我国房地产价格影响因素分析及房地产价格预测

论文摘要

本文利用聚类分析、因子分析与改进的因子分析方法对我国房地产价格的影响因素进行统计分析,并用非参数自回归模型与贝叶斯动态预测模型对房屋销售价格指数进行了建模、预测。主要内容包括：(1)应用聚类分析、非参数检验等构成的指标动态筛选方法对影响我国房地产价格的指标进行了选择。(2)基于所选择的指标,应用因子分析方法对我国各地区房地产业进行综合评价,但是,目前普遍采用的因子分析综合评价法存在着评价函数中指标权系数分配不合理,从而导致评价结果不能正确反映实际情况的缺点。本文采用了改进的因子分析方法,使得评价函数中指标权系数分配比较合理,为进一步发展和完善综合评价方法提供合理的信息。(3)基于国家统计局所公布的房屋销售价格指数数据,采用非参数自回归模型建立了我国房屋销售价格指数的非参数自回归模型,并进行了预测。(4)采用贝叶斯方法建立了我国房屋销售价格指数的贝叶斯动态预测模型。并将其预测结果与非参数自回归模型的预测结果进行了比较,结果表明贝叶斯动态预测模型的预测效果具有明显的优越性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及意义
• 1.2 研究现状
• 1.2.1 聚类分析
• 1.2.2 因子分析
• 1.2.3 贝叶斯动态预测模型
• 1.2.4 非参数自回归模型
• 1.3 本文的研究目的和主要内容
• 1.4 小结
• 2 影响房地产价格的指标选取
• 2.1 指标选择方法的具体步骤
• 2.2 实证研究
• 2.3 小结
• 3 我国各地区房价的综合评价分析
• 3.1 因子分析方法的原理及其在综合评价中的适用性
• 3.1.1 因子分析方法的基本原理
• 3.1.2 在综合评价中的适用性
• 3.1.3 因子分析综合评价中存在的问题
• 3.1.4 因子分析综合评价方法的改进
• 3.2 实证研究
• 3.2.1 传统因子分析方法进行综合评价
• 3.2.2 改进方法的有效性验证
• 3.3 结果比较
• 3.4 小结
• 4 房屋销售价格指数的非参数自回归模型
• 4.1 非参数自回归模型
• 4.1.1 非参数预测
• 4.1.2 非参数自回归预测模型的建立
• 4.2 实证研究
• 4.3 小结
• 5 房屋销售价格指数的贝叶斯动态预测模型
• 5.1 贝叶斯动态预测模型
• 5.1.1 动态线性模型
• 5.1.2 单变量线性贝叶斯动态模型
• 5.1.3 常均值折扣模型
• 0和C₀的选取'>5.1.4 初始值m₀和C₀的选取
• l与折扣因子δ的确定'>5.1.5 观测误差υ_l与折扣因子δ的确定
• 5.2 实证研究
• 5.3 结果比较
• 5.3.1 两种模型拟合效果对比分析
• 5.3.2 两种模型事后预测效果对比分析
• 5.4 小结
• 6 结论
• 6.1 本文主要研究结果
• 6.2 有待进一步完善的问题
• 致谢
• 参考文献
• 附录
• Ⅰ 本论文的附表
• Ⅱ 本人在攻读硕士学位期间发表的论文