩個(gè)模型預(yù)測(cè)房?jī)r(jià)與實(shí)際房?jī)r(jià)的對(duì)比：201220132014實(shí)際房?jī)r(jià)2569129537（截止到5月）無時(shí)間指數(shù)模型預(yù)測(cè)值與實(shí)際的偏差比例%%無多因素回歸模型預(yù)測(cè)值與實(shí)際的偏差比例%%無則可知，指數(shù)模型和多因素線性回歸模型均得到較好的預(yù)測(cè)值，預(yù)測(cè)偏差均非常小。通過三次逐步回歸，則最終得到最優(yōu)的多元線性模型為：從該模型分析可知，在所選的因素中，：人均生產(chǎn)總值；：人均可支配收入；：商品零售價(jià)格指數(shù)； ：住宅投資總額等因素被保留了下來，而：常住人口；：住房竣工面積； ：居民居住消費(fèi)價(jià)格指數(shù)被剔除，特別是和本應(yīng)該對(duì)房?jī)r(jià)產(chǎn)生直接影響，通過分析可知，上海市住房竣工面積并不是逐年增加或減少等的規(guī)律性變化，呈現(xiàn)無規(guī)律性，這導(dǎo)致它在作為影響因素發(fā)揮的作用大大減小，而為何也被剔除，在我的能力范圍內(nèi)，分析認(rèn)為可能是因?yàn)槠潆S時(shí)間變化緩慢造成的。根據(jù)P值的大小，選擇剔除變量，繼續(xù)對(duì)回歸模型進(jìn)行優(yōu)化則R語(yǔ)言程序：reg3=lm(ym~x1+x2+x3+x6+x7) summary(reg3)得到如下結(jié)果： 繼續(xù)剔除，Reg4=lm(ym~x1+x2+x3+x6) summary(reg4)得到如下結(jié)果：對(duì)結(jié)果整理得：估計(jì)值標(biāo)準(zhǔn)差T
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1