【正文】 A3 D1 D2 A4 E1 E2 圖 12 房地產(chǎn)價格體系評估問題的研究論文 20 由決策樹去我們可各個影響因素的最終權(quán)重： 影響因素 B1 B2 B3 C1 C2 C3 D1 D2 E1 E2 權(quán)重 各個評價指標(biāo)的量化 ：在市場經(jīng)濟(jì)中，商品的調(diào)配主要由市場本身的供求關(guān)系來完成。 圖 11 第一層 ： A1：市場供求狀況 A2: 生活水平指標(biāo) A3：政策導(dǎo)向 A4：住房條件 房地產(chǎn)價格體系評估問題的研究論文 18 各指標(biāo)間的 確定相對重要度： A1 A2 A3 A4 A1 1 4 3 5 A2 1／ 4 1 1／ 2 2 A3 1／ 3 2 1 3 A4 1／ 5 2 1／ 3 1 1 4 3 5 1／ 4 1 1／ 2 2 令 A= 1／ 3 2 1 3 1／ 4 1／ 2 1／ 3 1 權(quán)重 ( 0 .4 9 2 1 , 0 .2 7 1 0 , 0 .1 4 8 0 , 0 .0 8 8 8 ) TW ? (1. 98 13 , 0. 58 41 , 1. 07 95 , 0. 37 53 ) TAW ? 特征向量 1 1 . 9 8 1 3 0 . 5 8 4 1 1 . 0 7 9 5 0 . 3 7 5 3( ) 4 . 0 4 5 64 0 . 4 9 2 1 0 . 1 4 8 0 0 . 2 7 1 0 0 . 0 8 8 8? ? ? ? ? ? 0 .0 1 5 21nCI n? ???? 當(dāng) 4n? 時， ? ,一致性比值 0 .0 1 7 1 0 .1CICR IR? ? ??,通過 一致性檢驗 。 D． 查找隨機(jī) 一致性指標(biāo) RI 取值 ，檢驗是否通過一致性檢驗。 B． 構(gòu)造兩兩比較的判斷矩陣 。我們從市場供求狀況，人民生活 ， 國家政策，人民住房條件這 四個板塊來分析，確定如下指標(biāo)：供求比，房屋租售比，房屋空置率，人均住房面積，房地產(chǎn)在 GDP 中的投資 ， 物價指數(shù)與房價指數(shù)比，稅收政策，房貸利息，空氣質(zhì)量指標(biāo)，市民幸福指數(shù) 。通過比較這兩個因素的系數(shù)（ 地區(qū)生產(chǎn)總值 的單位是萬元），很容易知道 ， 也就是說 地區(qū)生產(chǎn)總值 是最重要的因素。 根據(jù)表 我們得到多元線性回歸模型： 5 457 3 . 0 0 4 1 . 2 8 1 0 0 . 0 0 4y x x?? ? ? ? 這個是最終的方程，回歸方程顯著性檢驗的概率 P值經(jīng)篩選變量后顯著增大，變量間的線性關(guān)系更為顯 著，建立線性模型恰當(dāng)。這一方面說明了判定系數(shù)的自身特性，同時也說明建立回歸方程并不是以一味追求高 的擬合優(yōu)度為唯一目標(biāo)的，還要看是否對被解釋變量有貢獻(xiàn)。 表 16 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) 利用向后篩選策略經(jīng)過六步完成回歸方程的建立，最終模型為第四個模型。 房地產(chǎn)價格體系評估問題的研究論文 16 表 15 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 居民消費指數(shù) .740 地區(qū)生產(chǎn)總值 .000 .581 .665 在 崗工人平均工資 .003 .454 得到回歸模型： 51 2 3 4 53 0 0 . 1 3 8 0 . 0 0 5 0 . 0 0 1 2 . 0 9 9 1 . 2 1 0 0 . 0 0 3y x x x x x?? ? ? ? ? ? ? 結(jié)果可看出： 大多變量的回歸系數(shù)顯著性 t 檢驗的概率 P值都 大于顯著性水平 ? ，因此認(rèn)為偏回歸系數(shù)與被解釋變量的線性關(guān)系是不顯著的，不應(yīng)該保留在方程中，應(yīng)進(jìn)一步改進(jìn)模型。 這里的 P值較大，相應(yīng)的要求 顯著性水平 ? 也要比 較大，才認(rèn)為被解釋變量與解釋變量全體的線性關(guān)系是顯著的。 在總離差平方和中，若回歸平方和占的比例越大，則說明擬合效果越好，于是就用回歸平方和與離差平方和的比例作為評判一 個模型擬合優(yōu)度的標(biāo)準(zhǔn)，稱為樣本決定系數(shù)，記為 2R ： 2 1SSR SSER SST SST? ? ? 第一次多元線性回歸分析 通過 SPSS軟件 （輸出結(jié)果見附錄四） ， 先采用強(qiáng)制進(jìn)入策略，并做多重貢獻(xiàn)性分析 ，得到 以下三幅 表： 表 13 Model R R Square Adjusted R Square Std. Error of the Estimate 1 .919(a) .845 .067 被解釋變量和解釋變量的復(fù)相關(guān)系數(shù) R＝ ,判定系數(shù) R2＝ ，比較接近 1，因此認(rèn)為擬合優(yōu)度符合要求，被解釋變量可以被模型解釋部分較多。因此最終我們考慮如下因素： 城市人口密度 1x ， 年末實有住宅建筑面積 2x ，居民消費指數(shù) 3x ，地區(qū)生產(chǎn)總值 4x ， 在崗工人平均工資 5x 。 預(yù)測各地方的人民生活水平 預(yù)測杭州市的人民生活水平（見圖 7圖 10） 年份 2020 2020 2020 2020 年末實有住宅建筑面積 (萬平方米 ) 11164 12668 14375 居 民 消 費指 數(shù)(去年 =100) 地 區(qū) 生 產(chǎn)總 值( 當(dāng)年價格 )( 萬元 ) 40375000 47415000 55682020 65391000 在崗工人平均工資 (元 ) 37869 42599 47920 53906 2020 2020 2020 2020 2020 2020 202040004500500055006000650070007500800085009000杭州年末實有住宅建筑面積 ( 萬平方米 ) 的實際值杭州年末實有住宅建筑面積 ( 萬平方米 ) 的預(yù)測值 圖 7 房地產(chǎn)價格體系評估問題的研究論文 12 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 20209899100101102103104105106107108杭州以 1999 年為 100 計算的居民消費指數(shù)的實際值杭州以 1999 年為 100 計算的居民消費指數(shù)的預(yù)測值 圖 8 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 20201234567x 1 07杭州地區(qū)生產(chǎn)總值 ( 當(dāng)年價格 )( 萬元 ) 的實際值杭州地區(qū)生產(chǎn)總值 ( 當(dāng)年價格 )( 萬元 ) 的預(yù)測值 圖 9 房地產(chǎn)價格體系評估問題的研究論文 13 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 202011 . 522 . 533 . 544 . 555 . 5x 1 04杭州在崗工人平均工資 ( 元 ) 的實際值杭州在崗工人平均工資 ( 元 ) 的預(yù)測值 圖 10 預(yù)測寧波市的人民生活水平 年份 2020 2020 2020 2020 年末實有住宅建筑面積 (萬平方米 ) 10170 11757 居民消費指數(shù) (去年 =100) 地區(qū)生產(chǎn)總值 (當(dāng)年價格 )(萬元 ) 在崗工人平均工資 (元 ) 30675 33096 35707 38525 預(yù)測上海市的人民生活水平 年份 2020 2020 2020 2020 年末實有住宅建筑面積 (萬平方米 ) 47839 55124 63519 73193 居民消 費指數(shù)(去年 =100) 地區(qū)生 產(chǎn)總值( 當(dāng)年價格 )( 萬元 ) 16678000 18727000 21027000 23609000 在崗工人平均工資 (元 ) 53976 63347 74344 房地產(chǎn)價格體系評估問題的研究論文 14 模型建立 假設(shè)房地產(chǎn)價格指數(shù) y 為 可觀測的隨機(jī)變量，它受到 p 個非隨機(jī)因素 12, , , px x x 和隨機(jī)因素 ? 的影響，且 它們有如下線性關(guān)系： 0 1 1 ppy x x? ? ? ?? ? ? ? ? 其中 01, , , p? ? ? 是 1p? 個未知參數(shù) ， ? 是不可觀測的隨機(jī)誤差，且通常假定 2(0, )N??，y 稱作被解釋變量， ix 為解釋變量，而 0 1 1() ppE y x x? ? ?? ? ? ?為理論回歸方程。經(jīng)過 Matlab 編程（程序見附錄），我們得到一系列形象可觀的圖表來 說明。而上海，預(yù)測值為 ，實際值為 ，雖然相差較大，但由于國家實行了宏觀調(diào)控，在 07 年第四季度的時候房價反彈厲害，已經(jīng)達(dá)到 ，與預(yù)測值 較相近，因此這個預(yù)測值也是 比較合理準(zhǔn)確 的。 0 .0 7 5 8 , 9 8 .4 4 9 5au? ? ? 則該市 房地產(chǎn)價格指數(shù)的 GM(1,1)預(yù)測模型為： ( 0 ) 0. ( 1 ) ( ) i e? ? ? ? ??? 最后輸出 2020－ 2020 年的預(yù)測值分別為： 房地產(chǎn)價格體系評估問題的研究論文 8 擬合效果見圖 3： 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020100120140160180200220以 1999 年為 100 計算的房地產(chǎn)價格指數(shù)的實際值以 1999 年為 100 計算的房地產(chǎn)價格指數(shù)的預(yù)測值 圖 3 還原價格指數(shù) （見表 8） ： 表 8：當(dāng)年值以去年為 100 計算的價格指數(shù) 年份 2020 2