武汉市房地产调控问题分析数学建模论文Word格式.docx
《武汉市房地产调控问题分析数学建模论文Word格式.docx》由会员分享,可在线阅读,更多相关《武汉市房地产调控问题分析数学建模论文Word格式.docx(20页珍藏版)》请在冰豆网上搜索。
![武汉市房地产调控问题分析数学建模论文Word格式.docx](https://file1.bdocx.com/fileroot1/2023-1/10/2ed16963-a9e0-4191-bc41-522516dcdb85/2ed16963-a9e0-4191-bc41-522516dcdb851.gif)
从2002年8月26日六部委颁发217号文件起,我国房地产调控历史走过了十余年。
细心盘点房地产调控的十年,大致可以划分为四个阶段:
第一阶段,调控起步期(2002年至2004年):
主要以收紧土地供给和房地产信贷为主要手段,以抑制房地产市场投资过热为目的。
第二阶段,调控加码期(2005年至2008年上半年):
加码的手段以结构性调整为主,在抑制房地产投资过热的同时,提出稳房价的新目标。
国八条、新国八条、国六条相继出台,重点打击囤地行为、改善商品房和保障房供应结构、提高首付比例、推出税收调控手段,改善供给结构的同时开始调节商品房投资性需求。
第三阶段,紧急救市期(2008年下半年至2009年上半年):
为应对全球性金融危机对中国经济的冲击,政府政策全面转向,以楼市稳定来支持经济稳定,从中央到地方全面放松各项房地产调控措施,甚至出台利率打折等购房刺激政策。
第四阶段,调控全面加码期(2010年至今):
遏制房价过快上涨或促进房价合理回归成为突出调控目标。
国十一条、新国十条、限购令等号称史上最严厉调控措施相继出炉,涵盖土地供给、信贷、税收、保障房等各方面的住房差别化调控体系逐渐形成。
近十年,从单一供给管理转向供给与需求综合管理,从防止房地产市场投资过热转向重点遏制房价过快上涨,我国房地产调控目标逐渐清晰,政策体系逐渐建立。
然而,虽然调控取得一定成绩,但调控多为定性的行政手段,梁化调控方案很少。
并且调控政策一般只是短暂实用某一特定时期。
近期武汉市出台调控目标:
房价的增长速度不高于GDP的增长速度。
(二)需要解决的问题
1、收集整理武汉市近十年各片区商品住宅价格变化数据、大宗商品价格变化数据、工资收入和GDP数据,挖掘它们之间的关系。
2、根据近十年已知数据建立数学模型并预测2013年6月至12月间商品住宅价格,大宗商品价格变化趋势。
3、结合武汉市市民工资收入的具体情况,评价调控政策“商品住宅价格的增长速度不高于GDP的增长速度”在多长时间内有效,并建立数学模型模拟商品住宅价格、GDP增速、市民工资水平之间的关系。
二、问题分析
对于问题一,根据数据的完整性和可获得性,我们将数据收集范围确定为武汉市武昌区、青山区、洪山区、江汉区、硚口区、江岸区、汉阳区七个区自2003年至2010年八个年度的商品住宅价格变化数据、大宗商品价格变化数据、工资收入和GDP数据,其中商品住宅价格变化数据采用武房指数等价代替,大宗商品价格采用工业生产者购进价格指数代替,工资收入采用城镇居民可支配收入代替。
分别以每个区为单位,检验四个指标数据之间的相关性,可以探究它们之间的关系。
对于问题二,我们建立VEC模型和ARIMA模型,对商品住宅价格和大宗商品价格分别进行建立模型,近似表示其变化趋势。
对于问题三,以前两个步骤的计算为基础,计算商品住宅价格变化和GDP变化趋势线的交点,得到调控政策有效性的区间。
三、模型假设
针对本问题建立如下合理假设
(1)根据统计年鉴等资料整理的数据准确可靠;
(2)2013年6月至12月间中无对商品住宅价格,大宗商品价格有重大影响的重大经济突发事件、环境气候问题等事件发生;
(3)预测期间我国各项宏观经济政策能及时准确地落实;
(4)我国对外经济政策无重大调整。
四、问题求解
(一)数据收集整理
研究对象数据的收集与整理,是建立数学模型过程最为费时费力的工作也是对模型质量影响极大的一项工作。
本文选取的数据来自《武汉市统计年鉴》、《湖北省统计年鉴》、《中国统计年鉴》、世界银行(worldbank)网站、中国流通产业网,武汉市住房保障和房屋管理局网站以及其他一些官方网站的数据。
本文分析的四个指标为:
商品住宅价格、GDP增速、市民工资水平、大宗商品价格指数。
在数据收集过程中,由于宏观经济变量数据的基期多为月度或者更长的周期,因此为了便于衡量比较中国大宗商品价格指数与我国经济变量的长期趋势关系,同时也为了统一数据基期,本文采用月度数据作为时间指标。
同时考虑数据的可得性,本文选取样本区间为2003年1月到2010年12月的数据。
(二)相关系数
我们将商品住宅价格、GDP增速、市民工资水平、大宗商品价格指数对应的数据分别用EVIEWS软件做相关性检验,得到的结果如下:
表1武昌区
Correlation
DZSP
GDP
SALARY
WFZS
1.000000
0.948536
0.921447
0.973431
0.951997
0.978797
0.993625
表2汉阳区
0.960517
0.924862
0.951981
0.939673
0.960383
0.993590
表3江岸区
0.894886
0.922790
0.994617
0.940513
0.976500
0.988231
表4江汉区
0.937533
0.926563
0.980350
0.900268
0.972246
0.984118
表5硚口区
0.962396
0.928285
0.958781
0.933991
0.968799
0.931536
表6青山区
0.963310
0.936407
0.922363
0.949231
0.947588
0.989010
表7洪山区
从以上相关性检验可以看出,武汉市各个区的大宗商品价格指数(DZSP)、国民生产总值(GDP)、市民平均工资(SALARY)和商品住宅价格(WFZS)两两之间都有很强的线性相关。
接下来,用单位根检验对数据稳定性进行检验。
(三)VEC模型
VEC模型即向量误差修正模型,具有同时反映长期静态关系和短期动态关系的功能。
1.单位根检验
当采用时间序列模型时,所用时间序列应具有平稳性,但是经济变量往往非平稳的,用非平稳变量建立回归模型是会带来伪回归问题。
向量自回归模型同样是要求所用时间序列应具有平稳性。
因此在进行协整分析之前,首先对各经济变量进行单位根检验,分析各经济变量的平稳性。
如不平稳则通过差分使其变为平稳的时间序列。
采用ADF方法来检验变量的平稳性。
2.各片区回归模型
首先我们对每个指标进行单位根检验,我们首先尝试了求二阶分差的单位根检验,我们以武昌区大宗商品价格指数和GDP作为例证,后续四个指标有相似结果,不再展开分析。
表8武昌区大宗商品价格的二阶分差ADF检验
NullHypothesis:
D(DZSP,2)hasaunitroot
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-2.035147
0.2663
Testcriticalvalues:
1%level
-6.423637
5%level
-3.984991
10%level
-3.120686
可以看出,序列是非平稳的,可能会存在伪回归。
我们再对武昌区大宗商品价格做一阶分差ADF检验,结果如下:
表9武昌区大宗商品价格的一阶分差ADF检验
DDZSPhasaunitroot
-2.915032
0.0980
-5.119808
-3.519595
-2.898418
相对而言,Prob值已经大大降低,可以采纳。
武昌区GDP等指标也同样具有相似的结果。
表10武昌区GDP的二阶分差ADF检验
D(GDP,2)hasaunitroot
-2.411456
0.1852
表11武昌区GDP的一阶分差ADF检验
DGDPhasaunitroot
-4.948239
0.0168
-5.604618
-3.694851
-2.982813
以下为武汉市七个区四个指标得出的同阶回归模型:
表12武昌区同阶回归模型
DependentVariable:
DDZSP
Variable
Coefficient
Std.Error
Prob.
DGDP
0.001787
0.159937
0.011171
0.9918
DSALARY
-0.309470
1.417081
-0.218386
0.8411
DWFZS
0.782580
0.440381
1.777052
0.1736
C
-0.015014
0.085772
-0.175047
0.8722
表13青山区同阶回归模型
0.118148
0.129579
0.911788
0.4291
1.013861
2.001503
0.506550
0.6474
-0.221352
0.518532
-0.426883
0.6982
-0.026980
0.095410
-0.282776
0.7957
表14洪山区同阶回归模型
-0.444934
1.065925
-0.417415
0.7169
-0.213123
0.266781
-0.798871
0.5082
2.283538
1.774807
1.286640
0.3270
0.226169
0.824189
0.274414
0.8095
表15江汉区同阶回归模型
-0.061400
0.251655
-0.243984
0.8230
-0.257838
2.435640
-0.105860
0.9224
-0.277839
0.726873
-0.382239
0.7278
0.070022
0.187582
0.373288
0.7338
表16硚口区同阶回归模型
0.165238
0.198796
0.831196
0.4668
0.568669
1.432013
0.397112
0.7179
-0.157207
0.238377
-0.659491
0.5567
-0.010204
0.085465
-0.119396
0.9125
表17江岸区同阶回归模型
Method:
LeastSquares
-0.544656
0.320186
-1.701058
0.1875
1.503155
1.595601
0.942062
0.4157
-0.034502
0.411839
-0.083776
0.9385
-0.002750
0.082022
-0.033527
0.9754
表18汉阳区同阶回归模型
0.053226
0.134080
0.396973
-0.160277
1.036076
-0.154697
0.8869
0.439027
0.475804
0.922707
0.4242
-0.002852
0.058816
-0.048487
0.9644
上述模型与理论上商品住宅价格、市民平均工资水平、大宗商品价格指数、武房指数之间的经济关系相符。
通过以上分析,验证了国内商品住宅价格、市民平均工资水平、大宗商品价格指数、武房指数四个指数间的相互依存的经济关系。
(四)基于ARIMA模型的数据预测
1.ARIMA模型(autoregressiveintegratedmoving)
(1)符号说明
p
时间序列滞后项数
d
差分阶数
q
残差滞后项数
Y
时间序列
Y*
Y的一阶差分
u
白噪音
θ,α,β
参数
ACF
自相关系数
(2)模型的建立分析
问题二是一个时间序列的预测问题,考虑到时间序列本身是一种随机过程,本着计量经济学中“让数据自己说话”的原则,本文采用了ARIMA模型进行建模。
(3)基本原理
平稳随机过程(stationarystochasticprocess)定义:
若一个随机过程的均值和方差在时间保持是常数,并且在任何两时期之间的协方差值仅依赖于该两时期间的距离或滞后,而不依赖于计算这个协方差的实际时间,则称之为平稳随机过程。
满足平稳随机过程的时间序列称为平稳时间序列。
时间序列的平稳性可通过序列图形检验法,自相关函数(ACF)和相关图检验和增广迪基-富勒(ADF)检验法进行检验。
ARIMA模型
即自回归求积移动平均法,又称(BoxJenkinsBJ)方法论。
其基本形式为:
ARIMA(p,d,q),其中时间序列Y满足I(d)过程,即Y的d阶差分是平稳的。
ARIMA(p,d,q)模型有以下四个部分组成(如图所示):
ARIMA(p,d,q)的求解方法
特别当d=0时,ARIMA(p,0,q)即为ARMA(p,q)
具体为:
其中
为t期的白噪声。
所以一般可通过使用Y的d阶差分后的数据,将ARIMA(p,d,q)
转化为ARMA(p,q)求解
(4)模型建立
画时间序列图
走势图Y=BPI
一阶差分:
Y*=D(BPI)
检验结论:
Y是非平稳时间序列,但Y的一阶差分Y*是平稳时间序列。
2.求武汉大宗商品价格的相关图和偏相关图
识别模型形式
时间序列模型估计:
从上面的输出结果可以看出,C与AR
(2)的系数没有显著性,因此需要从模型中将其剔除继续估计。
得到重新的估计结果如下:
选滞后期为28
得到如下输出结果:
样本外预测(预测方法选择静态预测)
求武汉商品住宅价格一阶差分:
求武汉商品住宅价格序列的相关图和偏相关图,识别模型形式
从上面的输出结果可以看出,C,AR
(2)的系数没有显著性,因此需要从模型中将其剔除继续估计。
检验模型的误差项:
样本外预测:
(预测方法选择静态预测)
五、模型评价
(一)优点
(1)充分运用EXCEL、EVIEWS、MATLAB等软件的强大科学计算能力,优化了计算程序,缩减了工作量,得出了置信程度较高的模型求解结果。
(2)本文使用向量修正误差模型(VEC模型),可以对变量之间的动态联系提供严密的说明,反应变量之间的长期均衡关系。
(3)本文使用的分析方法实质上是时间序列分析法,时间序列分析法利用一套明确规定的准则来处理一些复杂的数据模式,短期预测精度相当高。
(二)缺点
(1)本文的研究成果主要分析了大宗商品价格指数与宏观经济变量相互的影响方向和因果关系,而对于影响的大小未得出量化的结论。
(2)本文未能建立能够很好的预测大宗商品价格和宏观经济变量变动的模型,对在实际复杂环境下的情况能否仍然正确的预测变动方向未能进一步的验证。
(三)模型推广
本文模型符合经济学规律,实际意义显著;
计算步骤清晰,充分利用了软件资源,且从问题出发,分析了应该考虑的各种情况,建立了一般的数学模型,较好的解决了此类实际问题。
同时本文所建立的模型函数形式简单,便于推广。
本文建立的模型不仅可以应用于商品住宅价格预测的研究,而且对于其他同类的经济学问题,也具有深远而现实的启发意义。
六、参考资料
[1]姜启源,邢文训,谢金星,杨顶辉.《大学数学实验》,北京:
清华大学出版社,2005
(2).
[2]陈东彦,李冬梅,王树忠.《数学建模》,北京:
科学出版社,2007(12).
[3]韩中庚.《数学建模方法及其应用》,北京:
高等教育出版社,2006.
[4]肖元真,张天,戴骏冬.2010年房地产业发展的政策指引与战略抉择[J]广东经济,2010(03).
[5]徐策.当前我国房地产市场运行的特征、问题及政策建议[J]中国物价,2010(11).
[6]骆飞群.对2010年中国房地产宏观调控政策的探讨[J]浙江金融,2010(21).
[7]杨冬宁.住宅价格的多因素动态分析研究[D]复旦大学博士论文,2009.
[8]张晓峒.EVIEWS使用指南与案例[M]北京:
机械工业出版社,2007.
[9]高铁梅.《计量经济分析方法与建模》[M]北京:
清华大学出版社,2006.