基于多因素LOGISTIC的城市房地产价格预测模型研究

论文摘要

房价问题一直是社会关注的热点问题。作为支柱产业,住房问题解决的好坏直接影响国民经济的持续稳定发展和社会的安定团结,而住房问题的核心就是房价问题。近几年来,我国经济发展迅速,流动性过剩特征明显,购房者购房热情高涨推动房价不断上涨。然而自从2007年11月份以来,出现很多新的情况:销量开始下滑,部分城市房价开始下跌。房价将何去何从引起了全国人民的关注。然而关于房地产价格预测的研究还不多,本文试图从这方面做一些有意义的探索。本文从研究房地产价格的因素入手,系统考察了国内外关于房地产价格研究方面的成果,全面把握了有关房地产价格研究的前沿动态,为本论文研究奠定了基础。进而总结了解释房地产价格的四大理论,并着重分析房地产供需理论,对住宅需求函数和供给函数进行了理论推导。然后,对中国房价进行历史回顾,分析我国房地产供需状况,最后,基于中国35个大中城市的2002～2006年的面板数据,以传统的多元线性回归模型做为对比模型,进行多因素LOGISTIC的城市房地产价格预测模型研究。研究表明,基于最小二乘多元回归分析所构建的模型一的预测准确率达到81.6%;而基于LOGISTIC回归分析所构建的模型二的预测准确率达到86.2%。认为LOGISTIC回归模型较传统多元线性回归模型在房地产价格预测方面具有较大优势。同时,研究还表明:当年住宅销售价格指数、销售面积增长率、竣工面积增长率、利率变化百分比是影响下年住宅价格变化的重要因素。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究目的和意义
• 1.2 房地产价格影响因素及房地产价格预测相关研究现状
• 1.2.1 国内外房地产价格影响因素方面的研究
• 1.2.2 房地产价格预测相关研究现状
• 2 房地产价格影响因素概述
• 2.1 房地产价格的影响因素
• 2.1.1 房地产价格的特征
• 2.1.2 房地产价格的构成
• 2.1.3 房地产价格的影响因素
• 2.2 解释房地产价格的四大理论
• 2.2.1 房地产市场的需求和供给
• 2.2.2 住宅需求函数的理论推导
• 2.2.3 住宅供给函数的理论推导
• 3 中国城市房地产价格预测
• 3.1 中国房价历史回顾
• 3.2 中国房市供求关系分析
• 3.2.1 中国房地产供需状况
• 3.2.2 往年供求关系的变化
• 3.2.3 中国房市未来供应量分析
• 3.2.4 中国房地产需求量分析
• 3.2.5 影响房价的其他因素
• 4 预测模型的构建
• 4.1 样本和建模变量的选择
• 4.2 预测模型构建的方法
• 4.3 建模变量的描述性统计和相关性分析
• 4.4 构建预测模型
• 4.4.1 构建多元线性回归模型（模型一）
• 4.4.2 构建基于LOGISTIC回归的预测模型（模型二）
• 4.4.3 两种方法预测结果的对比及LOGISTIC预测模型的优点
• 5 结论
• 参考文献
• 附录A 35大中城市原始数据
• 攻读硕士学位期间发表学术论文情况
• 攻读硕士学位期间参加科研课题情况
• 致谢