房地产业发展问题Word文档格式.docx

房地产业发展问题Word文档格式.docx

《房地产业发展问题Word文档格式.docx》由会员分享，可在线阅读，更多相关《房地产业发展问题Word文档格式.docx（23页珍藏版）》请在冰豆网上搜索。

华南理工大学

参赛队员（打印并签名）：

1.张蕾蕾

2.辜质敏

3.姚嘉亮

指导教师或指导教师组负责人（打印并签名）：

刘青

日期：

2009年9月8日

赛区评阅编号（由赛区组委会评阅前进行编号）：

编号专用页

赛区评阅记录（可供赛区评阅时使用）：

评

阅

人

分

备

注

全国统一编号（由赛区组委会送交全国前编号）：

全国评阅编号（由全国组委会评阅前进行编号）：

房地产业发展问题

摘要

住房问题是关系民生的大问题，而房地产业健康稳定发展也是作为建设小康社会的一项重要指标。

本文根据已给数据建立了有关房地产市场发展的数学模型，研究了房地产市场发展与经济发展的关系以及影响房地产业发展的因素。

在处理问题一时，我们首先确定了能够反映经济发展的7个重要指标，并将房地产市场发展与经济发展的关系转化为房地产开发投资与这7项指标之间的关系。

对数据进行了初步的处理，然后建立逐步回归模型，通过SPSS对数据进一步进行处理求出回归系数的到最后的回归模型为Y=12.557+0.133∙X1-0.07∙X2-0.017∙X6。

结果表明房地产业发展与经济发展成正相关，房地产的发展对经济有一定的促进作用。

利用线性拟合对2009年该市的房地产市场发展形势进行预测，由于房地产市场受季节影响，我们利用CMA（中心化移动平均值）方法计算出各个季节指数，再用09年的预测值乘以相对应的指数比，即得到09年各个季度的增长预测值。

四个季度的房地产合成指标的预测结果分别为：

30.25，40.07，35.74，58.83。

对于问题二，根据附件一，得出影响房地产业发展的四个因素分别为房地产业利润率、年度家庭全部收入与房价之比、居民个人收入与每平米房价之比、房地产业投资与社会全部固定资产投资之比。

通过SPSS软件聚类分析把2003年至2008年的房地产泡沫现象分为轻度泡沫、中度泡沫以及严重泡沫三个等级，通过Matlab建立学习向量化神经网络（LVQ），并对计算2009年的泡沫程度进行预测根据拟合出来的未来某年的4个因素数据，预测出该年的泡沫程度，并因此对相关部门提出适当的建议。

对于问题三，在确定房地产的健康稳定发展的前提下建立模型三，对2009年开始至2015年的房价进行拟合得出每年增加的社会职工平均工资增加率，并据此得出政府应该采取的相应政策。

关键字：

逐步回归模型；

SPSS；

CMA（中心化移动平均值）；

聚类分析；

LVQ型神经网络；

社会职工平均工资增加率。

1.问题重述

1.1背景

住房问题是关系民生的大问题。

自2001年以来，随着居民生活水平提高，居民消费结构升级带动产业结构升级，工业化进程加快和城镇化率快速提高，使中国经济进入了以住房、汽车、电子通讯、能源和基础原材料业较快发展的新一轮增长周期。

其中，房地产、钢铁、水泥等行业投资迅猛增长，带动了整个固定资产投资的快速增长。

2004年1-2月份固定资产投资完成额增长53％，经济运行中出现了新的不平衡，能源、运输供应紧张，居民消费品价格指数（CPI）开始走高（6月同比上涨5％），中国经济运行出现偏热的迹象。

从2003年下半年开始，房地产业在发展过程中出现了部分地区房地产投资过热、房价上涨过高的现象，各项指标表明中国房地产存在一定程度的泡沫（测定房地产泡沫的指标可参照附件一）。

为保持经济健康稳定的发展，近年来，中央政府综合运用经济、法律和必要的行政手段，以区别对待和循序渐进的方式，对房地产业连续出台了一系列宏观调控政策。

从阶段和性质上分析，可划分为两个阶段。

第一阶段：

2003年以“121号文”为标志，紧缩型房地产调控拉开序幕，2004年调控加强，2005-2006年达到高潮，2007年属于持续阶段，并延续至2008年上半年。

第二阶段：

从2008年下半年开始，由地方到中央，开始放松调控，其性质是松绑，节奏逐渐加快，这是一个过渡性的阶段。

总体来看，调控初见成效。

但房地产市场仍然存在住房供给结构不合理、部分城市房价上涨太快、中低收入居民住房难以满足等问题。

2008年，在世界金融危机和国内经济下行的双重外部压力下，在行业自身调整的内部推动下，全国房地产市场出现了周期性变化，由增长期转变为衰退期，2009年世界经济形势非常严峻，这场百年一遇的金融危机，目前尚看不出何时会到底，最坏的时间或许还没有到来，世界经济步入衰退，已没有什么悬念，这必将对我国房地产业产生巨大影响。

1.2要求

附件二提供了1998——2008年我国相关房地产政策，附件三提供了某城市2003——2008年房地产业的部分数据。

请根据有关数据针对以下问题进行研究：

（1）试建立数学模型阐述房地产市场发展与经济发展的关系，并预测2009年该市的房地产市场发展形势如何？

（2）试建立数学模型分析影响房地产业发展的因素，并阐述该模型对于政府调控房地产市场有何指导作用？

（3）作为建设小康社会的一项重要指标，在房地产业健康稳定发展的前提下（可参照附件一中的部分指标），欲使该市人均住房面积在2015年达到30平方米，政府应采取哪些措施？

2.模型的基本假设

为了简化问题，我们作以下合理的假设：

1.本文模型得出的相关结论是建立在该市所提供的数据基础上的，对于其他城市不一定具有参照性；

2.题目所给的数据具有一定的正确性，不会对模型的分析和计算有影响；

3.从2003-2009年该市不发生特大的自然灾害；

4.2009-2015年该市不发生较大的经济波动。

3.符号说明

AP：

社会职工平均工资

W：

商品房销售额

S：

商品房销售面积

as：

年末城区人均住宅使用面积

m：

家庭平均人数

p：

每年增加的社会职工平均工资增加率

4.问题分析

房地产作为人类生存和发展的空间，它与国民经济间的复杂关系表明，在保持国民经济快速健康发展的前提下，实现房地产业的健康和可持续发展，是建设小康社会的必然要求。

对于问题一，研究房地产市场发展与经济发展的关系，我们先考虑影响房地产市场发展的因素，主要有房地产开发投资，影响该市经济发展的因素主要有全市生产总值、城镇以上固定资产投资额、房地产开发投资、居民消费价格总指数、居民居住消费价格指数、城市居民人均可支配收入和城市居民人均消费支出。

房地产市场发展与经济发展的关系就转化为房地产开发投资与这7项指标之间的关系。

由于一元对多元，因此考虑使用多元线性回归模型来分析问题。

然后利用SPSS软件求解问题。

预测2009年该市的房地产市场发展形势，我们拟合出各年房地产业生产总值增加值和年份的关系，可以得出各年的房地产业生产总值增加值的情况以及函数表达式。

由于房地产业生产总值增加值受到季节的影响，利用CMA（中心化移动平均值）方法计算出各个季节指数，再用09年的预测值乘以相对应的指数比，即得到09年各个季度的增长预测值。

对于问题二，要求分析影响房地产业发展的因素，并分析该模型对于政府调控房地产市场有何指导作用。

根据附件一，得出影响房地产业发展的四个因素分别为房地产业利润率、年度家庭全部收入与房价之比、居民个人收入与每平米房价之比、房地产业投资与社会全部固定资产投资之比。

通过SPSS软件聚类分析把2003年至2008年的房地产泡沫现象分为三个等级，利用学习向量化神经网络（LVQ）的相关知识建立数学模型。

根据拟合出来的未来某年的4个因素数据，预测出该年的泡沫程度。

政府根据泡沫程度制定相应的调控房地产市场的措施。

对于问题三，要求在房地产业健康稳定发展的前提下（可参照附件一中的部分指标），欲使该市人均住房面积在2015年达到30平方米，政府应采取哪些措施。

根据附件一和附件三的数据，我们考虑六项指标中的两项：

年度家庭全部收入与房价之比与居民个人收入与每平米房价之比。

根据这两项因素确定该房地产的健康稳定发展的前提：

年度家庭全部收入与房价之比在0.2~0.4之间，而居民个人收入与每平米房价之比大于0.4527。

另外，考虑到社会职工平均工资的递增是一个指数的关系，则2009年开始每年增加的社会职工平均工资增加率对该市人均住房面积在2015年达到30平方米有着一定的影响。

5.模型建立和求解

5.1问题一的模型建立和求解

5.1.1模型的准备

房地产业与经济发展有着紧密的联系，是经济发展的“晴雨表”，房地产市场的繁荣和萧条与金融稳定密切相关。

根据经济学原理，经济发展和CDP全市生产总值、固定资产投资、居民的收入和消费有着密切的关系，而房地产市场的发展与其生产总值增加值有关。

因此，我们选取全市生产总值、城镇以上固定资产投资额、房地产开发投资、居民消费价格总指数、居民居住消费价格指数、城市居民人均可支配收入和城市居民人均消费支出等7项指标形容经济发展，则房地产市场发展与经济发展的关系就转化为房地产开发投资与这7项指标之间的关系。

由于房地产业生产总值增加值为因变量，而全市生产总值、城镇以上固定资产投资额、房地产开发投资、居民消费价格总指数、居民居住消费价格指数、城市居民人均可支配收入和城市居民人均消费支出为自变量，因此采用多元线性回归模型来分析问题。

5.1.2模型的概述

逐步回归模型是多元线性模型的优化。

多元线性回归分析，通常是把所有n个自变量全部引入回归方程，不管自变量对因变量是否有显著影响，然后做复相关系数的显著性检验和因子贡献的检验。

逐步回归模型被认为是一种较合理的优化预测模型，它能自动地从大量可供选择的变量中选择那些对建立回归防长比较重要的变量，它是在多元回归的基础上派生出来的一种算法技巧。

逐步回归分析简单说来，就是把对因变量有显著作用的自变量逐个引入回归式。

首先选出与因变量相关程度最大的自变量，通过统计检验，表明该自变量的作用显著时，则将其引入回归式，然后在剩下的自变量中再挑选与因变量最密切的自变量，当已引入的变量由于后来变量的引入使