spss房地产分析Word文档下载推荐.docx
《spss房地产分析Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《spss房地产分析Word文档下载推荐.docx(11页珍藏版)》请在冰豆网上搜索。
相关函数图spssbase系统提供了作相关函数图的便捷工具,同序列图一样,可以描述函数自身,函数的对数变换或者临近点的差分析,并给出可信限,Viewer窗显示了相关函数值和标准误
参数的设置;
本文运用了指数平滑法对近十年来房地产销售偶价格进行了分析。
模型的诊断;
判断模型和观察数据吻合的程度,此时,用残差和可信区间序列估计模型的准确性,用标准差和其他统计量判断模型中的参数显著性,spssbase系统提供的标准化p-p图和标准化q-q图来判断残差的分布是否符合正态分布
本文运用指数平滑法通过对序列中最新观察值和早期观察值赋予不同的权重,对序列进行预测。
以下是具体过程:
ModelDescription
ModelName
MOD_6
SeriesorSequence
1
销售均价
Transformation
None
Non-SeasonalDifferencing
SeasonalDifferencing
LengthofSeasonalPeriod
Noperiodicity
HorizontalAxisLabels
Date_
InterventionOnsets
ReferenceLines
Overallmean
AreaBelowtheCurve
Notfilled
ApplyingthemodelspecificationsfromMOD_6
CaseProcessingSummary
SeriesorSequenceLength
10
NumberofMissingValuesinthePlot
User-Missing
System-Missing
由上图可以看出销售均价在这近十年来大体上呈上升趋势,且上升趋势较大,房价从2008年才开始有所下降,
ModelDescription
MOD_5
Errorfor销售均价fromEXSMOOTH,MOD_4NNA.80
ApplyingthemodelspecificationsfromMOD_5
CaseProcessingSummary
上图是残差图,可以看出没有什么规律,所以可以模型可以进行指数平滑法研究
由以上实证分析后可以看出房地产价格在这几年来上涨很快,结合实际,在2006年房价问题已经写入两会中,国家对房地产问题已经予以重视,2008年金融危机使得房地产购房需求得到抑制,加上国家在税收、土地方面的政策房价有所下降,但是房地产市场仍然存在很多问题等待解决
2.Pearson简单相关系数分析:
这个系数是用来度量定距型变量之间的线性相关关系。
以下是用spss进行的销售额与房地产开发投资的分析,来研究两者之间的相关关系
.Correlations
商品房销售额(亿元)
房地产开发投资(亿元)
PearsonCorrelation
.930(**)
Sig.(2-tailed)
.000
N
**Correlationissignificantatthe0.01level(2-tailed).
由上表可以看出房地产开发投资额与销售额之间的简单线性系数为0.93,说明两者之间存在正的较强的相关性,相关系数检验的概率p接近于0,故如果显著性水平为0.05,应该拒绝原假设,即两者不是零相关的,是强的相关关系。
故可知房地产的销售额与近几年房地产的大力开发有很大的关系
3.线性回归分析
通过运用SPSS软件对各个因素指标值和商品房均价之间的关系进行曲线拟合分析,发现自变量各指标与因变量大致呈直线相关关系。
因此确定房价影响因素的多元回归模型为:
在经济模型的建立中,由于各经济变量之间可能存在相关的趋势,且由于条件限制,样本资料的数据搜集得不够多,因此模型变量间可能存在多重共线性。
为了克服多重共线性,本文将采取逐步回归法进行回归分析。
其基本思想是:
从所有解释变量中选取影响最为显著的变量建立模型,然后将模型外的变量逐个引入模型并进行显著性检验,直到原引入变量因后面变量的引入而变得不在显著,再将其剔除。
重复这一过程直到再无显著变量被引入或剔除出回归方程为止。
基本参数:
因变量y:
商品房销售额
自变量:
常住人口,GDP,人均可支配收入,房地产开发投资,施工面积,竣工面积
使用SPSS软件进行逐步多元回归,结果如下所示
ModelSummary(c)
Model
R
RSquare
AdjustedRSquare
Std.ErroroftheEstimate
.990(a)
.979
.977
283.117
2
.997(b)
.994
.992
163.069
aPredictors:
(Constant),GDP(亿元)
bPredictors:
(Constant),GDP(亿元)房地产开发投资(万元)
cDependentVariable:
销售均价(元每平方米)
整个回归分析分为两步,第一步对GDP,复相关系数为0.990,判定系数为0.979,调整后的系数,0.977,第二步是又引入房地产开发投资这个变量,整个模型拟合优度(0.992)较高,被解释的变量可以被模型解释的部分比较多,不能被解释的变量少
ANOVA(c)
SumofSquares
df
MeanSquare
F
Sig.
1Regression
Residual
Total
2Regression
\
30577447.123
381.479
.000(a)
641239.777
8
80154.972
31218686.900
9
31032546.037
15516273.018
583.504
.000(b)
186140.863
7
26591.552
销售均价(元每平方米)
上图为方差分析,模型的F统计量的P值接近于0,小于显著性水平0.05,因此自变量系数统计显著,应该拒绝原假设,即回归系数不同时为0,被解释变量和解释变量全体的线性关系是显著的,可以进行线性分析
Coefficients(a)
UnstandardizedCoefficients
StandardizedCoefficients
t
B
Std.Error
Beta
1(Constant)
GDP(亿元)
3435.930
228.305
15.050
.582
.030
.990
19.531
2(Constant)
GDP(亿元)
3760.175
153.085
24.563
.845
.066
1.438
12.816
-15.089
3.647
-.464
-4.137
.004
aDependentVariable:
上图给出模型参数的值,并对显著性进行了检验,模型常数项为3760.175,自变量的系数为0.845。
如果显著性水平为0.05的话,那么回归系数显著性检验的概率p小于0.05,则有y=3760.175+0.845GDP-15.089房地产开发投资
对模型进行残差正态性检验,绘制出的p-p图如下,可见,各点均匀分布在直线两边,说明残差符合正态分布。
综上可知,该回归模型通过了拟合优度检验、显著性检验、多重共线性检验与异方差的处理,残差符合正态分布,具有较好的拟合度和较高的解释能力。
从模型的函数公式来看,影响北京房价的GDP,GDP每平均增加1亿元,其中房价平均增长0.845元,房地产开发投资每平均增加1万元,则房价平均会下跌15.089元,因为这里假如需求一定,供给增加,那么价格会下跌。
三.结论和建议
本文运用了2000-2009年有关北京房地产数据,采用了时间序列分析,相关分析,线性回归分析,由数据做出了实证分析,得到的结论和建议如下:
由销售额与房地产开发投资的相关分析可知,两者有密切关系,同时结合实际,近几年来,北京市房地产开发投资较大,好多人都涌入投资的行列,并有炒房团不时时机的炒作使得房价上涨较快,所以,要严厉控制房地产投资,可以提高投资门槛,国家应该打破开发商寡头垄断,合理的疏导商品房供求关系。
而由回归分析,北京作为首都一线城市,房地产市场价格已经到了非理性的高位,要控制北京房地产市场的良好发展,需要特别关注以下几点:
第一,要从土地供给这一根源问题上把握好房地产市场供给的源头多途径的建设保障住房,明确用地指标向经济适用房、廉租房、中低价位中小套型普通商品住房倾斜。
应协调好保障性住房与商品住宅的关系,可以在商品房价格过高、上涨过快的城市进行试点,适当放宽经济适用房的供应范围,由低收入向中等偏下收入家庭逐步扩大,并与廉租住房有机衔接起来。
第二,增强市场交易的透明度,营造健康稳定的市场环境,进一步完善土地出让制度,遏制房地产商过分投资,应该促进市场竞争。
第三,在资金来源方面,当地银行和金融监管机构应做好房地产金融信贷管理。
对于房地产开发贷款,商业银行应严格管理存贷比,做好授信审查和贷后监督,适当收紧信贷规模,禁止开发商用土地做抵押。
对于住房消费贷款,银行必须严格区分首套房贷和二套以上房贷,严限炒房和投机性购房
参考文献:
1.易宪容,谁在操纵房价上涨:
2006-06-08,《新财经》。
2.《中央财经大学学报》,2010年8月
3.危冠元,《影响我国房地产价格的经济因素分析》,现代商业
4.易宪容,《当前国内房地产市场形势分析与对策》,理论前沿,2009(3)
5.郑光辉,房价与地价因果关系实例分析:
2004年10月27日14:
42,《中国土地》杂志
6.罗羽凡,不是预言是警示,《中国信息报》,2010年