房价影响因素Word下载.docx
《房价影响因素Word下载.docx》由会员分享，可在线阅读，更多相关《房价影响因素Word下载.docx（18页珍藏版）》请在冰豆网上搜索。
x2
x3
x4
x5
x6
x7
x8
x9
Pearson相关性
1
.990**
.979**
.991**
.978**
.956**
.967**
.977**
-.662*
.982**
显著性（双侧）
.000
.037
N
10
.994**
.997**
.962**
.930**
-.668*
.995**
.035
.992**
.947**
.905**
.975**
-.653*
.998**
.041
.985**
.955**
.936**
.972**
-.691*
.027
.976**
.924**
.980**
-.598
.068
.925**
.952**
-.533
.960**
.113
.944**
-.579
.913**
.080
-.654*
.973**
.040
-.634*
.049
**.在.01水平（双侧）上显著相关.
*.在0.05水平（双侧）上显著相关.
从表1中相关阵看出,
除与
相关系数较小,与其余变量相关系数都在0.9以上,说明所选自变量与
高度线性相关,适合用
与自变量作多元线性回归.
2.5初步回归分析
首先利用软件对收集的数据进行初步的线性回归分析,自变量选用进入的方法进入,得到结果如下:
表2
输入／移去的变量b
模型
输入的变量
移去的变量
方法
x9,x8,x6,x5,x7,x1,x3,x4a
.
输入
a.已达到容差=.000限制.
b.因变量:
y
表3
模型汇总
R
R方
调整R方
标准估计的误差
.999a
.999
.991
107.86682
a.预测变量:
（常量）,x9,x8,x6,x5,x7,x1,x3,x4.
表4
系数a
非标准化系数
标准系数
t
Sig.
共线性统计量
B
标准误差
试用版
容差
VIF
（常量）
16144.143
71103.534
.227
.858
-.128
.572
-.229
-.224
.860
.001
1022.889
.470
1.893
.210
.248
.845
701.878
-.007
.007
-1.238
-.957
.514
1637.087
.013
.019
.220
.685
.618
.010
101.366
.021
.397
2.051
.289
36.663
.042
.094
.214
.449
.731
.005
221.443
-7.289
190.826
-.004
-.038
.976
.091
11.005
.364
.288
1.449
1.265
.426
1285.254
a.因变量:
表5
已排除的变量b
BetaIn
偏相关
最小容差
7.508a
1.000
1.811E-5
55210.930
1.775E-5
a.模型中的预测变量:
从表5可看到模型自动剔除了人均可支配收入
而且
的VIF值非常大,远大于10,说明该变量与其余变量存在严重的多重共线性.表3模型整体的R方为0.999,但表4系数检验各变量系数均不显著,从VIF值可以看出,各变量间存在共线性.
2.6消除共线性
为了消除多重共线性,将自变量的个数进行削减.此次自变量采用向后的方法进入.
向后法（后退法）是用全部m个变量建立一个回归方程,然后在这m个变量中选取一个最不重要的变量,将它从方程中剔除,对剩下的m－1个自变量重新建立回归方程,进行回归系数的显著性检验,如果存在一个变量的系数不显著,则剔除此变量,直至剩余自变量的系数均通过显著性检验.
利用向后法得到的回归分析结果为:
表6
2
向后（准则:
F-to-remove>
=.100的概率）.
3
4
5
6
表7
Anovag
平方和
df
均方
F
回归
1.138E7
8
1422922.356
122.294
.070a
残差
11635.251
总计
1.140E7
9
7
1626194.553
279.122
.004b
11652.226
5826.113
1897079.581
453.969
.000c
12536.614
4178.871
2276146.480
637.500
.000d
14281.699
3570.425
1.137E7
2843030.790
620.995
.000e
22890.942
4578.188
3789228.712
831.945
.000f
27327.963
4554.661
b.预测变量:
（常量）,x9,x6,x5,x7,x1,x3,x4.
c.预测变量:
（常量）,x9,x6,x5,x7,x3,x4.
d.预测变量:
（常量）,x9,x6,x5,x7,x4.
e.预测变量:
（常量）,x9,x6,x5,x4.
f.预测变量:
（常量）,x9,x6,x4.
g.因变量:
表8
17367.863
44917.556
.387
.736
-.139
.356
-.248
-.390
.734
790.780
.528
.796
.236
.664
.575
.004
247.555
-1.268
-1.759
.221
1016.634
.012
.225
1.082
.392
84.789
.391
4.322
.050
.062
16.036
.045
.044
1.008
.419
99.272
.368
.195
1.462
1.884
.200
1176.877
-131.429
427.547
-.307
.779
.312
.483
.140
.646
.564
.008
127.423
-.006
.002
-1.073
-2.446
.092
524.549
.169
1.327
.276
.023
44.360
5.253
.064
15.591
.032
.025
.162
1.267
.295
.022
44.589
.309
.105
1.228
2.946
.060
473.769
-18.007
360.362
-.050
.963
-1.210
-3.414
401.000
.011
.191
1.683
.168
.024
41.211
.003
.423
7.135
.089
11.221
.179
1.553
42.612
.363
.059
1.442
6.154
.006
175.232
136.408
392.218
.348
.742
-.005
-.892
-2.724
266.595
.114
.984
.370
.030
33.277
.477
8.747
.135
7.397
.333
.063
1.325
5.274
156.994
469.065
198.620
2.362
.056
-.657
-2.937
.026
125.095
.489
9.223
.142
7.028
.299
.053
1.189
5.672
.009
109.984
从表6中看出,模型依次剔除变量
表8得到的最优回归子集模型的回归方程是:
表7回归方程的F检验得到的P值为0.00,说明此方程高度显著.其中
、
的系数分别为-0.004、0.026,对y的解释性非常弱.从表8中可看到
所对应的方差扩大因子VIF均大于10,说明模型中变量间还存在多重共线性.
再次对变量做回归分析,此次换用前进法.
前进法的思想是变量由少到多,每次增加一个,引入一个新的变量后进行检验,直至满足要求的显著性水平为止.
利用前进法得到的结果为:
表9
输入／移去的变量a
向前（准则:
F-to-enter的概率<
=.050）
表10
.991a
.983
.981
156.47620
.998b
.996
.994
84.88324
（常量）,x3.
（常量）,x3,x6.
表11
Anovac
1.120E7
457.391
.000a
195878.405
24484.801
1.134E7
5672288.973
787.253
.000b
50436.153
7205.165
c.因变量:
表12
-201.747
239.978
-.841
.425
2.217
.104
21.387
-197.859
130.183
-1.520
.172
1.548
.159
.692
9.715
.125
8.023
.017
.320
4.493
从表9中看到,依次进入的变量是
得到最终的模型回归方程为:
表11中回归方程的F检验得到的P值为0.00,说明此方程高度显著.其中
的系数为0.017,对y的解释性非常弱.从表12中可看到
所对应的方差扩大因子VIF均小于10,说明模型中变量间无多重共线性,可作为最终回归模型.标准化回归方程为:
由标准化回归系数得,对房价影响最大的因素是房屋竣工造价
房屋竣工造价每增加1%,房价就平均增加0.692%,其次是销售面积
销售面积每增加1%,房价平均增加0.32%.
2.7结果分析
由回归分析得到的结果可看出,房屋竣工造价增加,房地产商建造的成本随之增加,从而住房的销售价格上涨.同理,销售面积的增加,意味着房地产市场的火热度增加,买的越多,价格自然就越高.因此要想让房价趋于稳定,政府须降低开发商的建造成本,同时引导居民理性买房,不跟风、不哄抢,加强限购措施,从而有效的控制稳定房价.
3.模型的不足
房价的影响因素非常多,各因素之间关系复杂,本文只选取了部分影响因素,就必然会造成结果不全面.本文研究的是全国的平均房价,在现实中各地区存在较大差异
升级会员 