房价变动优化分析

　　2.3.2 统计推断检验
　　从回归分析结果看,可决系数R2=0.916,拟合度较高；给定α=0.05,查t分布表,在自由度为n-4=11时得临界值2.2,其中只有X4的t值小于临界值,其他变量均对商品住房价格有显著性影响,考虑由于多重共线性引起的。
　　2.3.3 计量经济学检验
　　(1)做多重共线性检验,得到如下相关系数矩阵，见表2。
　　由相关性系数矩阵可以看出,各变量相互之间的相关系数较高,证实确实存在多重共线性。
　　(2)自相关检验。
　　对所估计的模型做残差图,得出以下结果。
　　DW检验：对应样本数为15，2个预测变量的模型、0.05显著水平,查DW统计表可知,dL=0.69,dU=1.97,模型中DW=2.110,dU<2.110<4-dU，表明模型不存在自相关。
　　(3)统计分析与异方差检验。
　　由SPSS软件计算，得到表3、表4数据。
　　
　　3 模型优化分析
　　
　　下面从两个方面来考虑未来房价的走向。
　　3.1 政策出台的干扰
　　参考国家统计局中土地交替价格指数,结合当年政府出台的政策,人为的改变原始数据会对房价产生巨大的影响。政策使得房价上涨的比率增加,房价上涨速度超出中低收入居民的消费水平。如从2007的高房价到2008年的低迷期，再到2009年的急剧增长,这和2008年国际金融危机后我国出台的部分政策有关。
3.2 市场投机的干扰
　　图2形象地说明了市场投机给房价带来的影响。
　　房价的上升使一部分投机者开始大量投资房地产,使短期内需求曲线d2迅速移动到d1,房价p4涨到房价p3；然而供给曲线随之由s2平移到s1。当国内经济发展不景气时,这些投机者又很快撤资,需求回落到d2,房价变动到p1。市场投机对房价的影响显而易见。
　　
　　4 结 论
　　
　　由上述分析,GM(1,1)模型在不知道原始数据分布的先验特征,对无规则或服从任何分布的任意光滑离散的原始序列,通过有限次的生成,即可转化成有规则序列；但是随着时间的推移,该模型对随机性、波动性较大的数据拟合较差,预测精度降低。虽然灰色-马尔科夫模型弥补了这一缺点,却无法对预测问题随时间变化出现波动这一现象给出精确的预测。而通过分析影响房价的尤为突出的几个因素,结合政府的调控和投机市场的变化分析,给出了优化模型后的几点建议。
　　大力发展城市经济,增加居民收入水平,出台相关的法律政策以限制防止“炒房商”的投机行动。
　　影响商品住宅价格的因素很多,对其量化的实证研究工作是巨大而富有挑战性的,而且是很有必要的。我们决定从细化市场开始研究,并考虑除了线性拟合外是否还有其他更好的函数拟合。
　　
　　参考文献：
　　［1］刘艺婷.我国商品住房价格的计量经济模型预测研究［J］.企业导报,2009:40-42.
　　［2］赵丽莉.影响北京市商品住宅价格因素的实证分析［D］.北京：北京化工大学,2007.
　　［3］贾璐熙,王桓辉.基于多目标规划模型的房价探讨与实证分析［J］.金融理论与实践,2010:81-83.
　　［4］王礼霞,夏乐天.灰色-马尔科夫链模型在股市预测中的应用［J］.中国科技论文在线,2009,2(1)：109-113.
　　［5］李东月,马智胜.灰色GM(1,1)模型在房价预测中的算法研究［J］.行业探讨,2006(9)：96-98.
　　［6］樊相如,唐海仕.灰色-马尔科夫模型在高科技企业销售预测中的应用［J］.技术经济,2004(6)：48-49.
　　［7］杨华.房价分析模型及对策［J］.武汉工业学院学报,2008,27(1):89-93.
　　［8］成鸿飞,王江鹏,于琴.基于MATLAB的房价预测与调控模型研究［J］.经济管理与科学决策,2010(6)：123-124