幾種預(yù)測方法在房地產(chǎn)行業(yè)當中的應(yīng)用學士學位論文

PAGE8第2頁共27頁分類號：O241UDC：D10621-407-(2012)3123-0密級：公開編號：2008062095成都信息工程學院學位論文幾種預(yù)測方法在房地產(chǎn)行業(yè)中的應(yīng)用論文作者姓名：申請學位專業(yè)：信息與計算科學申請學位類別：理學學士論文提交日期：畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導(dǎo)教師的指導(dǎo)下進行的研究工作及取得的成果。盡我所知，除文中特別加以標注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得及其它教育機構(gòu)的學位或?qū)W歷而使用過的材料。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。作者簽名：日期：指導(dǎo)教師簽名：日期：使用授權(quán)說明本人完全了解大學關(guān)于收集、保存、使用畢業(yè)設(shè)計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設(shè)計（論文）的印刷本和電子版本；學校有權(quán)保存畢業(yè)設(shè)計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學?？梢圆捎糜坝?、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學?？梢怨颊撐牡牟糠只蛉績?nèi)容。作者簽名：日期：

學位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進行研究所取得的研究成果。除了文中特別加以標注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律后果由本人承擔。作者簽名： 日期：年月日學位論文版權(quán)使用授權(quán)書本學位論文作者完全了解學校有關(guān)保留、使用學位論文的規(guī)定，同意學校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)大學可以將本學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學位論文。涉密論文按學校規(guī)定處理。作者簽名： 日期：年月日導(dǎo)師簽名：日期：年月日

幾種預(yù)測方法在房地產(chǎn)行業(yè)中的應(yīng)用摘要房地產(chǎn)行業(yè)為國民經(jīng)濟各行業(yè)的存在和發(fā)展提供了物質(zhì)條件，是國家財富的重要組成和主要來源。我國房地產(chǎn)產(chǎn)業(yè)為國民經(jīng)濟的發(fā)展做出了貢獻，改善了我國百姓的居住條件。但同時房地產(chǎn)業(yè)也面臨較為嚴峻的問題和挑戰(zhàn)，引起諸多爭議。本文通過對2011年成都市主城區(qū)房地產(chǎn)的供給、需求和房價等信息，排除影響不顯著的因素，利用回歸、擬合和灰色系統(tǒng)等對2011年成都市主城區(qū)房地產(chǎn)行業(yè)信息數(shù)據(jù)進行分析，對2012年1-3月成都市主城區(qū)房地產(chǎn)行業(yè)信息進行預(yù)測分析，并與實際2012年1-3月份成都市主城區(qū)房地產(chǎn)信息進行橫向?qū)Ρ确治?，得出結(jié)論。關(guān)鍵詞：房地產(chǎn)行業(yè)；回歸；擬合；灰色系統(tǒng)SeveralPredictionMethodsintheRealEstateIndustryAbstractTherealestateindustryprovidedthematerialconditionsfortheexistenceanddevelopmentofvarioussectorsofthenationaleconomy.Itisanimportantcomponentandthemainsourceofnationalwealth.China'srealestateindustryhascontributedtothedevelopmentofthenationaleconomyandimprovethepeople’slivingconditoninChina.Butatthesametimetherealestateindustryisalsofacingmoreseriousproblemsandchallenges.Thishascausingalotofcontroversy.Inthispaper,Iuseregression,fittingandgraysystemanalyzetheinformationdataontherealestateindustryoftheChengduCityin2011bysupply,demandandpricesandotherinformationonthe2011ChengduCityrealestate(Excludefactorshadnosignificanteffect),PredictandanalyzetherealestateindustryinformationfortheJanuary-March2012ofthemaincityinChengdu,andcarryouthorizontalcomparativeanalysisofthepracticalChengduCityrealestateinformationinJanuarytoMarch2012,atlastconcluded.Keywords:realestateindustry;regression;fitting;graysystem目錄論文總頁數(shù)：30頁TOC\o"1-3"\h\u1 引言 11.1 課題背景 11.2 本課題研究的意義 11.3 本課題的研究方法 12 建立線性回歸和曲線擬合模型 22.1 擬合函數(shù)的基本規(guī)則 22.2 符號約定 22.3 建立模型 22.4 模型求解 32.5 模型檢驗 43 建立離散灰色模型（GM（1，1）模型的離散形式） 93.1 灰色預(yù)測系統(tǒng)基本理論 93.2 GM（1，1）離散型預(yù)測模型 93.3 建立模型 104 計算與結(jié)果分析 165 結(jié)論與建議 17參考文獻 17致謝 18聲明 19附錄 20引言課題背景我國的房地產(chǎn)行業(yè)是在十一屆三中全會以后，伴隨著改革開放的浪潮，經(jīng)過長期孕育應(yīng)用而生的。1988年4月12日，七屆人大一次會議通告憲法修改案，規(guī)定土地使用權(quán)可以依照法律的規(guī)定轉(zhuǎn)讓，從而為房地產(chǎn)行業(yè)的發(fā)展奠定了法律基礎(chǔ)。自從20世紀80年代房地產(chǎn)業(yè)重新興起，90年代進入快速發(fā)展時期以來，我國住房分配和供應(yīng)體制都發(fā)生了根本性的變化，全國房地產(chǎn)開發(fā)投資也得到了迅猛的發(fā)展。近年來，我國房地產(chǎn)產(chǎn)業(yè)為國民經(jīng)濟的發(fā)展做出了貢獻，改善了我國百姓的居住條件。但同時房地產(chǎn)業(yè)也面臨較為嚴峻的問題和挑戰(zhàn)，引起諸多爭議。2011年1月26日，國務(wù)院常務(wù)會議退出八條房地產(chǎn)市場調(diào)整措施（新國八條），其以擠出投資需求緩和供求矛盾，進而調(diào)整房價為目的，主要針對政府與消費者出臺的相關(guān)條文進行約束。其中差別化信貸、增加土地供應(yīng)、加強保障房建設(shè)、稅收調(diào)整、市場監(jiān)管、開發(fā)企業(yè)監(jiān)管等政策，主要為對前期政策的收緊式強調(diào)。新國八條對成都樓市影響最大因素為省會必須“在一定時期內(nèi)，要從嚴制定和執(zhí)行住房限購令措施”以及向責目標、對象的明確化。2月15，成都市出臺“限購令”細則，僅針對主城區(qū)限購，重點在保有量上做文章，而非控制購買次數(shù)。2011年初成都市成交量處于高處運行，即使在傳統(tǒng)淡季的2月成交量也達到了約100萬平方米。在開發(fā)商們還沉浸與喜悅中時，2月中成都限購令出臺，3月成都市成交量同比下跌58.5%，環(huán)比降幅更是高達68.7%，之后成交量持續(xù)低迷。10月開發(fā)商為回籠資金，完成年度營業(yè)目標，他們有力借助房交會這個機會加大促銷力度，打出各種促銷優(yōu)惠活動，促使成交量逐漸回升，但同比去年成交量仍處于低迷狀態(tài)。由于11年度對貨幣從緊政策、限價政策、限購都沒有達到預(yù)期，2012年國家仍然會延續(xù)11年度的公民福利政策之路，房地產(chǎn)業(yè)將在擠壓與淘汰中頑強成長。本課題研究的意義房地產(chǎn)行業(yè)為國民經(jīng)濟各行業(yè)的存在和發(fā)展提供了物質(zhì)條件，是國家財富的重要組成和主要來源。所以，購房是每個家庭多要面臨的問題。2011年，伴隨著樓市調(diào)控政策的進行，政府、開發(fā)商和購房者都在不斷的適應(yīng)和學習中。本文從購房者的角度考慮，運用科學的方法對房地產(chǎn)的供求關(guān)系和相聯(lián)關(guān)系的各種因素進行分析，從而進行有效的預(yù)測和調(diào)控。本課題的研究方法通過對2011年成都市主城區(qū)房地產(chǎn)的供給、需求和房價等信息，排除影響不顯著的因素，利用回歸、擬合和灰色系統(tǒng)等對2011年成都市主城區(qū)房地產(chǎn)行業(yè)信息數(shù)據(jù)進行分析，對2012年1-3月成都市主城區(qū)房地產(chǎn)行業(yè)信息進行預(yù)測分析，并與實際2012年1-3月份成都市主城區(qū)房地產(chǎn)信息進行橫向?qū)Ρ确治?，得出結(jié)論。本論文以假設(shè)2012年新國八條的影響因素與2011年一致，忽略經(jīng)濟因素（科學技術(shù)、貨幣價值，物價、工資及就業(yè)率等）、環(huán)境因素，人口因素等情況下，僅以2011年成都市主城區(qū)的房價、需求量，供給量建立模型并進行預(yù)測。建立線性回歸和曲線擬合模型擬合函數(shù)的基本規(guī)則2.1.1擬合函數(shù)能較好的反映出數(shù)據(jù)的變化規(guī)律，不會出現(xiàn)較多的數(shù)據(jù)不符合擬合函數(shù)。2.1.2擬合的函數(shù)計算方便。2.1.3如若遇到不能用一個擬合函數(shù)擬合的數(shù)據(jù)時的情況，可以考慮用分段函數(shù)進行擬合。2.1.4通過比較多項式擬合一般為較好的的擬合函數(shù)，在擬合一組數(shù)據(jù)時應(yīng)當首先考慮用多項式進行擬合，如果擬合效果不佳，則考慮用分段函數(shù)或觀察三點圖的大致走向判斷用什么函數(shù)進行擬合。符號約定表示2011年月份，單位：月份表示2011年月份，單位：月份表示2011年月份，單位：月份表示成都市主城區(qū)房價，單位：元表示成都市主城區(qū)房屋需求量，單位：萬方表示成都市主城區(qū)房屋供給量，單位：萬方表示一個多項式函數(shù)的自變量前面的系數(shù)，對應(yīng)自變量的i次冪，i=0，1，...表示負冪項函數(shù)的自變量前面的系數(shù)，對應(yīng)于自變量的下角標，i=0，1，...建立模型建立模擬函數(shù)模型，由分析可知在本問題中會建立三個模擬函數(shù)。通過觀察該數(shù)據(jù)的散點圖，可以做出不同的嘗試擬合該數(shù)據(jù)，為了較好的擬合該數(shù)據(jù)和計算方便，采用多項式進行擬合為最佳。首先由表一建立2011年1月至12月中時間與成都市主城區(qū)房價的函數(shù)關(guān)系：。再由表二建立2011年1月至12月中時間與成都市主城區(qū)房屋需求量的函數(shù)關(guān)系：。最后由表三建立2011年1月至12月中時間與成都市主城區(qū)房屋供給量的函數(shù)關(guān)系：。注：每個函數(shù)多項式表達式中的不一定相等，只是一個代號，下面一樣不多解釋。模型求解運用數(shù)學工具matlab軟件,可以擬合該數(shù)據(jù)，通過多次試驗得到結(jié)果如下：2.4.1時間與成都市主城區(qū)房價的函數(shù)關(guān)系：模擬函數(shù)圖形為：（見附錄程序2.1.1）2.4.2時間與成都市主城區(qū)房屋需求量的函數(shù)關(guān)系：模擬函數(shù)圖形為：（見附錄程序2.2.1）2.4.3時間與成都市主城區(qū)房屋供給量的函數(shù)關(guān)系：模擬函數(shù)圖形為：（見附錄程序2.3.1）模型檢驗2.5.1殘差分析：在2.4.1時間與成都市主城區(qū)房價的函數(shù)關(guān)系中，通過Mtalab的figure窗口中點擊tools在其子菜單中點擊BasicFitting選擇我們擬合的多項式次數(shù)就可以做出該問題的殘差圖（如下圖所示），從殘差圖上可以看出，這些數(shù)據(jù)的殘差離零點均較近，且殘差的置信區(qū)間均包含零點，這說明回歸模型能較好的符合原始數(shù)據(jù)。該擬合函數(shù)的殘差平方和為：39.55時間與成都市主城區(qū)房價的函數(shù)的殘差圖（見附錄程序2.1.2）時間與成都市主城區(qū)房價的函數(shù)殘差及置信區(qū)間圖（見附錄程序2.1.3）在2.4.2時間與成都市主城區(qū)房屋需求量的函數(shù)關(guān)系中，如上殘差分析所示，同樣可以做出該問題的殘差圖與殘差及置信區(qū)間圖（如下圖所示），從殘差圖與殘差及置信區(qū)間圖可以看出，這些數(shù)據(jù)的的殘差離零點均較近，且殘差的置信區(qū)間均包含零點，這說明回歸模型能較好的符合原始數(shù)據(jù)。該擬合函數(shù)的殘差和為：12.34時間與成都市主城區(qū)房屋需求量的函數(shù)的殘差圖（見附錄程序2.2.2）時間與成都市主城區(qū)房屋需求量的函數(shù)殘差及置信區(qū)間圖（見附錄程序2.2.3）在2.4.3時間與成都市主城區(qū)房屋供給量的函數(shù)關(guān)系中，通過Mtalab我們可以做出該問題的殘差圖（如下圖所示），從殘差圖上可以看出，這些數(shù)據(jù)的殘差離零點均較近，且殘差的置信區(qū)間均包含零點，這說明回歸模型能較好的符合原始數(shù)據(jù)。該擬合函數(shù)的殘差平方和為：41.47時間與成都市主城區(qū)房屋供給量的函數(shù)的殘差圖（見附錄程序2.3.2）時間與成都市主城區(qū)房屋供給量的函數(shù)殘差及置信區(qū)間圖（見附錄程序2.3.3）2.5.2基本檢驗：由數(shù)理統(tǒng)計學可以知道，檢驗回歸模型統(tǒng)計量有三個數(shù)值可以反映出擬合良好程度：1、相關(guān)系數(shù)越接近1，說明回歸方程越顯著；2、F值，F(xiàn)越大，說明回歸方程越顯著；3、與F對應(yīng)的概率p，時（缺省為0.05），回歸模型成立。在2.4.1時間與成都市主城區(qū)房價的函數(shù)函數(shù)擬合得出下列數(shù)據(jù)：回歸系數(shù)回歸系數(shù)估計值回歸系數(shù)置信區(qū)間b09654(9232,1.008e+04)b1-233(-793.5,327.4)b2206.7(-35.11,448.5)b3-43.82(-88.82,1.182)b43.648(-0.1047,7.401)b5-0.1069(-0.222,0.008148)=0.968F=36.328287390981p=0.000206885554通過上表可知：相關(guān)系數(shù)1，則說明回歸方程越顯著；P=0.000206885554<0.05,回歸方程越顯著；通過程序我們可知：F=36.328287390981>F(p,n-p-1)=4.387374187406129則回歸方程越顯著。由以上推斷論斷知，該擬合函數(shù)還是比較符合數(shù)據(jù)點。在2.4.2時間與成都市主城區(qū)房屋需求量的函數(shù)擬合得出下列數(shù)據(jù)：回歸系數(shù)回歸系數(shù)估計值回歸系數(shù)置信區(qū)間b0158.1(111.5,204.6)b1-53.95(-83.72,-24.19)b27.441(2.227,12.65)b3-0.3058(-0.5701,-0.04145)=0.8002F=10.6786920285537p=0.0035954318069通過上表可知：相關(guān)系數(shù)1，則說明回歸方程越顯著；2、P=0.0035954318069<0.05,回歸方程越顯著；3、通過程序我們可知：F=10.6786920285537>F(p,n-p-1)=4.066180551351160則回歸方程越顯著。由以上推斷論斷知，該擬合函數(shù)還是比較符合數(shù)據(jù)點。在2.4.3時間與成都市主城區(qū)房屋供給量函數(shù)擬合得出下列數(shù)據(jù)：回歸系數(shù)回歸系數(shù)估計值回歸系數(shù)置信區(qū)間b0-5.491(-448.9,437.9)b197.12(-490.6,684.9)b2-50.2(-303.8,203.4)b310.9(-36.3,58.09)b4-0.9725(-4.908,2.964)b50.03035(-0.09033,0.151)=0.6738F=24.78179928419p=0.0149979179577通過上表可知：相關(guān)系數(shù)1，則說明回歸方程越顯著；P=0.0149979179577<0.05,回歸方程越顯著；3、通過程序我們可知：F=24.78179928419>F(p,n-p-1)=4.387374187406129則回歸方程越顯著。由以上推斷論斷知，該擬合函數(shù)還是比較符合數(shù)據(jù)點。建立離散灰色模型（GM（1，1）模型的離散形式）灰色預(yù)測系統(tǒng)基本理論灰色預(yù)測方法是鄧聚龍先生的灰色理論中的一個有機組成部分，是基于灰色動態(tài)系統(tǒng)模型（GreyDynamicModel,簡稱GM）。房地產(chǎn)行業(yè)價格，需求，供給結(jié)構(gòu)復(fù)雜，形成過程中影響因素眾多，具有明顯的灰色信，因而完全可以用灰色系統(tǒng)理論進行預(yù)測。GM（1，1）離散型預(yù)測模型灰色預(yù)測模型稱為GM模型，G為Grey的第一個字母，M為Model的第一個字母，而（1，1）表示一階的，一個變量的微分方程型預(yù)測模型。GM（1，1）是一階單序列的線性動態(tài)模型，主要用于時間序列的預(yù)測。3.2.1GM(1,1)原始模型：設(shè)，則稱為GM(1,1)模型的原始形式。3.2.2GM(1,1)離散模型：稱為GM(1,1)模型的離散形式。3.2.31-AGO序列：設(shè)為非負序列，其中，。則為的1-AGO序列，，其中。3.2.4白化方程（影子方程）：若為參數(shù)列且則GM（1，1）模型的離散形式的最小二乘估計參數(shù)列滿足稱為GM(1,1)離散模型的白化方程，也叫影子方程。其中為待定系數(shù)，為發(fā)展系數(shù)，為灰色作用量。3.2.5時間響應(yīng)函數(shù)、時間響應(yīng)序列、還原值：白化方程的解稱為時間響應(yīng)函數(shù)。為的時間相應(yīng)序列。還原值為建立模型3.3.1房價模型根據(jù)數(shù)據(jù)得：=（9573,9773,9854,10020,10176,10135,10075,10010,9975,9982,9971,9950）；對作1-AGO，得：=（9573，19346，29200，39220，49396，59531，69606，79616，89591，99573，109544，119494）；于是：對離散形式進行最小二乘估計，得：（見附錄程序3.3.1）確定模型為：時間響應(yīng)式為：求的模擬值：(9573.00000,19534.03758,29501.45022,39475.24201,49455.41703,59441.97935,69434.93308,79434.28230,89440.03110,99452.18358,109470.74384,119495.71597)還原求出的模擬值，由得：（9573.00067,9960.68208,9967.05896,9973.43991,9979.82496,9986.21409,9992.60732,9999.00463,10005.40604,10011.81155,10018.22116,10024.63487）檢驗誤差：殘差為則可算出殘差平方和為：相對誤差為則計算出平均相對誤差3.3.2需求量模型根據(jù)數(shù)據(jù)得：=（107.1,98.74,32.87,33.81,43.2,43.93,42.06,49.2,48.1,54,52.94,58.71）；對作1-AGO，得：=（107.1,205.84,238.71,272.52,315.72,359.65,401.71,450.91,499.01,553.01,605.95,664.66）；于是：對離散形式進行最小二乘估計，得：（見附錄程序3.3.2）確定模型為：時間響應(yīng)式為：求的模擬值：(107.10000,162.20926,216.39434,269.67074,322.05369,373.55818,424.19894,473.99045,522.94696,571.08247,618.41075,664.94533)還原求出的模擬值，由得：(107.10000,55.1092,54.18508,53.27640,52.38295,51.50449,50.64076,49.79151,48.95651,48.13551,47.32828,46.5346)檢驗誤差：殘差為則可算出殘差平方和為：相對誤差為則計算出平均相對誤差3.3.3供給量模型根據(jù)數(shù)據(jù)得：=（66.1,18.1,73.7,94.1,72.9,83.7,82.1,167,214,125,129,158）；對作1-AGO，得：=（66.1,84.2,157.9,252,324.9,408.6,490.7,657.7,871.7,996.7,1125.7,1283.7）；于是：對離散形式進行最小二乘估計，得（見附錄程序3.3.3）確定模型為：時間響應(yīng)式為：求的模擬值：（66.10000,134.05607,208.79620,290.99764,381.40524,480.83823,590.19763,710.47364,842.75833,988.24820,1148.26233,1324.2597）還原求出的模擬值，由得：(66.10000,67.95607,74.74013,82.20144,90.40760,99.43299,109.35940,120.27601,132.28469,145.48987,160.01413,175.99737）檢驗誤差：殘差為則可算出殘差平方和為：相對誤差為則計算出平均相對誤差（由于數(shù)據(jù)二異常這里排除數(shù)據(jù)二進行誤差分析）計算與結(jié)果分析分別對回歸、擬合模型和離散灰色系統(tǒng)模型預(yù)測。根據(jù)模型進行相關(guān)計算,可得2012年成都市主城區(qū)1-3月份的房價、需求，供給等信息的預(yù)測值。對比2012年1-3月份成都房地產(chǎn)白皮書中的數(shù)據(jù),計算出相對誤差。如下表：回歸、擬合模型：1月房價（元）2月房價（元）3月房價（元）1月需求2月需求3月需求1月供給2月供給3月供給預(yù)測值9784.06639311.30248276.812542.436422.12089213.73905387.9874758.02775實際值982694168918472687161737相對誤差0.43%1.11%7.19%9.71%14.92%95.12%GM（1，1）離散型預(yù)測模型：1月房價（元）2月房價（元）3月房價（元）1月需求2月需求3月需求1月供給2月供給3月供給預(yù)測值10031.3881210037.8082110044.2324645.7542044.986944.23247193.54824212.88008234.13189實際值982694168918472687161737相對誤差-2.09%-6.6%-12.63%2.65%73.03%49.16%根據(jù)上表中可以看出，兩種模型對房價的預(yù)測都比較準確，回歸、擬合模型預(yù)測值的相對誤差分別為0.43%、1.11%與7.19%，離散型模型預(yù)測值的相對誤差分別為-2.09%、-6.6%與-12.63%?；貧w、擬合模型中預(yù)測房價走勢比較接近實際值，而離散型模型的預(yù)測值為上漲趨勢不符合現(xiàn)實。對1月份需求量的預(yù)測，回歸、擬合模型預(yù)測值的相對誤差為9.71%，而離散型模型的預(yù)測值的相對誤差為2.65%，相對準確。2月份對于房地產(chǎn)行業(yè)是傳統(tǒng)的銷售淡季，而且2012年傳統(tǒng)農(nóng)歷新年在1月末至2月份，所以加大了對2月份需求量的影響?；貧w、擬合模型預(yù)測值的相對誤差為14.92%，而離散模型預(yù)測值的相對誤差為73.03%。11年同期之所以需求量保持在高位是因為當時市場盛傳成都要出臺限購政策，引發(fā)了一波“搶購”風潮，屬于特殊情況。3月份的成都市房地產(chǎn)市場回暖，各開發(fā)商也拉開了2012年的房地產(chǎn)行業(yè)大戰(zhàn)的序幕，使得成都市的銷售量上漲至約87萬方，回歸、擬合模型出現(xiàn)了較大的誤差，想對誤差達到了95.12%，離散型模型的誤差值也達到了49.16%。 1月-2月恰逢傳統(tǒng)農(nóng)歷新年，是房地產(chǎn)銷售的傳統(tǒng)淡季，各開發(fā)商大多以消化存量房源和年底掃尾工作為主，因此新增供應(yīng)量非常少。十一屆全國人大五次會議上，溫家寶在政府工作報告中指出，去年我國加強和改善宏觀調(diào)控，遏制物價過快上漲，實現(xiàn)經(jīng)濟平穩(wěn)較快發(fā)展；堅定不移地加強房地產(chǎn)市場調(diào)控，投機、投資性需求得到明顯抑制，多數(shù)城市房價環(huán)比下降，調(diào)控效果正在顯現(xiàn)。溫家寶在報告中指出，2012年要繼續(xù)搞好房地產(chǎn)市場調(diào)控，嚴格執(zhí)行并逐步完善抑制投資、投機性需求的政策措施，進一步鞏固調(diào)控成果，促進房價合理回歸。受諸多方面的影響，且主城區(qū)存量房源依然維持在835萬方的高位，致使供給量大幅縮水，分別只為16萬方和17萬方，3月份初步回暖也只達到了37萬方，同比去年1-3月出現(xiàn)了較大幅度的下降。模型預(yù)測出現(xiàn)了較大的誤差。結(jié)論與建議本文通過對2011年成都市主城區(qū)房地產(chǎn)的供給、需求和房價等信息，排除影響不顯著的因素，利用回歸、擬合和灰色系統(tǒng)等對2011年成都市主城區(qū)房地產(chǎn)行業(yè)信息數(shù)據(jù)進行分析，對2012年1-3月成都市主城區(qū)房地產(chǎn)行業(yè)信息進行預(yù)測分析，并與實際2012年1-3月份成都市主城區(qū)房地產(chǎn)信息進行橫向?qū)Ρ确治?，得出結(jié)論。結(jié)果表明在國家新八條與“限購令”等因素的影響下，2012年第一季度的房價會持續(xù)的平穩(wěn)下降；而需求量會在銷售淡季過后出現(xiàn)“回涌”的現(xiàn)象，出現(xiàn)上漲態(tài)勢；而開發(fā)商在度過了前兩個月的低潮期將上年度的存房量進一步降低與資金回籠后，將展開新一年的房地產(chǎn)大戰(zhàn)，增加供給。參考文獻[1]梅長林，范金城.數(shù)據(jù)分析方法[M].北京：高等教育出版社,2006。[2]王黎明，陳穎，楊楠.應(yīng)用回歸分析[M].上海：負擔大學出版社,2008。[3]李慶揚，王能超，易大義.數(shù)值分析.[M].北京：清華大學出版社,2008。[4]劉思峰，謝乃明.灰色系統(tǒng)理論及其應(yīng)用.[M].北京：科學出版社,2008。[5]姜啟源，葉俊.數(shù)學建模.[M]北京：高等教育出版社,2003。[6]楊韌.MATLAB應(yīng)用.[M]成都信息工程學院,2007。[7]贏商網(wǎng)-匯合天恒成都2011年度房地產(chǎn)市場報告21712405621[1]。[8]成都房地產(chǎn)門戶-搜房房地產(chǎn)網(wǎng),統(tǒng)計中心[OL].http://www.SouF,2011-4-3。[9]基于灰色系統(tǒng)的房地產(chǎn)市場供求預(yù)測[J].商務(wù)現(xiàn)代化,2010,(1):40-44。[10]孫孝雄，任忠，李俊峰.血液流量問題[D].成都:成都信息工程學院[競賽論文],2009。[11]潘亞男.上海世博會對中國的影響力評估.[D].成都:成都信息工程學院[畢業(yè)論文],2011。第29頁共33頁致謝本文是在李勝坤老師的熱情關(guān)心和指導(dǎo)下完成的，他淵博的知識和嚴謹?shù)闹螌W作風使我受益匪淺，對順利完成本課題起到了極大的作用。在此向他表示我最衷心的感謝！在論文完成過程中，本人還得到了各位老師和同學的熱心幫助，本人向他們表示深深的謝意！最后向在百忙之中評審本文的各位專家、老師表示衷心的感謝！作者簡介：姓名：崔俊華性別：男出生年月：1989年09月28日民族：滿E-mail:Cui14@聲明本論文的工作是2012年4月至2011年5月在成都信息工程學院數(shù)學學院完成的。文中除了特別加以標注地方外，不包含他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得成都信息工程學院或其他教學機構(gòu)的學位或證書而使用過的材料。除非另有說明，本文的工作是原始性工作。關(guān)于學位論文使用權(quán)和研究成果知識產(chǎn)權(quán)的說明：本人完全了解成都信息工程學院有關(guān)保管使用學位論文的規(guī)定，其中包括：（1）學校有權(quán)保管并向有關(guān)部門遞交學位論文的原件與復(fù)印件。（2）學校可以采用影印、縮印或其他復(fù)制方式保存學位論文。（3）學?？梢詫W術(shù)交流為目的復(fù)制、贈送和交換學位論文。（4）學?？稍试S學位論文被查閱或借閱。（5）學?？梢怨紝W位論文的全部或部分內(nèi)容（保密學位論文在解密后遵守此規(guī)定）。除非另有科研合同和其他法律文書的制約，本論文的科研成果屬于成都信息工程學院。特此聲明！作者簽名：崔俊華2012年4月28日

附錄2011年1月-2012年3月成都市主城區(qū)房地產(chǎn)行業(yè)數(shù)據(jù)：2011年1月-2012年3月成都市主城區(qū)房價時間（月份）123456789101112123房價（元/）957397739854100201017610135100751001099759982997199509826941689182011年1月-2012年3月成都市主城區(qū)需求量時間（月份）123456789101112123成交面積（）107.198.7432.8733.8143.243.9342.0649.248.15452.9458.714726872011年1月-2012年3月成都市主城區(qū)供給量時間（月份）123456789101112123預(yù)售面積（）94.172.983.782.1167214125129158161737程序2.1.1：x=1:1:12y=[95739773985410020101761013510075100109975998299719950]cftool(x,y)plot(x,y,'*')title('時間與成都市主城區(qū)房價之間的函數(shù)')程序2.2.1：x=1:1:12y=[107.198.7432.8733.8143.243.9342.0649.248.15452.9458.71]cftool(x,y)plot(x,y,'*')title('時間與成都市主城區(qū)房屋需求量之間的函數(shù)')程序2.3.1：x=1:1:12y=[94.172.983.782.1167214125129158]cftool(x,y)plot(x,y,'*')title('時間與成都市主城區(qū)房屋供給量之間的函數(shù)')程序2.1.2：x=1:1:12y=[95739773985410020101761013510075100109975998299719950]cftool(x,y)plot(x,y,'*')title('時間與成都市主城區(qū)房價的函數(shù)的殘差圖')程序2.2.2：x=1:1:12y=[107.198.7432.8733.8143.243.9342.0649.248.15452.9458.71]cftool(x,y)plot(x,y,'*')title('時間與成都市主城區(qū)房屋需求量的函數(shù)的殘差圖')程序2.3.2：x=1:1:12y=[94.172.983.782.1167214125129158]cftool(x,y)plot(x,y,'*')title('時間與成都市主城區(qū)房屋供給量的函數(shù)的殘差圖')程序2.1.3：x=[123456789101112];y=[95739773985410020101761013510075100109975998299719950];x1=x;x2=x.^2;x3=x.^3;x4=x.^4;x5=x.^5;n=length(y);X=[ones(n,1),x1',x2',x3',x4',x5'];[bbintrrints]=regress(y',X);b,bint,s,rcoplot(r,rint)finv(0.95,5,6)title('時間與成都市主城區(qū)房價的函數(shù)殘差及置信區(qū)間圖')程序2.2.3：x=[123456789101112];y=[107.198.7432.8733.8143.243.9342.0649.248.15452.9458.71];x1=x;x2=x.^2;x3=x.^3;n=length(y);X=[ones(n,1),x1',x2',x3'];[bbintrrints]=regress(y',X);b,bint,s,rcoplot(r,rint)finv(0.95,3,8)title('時間與成都市主城區(qū)房屋需求量的函數(shù)殘差及置信區(qū)間圖')程序2.3.3：x=[123456789101112];y=[94.172.983.782.1167214125129158];x1=x;x2=x.^2;x3=x.^3;x4=x.^4;x5=x.^5;n=length(y);X=[ones(n,1),x1',x2',x3',x4',x5'];[bbintrrints]=regress(y',X);b,bint,s,rcoplot(r,rint)finv(0.95,5,6)title('時間與成都市主城區(qū)房屋供給量的函數(shù)殘差及置信區(qū)間圖')程序3.3.1：x01=9573;x02=9773;x03=9854;x04=10020;x05=10176;x06=10135;x07=10075;x08=10010;x09=9975;x10=9982;x11=9971;x12=9950;X0=[x01x02x03x04x05x06x07x08x09x10x11x12];x13=x01;x14=x01+x02;x15=x01+x02+x03;x16=x01+x02+x03+x04;x17=x01+x02+x03+x04+x05;x18=x01+x02+x03+x04+x05+x06;x19=x01+x02+x03+x04+x05+x06+x07;x20=x01+x02+x03+x04+x05+x06+x07+x08;x21=x01+x02+x03+x04+x05+x06+x07+x08+x09;x22=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10;x23=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10+x11;x24=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10+x11+x12;X1=[x13x14x15x16x17x18x19x20x21x22x23x24];B=[x131;x141;x151;x161;x171;x181;x191;x201;x211;x221;x231];Y=[x14;x15;x16;x17;x18;x19;x20;x21;x22;x23;x24];aj=inv(B'*B)*B'*Y程序3.3.2：x01=107.1;x02=98.74;x03=32.87;x04=33.81;x05=43.2;x06=43.93;x07=42.06;x08=49.2;x09=48.1;x10=54;x11=52.94;x12=58.71;X0=[x01x02x03x04x05x06x07x08x09x10x11x12];x13=x01;x14=x01+x02;x15=x01+x02+x03;x16=x01+x02+x03+x04;x17=x01+x02+x03+x04+x05;x18=x01+x02+x03+x04+x05+x06;x19=x01+x02+x03+x04+x05+x06+x07;x20=x01+x02+x03+x04+x05+x06+x07+x08;x21=x01+x02+x03+x04+x05+x06+x07+x08+x09;x22=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10;x23=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10+x11;x24=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10+x11+x12;X1=[x13x14x15x16x17x18x19x20x21x22x23x24];B=[x131;x141;x151;x161;x171;x181;x191;x201;x211;x221;x231];Y=[x14;x15;x16;x17;x18;x19;x20;x21;x22;x23;x24];aj=inv(B'*B)*B'*Y程序3.3.3：x01=66.1;x02=18.1;x03=73.7;x04=94.1;x05=72.9;x06=83.7;x07=82.1;x08=167;x09=214;x10=125;x11=129;x12=158;X0=[x01x02x03x04x05x06x07x08x09x10x11x12];x13=x01;x14=x01+x02;x15=x01+x02+x03;x16=x01+x02+x03+x04;x17=x01+x02+x03+x04+x05;x18=x01+x02+x03+x04+x05+x06;x19=x01+x02+x03+x04+x05+x06+x07;x20=x01+x02+x03+x04+x05+x06+x07+x08;x21=x01+x02+x03+x04+x05+x06+x07+x08+x09;x22=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10;x23=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10+x11;x24=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10+x11+x12;X1=[x13x14x15x16x17x18x19x20x21x22x23