数学建模：房地产价格与住房保障规模课程设计.pdf

实践教学实践教学 理工大学理工大学 理学院 2014 年冬季学期 数学模型与数学实验数学模型与数学实验课程综合训练课程综合训练 题目 房产价格与住房保障规模 专业班级 姓名 学号 指导教师 成绩 摘要摘要 近十年来我国一些城镇的商品房价格上涨过快 过高的房价使城镇中低收入 者无力购买住房 为了维持社会的持续稳定发展 政府一直出台各种文件 对房地 产市场进行调控 但由于各部门配合的不协调 房地产的价格在过去的几年时间 里快速地上涨 房价成了各种社会矛盾的焦点 因此对房地产相关研究是很有必 要的 针对以上问题 我们从国民总收入 国内生产总值 国家城市化率 保障 性住房规模 经济适用房投资额 物价水平 建材价格指数 居住用地价格指 数 税收政策 房产税收收入 金融政策 房产投资资金 等方面进行了研究 本文主要进行了以下工作 1 综合考虑影响房地产价格的多种因素 对各种影响因素之间的相互关系 首先运用经济学原理和常识进行定性分析 然后根据收集到的各影响因素的数 据 分别建立影响因素与房地产价格之间的拟合模型 依据相关系数剔除次要的 影响因素得到影响房地产价格的主要因素 本文得出的结论为 各因素与房价之间的相关系数如下 国民总收入与房价之间的相关系数 1 0 9663R 国内生产总值与房价之间的相关系数 2 0 9679R 国家城市化率与房价之间的相关系数 3 0 9148R 保障性住房与房价之间的相关系数 4 0 4414R 物价水平与房价之间的相关系数 5 0 9428R 居住用地价格指数与房价之间的相关系数 6 0 8322R 税收政策与房价之间的相关系数 7 0 977R 金融政策与房价之间的相关系数 8 0 9504R 影响房地产价格的主要因素有 国民总收入 国内生产总值 国家城市化率 保障性住房规模 经济适用房投资额 税收政策 房产税收收入 金融政策 房 产投资资金 2 建立房地产价格与各主要影响因素之间联系的数学模型 根据各主要影 响因素数据建立房地产价格与各种影响因素之间的回归方程 找到了房地产价格 与各个影响因素之间的关系 本文经过计算得到多元线性回归方程为 123456 230 56790 09730 1784 5 91060 4506 1 77560 0510YXXXXXX 3 对未来几年我国房地产价格进行了预测 考虑到灰色预测精度不高的问 题且在实际操作中需要不断的改进与完善其工作量之大使得我们不得不寻求其 他模型 因此在第二问中我们建立了具有一定可靠性 精度高的多元回归模型 得到未来几年我国房价的走势 未来一段时间内楼价会以一个较低涨幅持续上 涨 4 根据对未来几年房地产价格预测的结果并结合影响房价的主要因素 提 出了针对我国目前房地产价格问题的一些合理性建议 关键词 关键词 房价多元线性回归分析线性拟合 残差分析 一 问题重述一 问题重述 近十年来我国一些城镇的商品房价格上涨过快 过高的房价使城镇中低收入 者无力购买住房 为了社会持续稳定的发展 政府一直出台各种政策 对房地产 市场进行宏观调控 物价水平 国内生产总值 国民收入水平 金融政策 税收 政策 土地 城市化率等都是影响房地产价格的因素 然后 公租房 廉租房和 经济适用房等各类保障性住房的建设力度加大 有利于增加房地产的供给力度 对房地产市场价格会产生较大影响 参考有关的研究成果和国民经济的运行数据就我国房地产价格研究如下问 题 1 1 对有关统计数据进行分析 用适当的方法寻找影响房地产价格的主要 因素或指标 1 2 建立房地产价格与包括城镇住房保障规模在内的主要因素或指标之间 联系的数学模型 1 3 利用所建立的关于房地产价格的数学模型 根据有关政策和规划对未 来几年我国或某一地区在不同的保障房建设力度下就房地产价格趋势进行仿真 或预测 可以根据模型的需要对未来的情况作适当的假设 1 4 根据所建立的数学模型和仿真结果 对房地产价格问题提出你们的咨 询建议 二 问题分析二 问题分析 通过对此问题的分析 我们遇到了一些困难 比如说 问题中提到的金融政 策和税收政策对房价的影响 没法用具体的数据进行量化 我们便从金融政策和 税收政策中分别找出对房价影响的最主要的因素来进行了量化 2 1 对于问题 1 1 的分析 影响房地产价格的因素众多 要从其中找出影响房地产价格的主要因素 就 需要一个评价的标准 对此我们采用线性拟合中的相关性系数来观察各影响因素 分别与房地产价格之间的关系 根据相关性大小从而找出对房地产价格产生影响 的主要因素 2 2 对于问题 1 2 的分析 本题要求找出各主要影响因素与房价的联系 根据经济学知识可知 各主要 影响因素对房地产价格具有一定的线性关系 故我们对此问题的解决办法是 建 立多元线性回归方程模型找到各主要因素与房地产价格的联系 为了简化计算 本文不考虑各主要因素之间的相互影响和联系 2 3 对于问题 1 3 的分析 问题 1 2 考虑到灰色预测精度不高的问题且在实际操作中需要不断的改 进与完善其工作量之大使得我们不得不寻求其他模型 建立房地产价格与各主要 因素之间的关系 因此根据第二问中我们建立的具有一定可靠性 精度高的多元 回归模型 并通过数据拟合得到未来几年影响房价的主要因素的量化数据 对未 来几年房地产价格走势进行了预测 但是运用回归方程模型来预测某一事物未来 发展趋势时 必须要有大量的数据才能获得准确的预测结果 显然我们不具备短 期内收集足够大量的数据的条件 而且影响房地产价格的因素还有许多 这些因 素之间相互联系 相互影响 所以我们在求解过程中进行了适当的假设 2 4 对于问题 1 4 的分析 问题 1 1 中已找出影响房地产价格的主要因素 并已经知道了各影响因 素对房地产价格的具体影响方式 从而可以提出调控这些因素的措施 并结合当 前国家政策法规 对房地产价格问题提出一些合理的建议 三 模型假设三 模型假设 3 1 保障性住房用经济适用房代替 金融政策用房地产投资金额代替 税 收政策用房产税收收入代替 3 2 假设各影响因素之间相互独立 并且忽略次要因素对房价的影响 3 3 相关网站公布的数据真实可靠 3 4 不考虑战争 金融危机等对经济冲击过大的灾难 3 5 国家金融 财税等事关房地产的政策不会在短期内发生大的变动 四 符号系统四 符号系统 1 X国民总收入 2 X国内生产总值 3 X国家城市化率 4 X保障性住房规模 经济适用房投资额 5 X物价水平 建材价格指数 6 X居住用地价格指数 7 X税收政策 房产税收收入 8 X金融政策 房产投资资金 Y房地产价格 1 R国民总收入与房价之间的相关系数 2 R国内生产总值与房价之间的相关系数 3 R国家城市化率与房价之间的相关系数 4 R保障性住房与房价之间的相关系数 5 R物价水平与房价之间的相关系数 6 R居住用地价格指数与房价之间的相关系数 7 R税收政策与房价之间的相关系数 8 R金融政策与房价之间的相关系数 五 模型建立五 模型建立 5 1 主要影响因素的判定5 1 主要影响因素的判定 表 1 给出了我国 1993 2009 年期间的房屋销售均价 国民总收入 国内 生产总值 国家城市化率 保障性住房规模 物价水平 居住用地价格指数 税 收政策 房产税收收入 的相关数据 表 1 近年来国内房地产数据 年份 国民 总收入 亿元 国内生产 总值 亿元 国家城 市化率 经济适 用房投 资额 亿 元 物价水 平 建 材价 格 指 数上年 100 居住用 地价格 指数 指 数上年 100 税收政 策 房产 税收收 入 亿 元 金融政策 房产投 资金额 亿元 199335260 035333 928 14 140 9098 5056 302360 21 199448108 548197 928 64 114 3098 2060 302554 00 199559810 560793 729 04 102 6098 6081 703149 02 199670142 571176 629 37 102 5098 70102 203216 44 199778060 878973 029 92 99 7099 90123 903178 37 199883024 384402 330 40270 8598 60100 40159 803614 23 199988479 289677 130 89437 0298 8099 90183 504103 20 200098000 599214 636 22542 44101 50101 00209 604984 05 2001108068 2109655 237 66599 6598 6098 60228 606344 11 2002119095 7120332 739 09589 098 20107 70282 407790 92 2003135174 0135822 840 53622 099 70112 40323 9010153 80 2004159586 7159878 341 76606 4105 10111 60366 3013158 30 2005185808 6184937 442 99519 2103 10110 30435 9015909 20 2006217522 7216314 443 90696 8101 90106 00515 2019422 90 2007267763 7265810 344 94820 9103 00113 70575 1025288 80 2008316228 8314045 445 69970 9109 50111 30680 3431203 20 2009343464 7340506 946 591134 1101 10106 40803 6636241 80 2010344903 6397983 050 001349 9102 30127 60894 0648267 00 由于房地产价格与国民总收入 国内生产总值 国家城市化率 保障性住房 规模 物价水平 建材价格指数 居住用地价格指数 税收政策 房产税收收 入 金融政策 房产投资资金 等呈线性关系 而它们的线性组合仍呈线性 故我们选用多元线性方程来建立此模型 用线性回归对房价和影响房价的各个因 素进行线性拟合 得到结果如下 相关程序见附录一 5 1 1 房地产价格 5 1 1 房地产价格 Y 与国民总收入 与国民总收入 1 X 之间的关系 之间的关系 图 1 房地产价格 Y 与国民总收入 1 X 之间的关系 回归方程 1 0 0084 926 5845YX 相关系数 1 0 9663R 正相关很强 5 1 2 房地产价格 5 1 2 房地产价格 Y 与国民生产总值 与国民生产总值 2 X 之间的关系 之间的关系 图 2 房地产价格 Y 与国民生产总值 2 X 之间的关系 回归方程 2 0 0085 907 9167YX 相关系数 2 0 9679R 正相关很强 5 1 3 房地产价格 Y 与城市化率 3 X 之间的关系 图 3 房地产价格 Y 与城市化率 3 X 之间的关系 回归方程 3 0 10681 8792YX 相关系数 3 0 9148R 正相关很强 5 1 4 房地产价格 5 1 4 房地产价格 Y 与建材价格指数 与建材价格指数 4 X 之间的关系 之间的关系 图 4 房地产价格 Y 与建材价格指数 4 X 之间的关系 回归方程 4 0 10578 4527YX 相关系数 4 0 4414R 正相关性很差 5 1 5 房地产价格 5 1 5 房地产价格 Y 与保障性住房规模 与保障性住房规模 5 X 之间的关系 之间的关系 图 5 房地产价格 Y 与保障性住房规模 5 X 之间的关系 回归方程 5 2 5657 828 2034YX 相关系数 5 0 9428R 正相关性强 5 1 6 房地产价格 5 1 6 房地产价格 Y 与居住用地交易价格指数 与居住用地交易价格指数 6 X 之间的关系 之间的关系 图 6 房地产价格 Y 与居住用地交易价格指数 6 X 之间的关系 回归方程 6 0 0729 5 4062YX 相关系数 6 0 8322R 正相关性一般 5 1 7 房地产价格 5 1 7 房地产价格 Y 与税收收入 与税收收入 7 X 之间的关系 之间的关系 图 7 房地产价格 Y 与税收收入 7 X 之间的关系 回归方程 7 0 0033 1 1374YX 相关系数 7 0 977R 正相关性强 5 1 8 房地产价格 5 1 8 房地产价格 Y 与房产投资 与房产投资 8 X 之间的关系 之间的关系 图 8 房地产价格 Y 与房产投资 8 X 之间的关系 回归方程 8 0 0001 1 4054YX 相关系数 8 0 9504R 正相关性强 由以上数据可以看出 国民总收入 国内生产总值 国家城市化率 保障性 住房规模 税收政策 房产税收收入 金融政策 房产投资资金 对房价的影 响显著 是房价的主要决定因素 而物价水平 建材价格指数 居住用地价格 指数虽然对房价也有影响 但并不显著 5 2 1 多元线性回归的建立及残差分析5 2 1 多元线性回归的建立及残差分析 和一元回归一样 多元线性回归模型只是一种假设 求出回归方程后 还需要 对它进行残差分析 以检验Y与 123456 XXXXXX 间的线性关系是否显著 即 需要对假设 001 0 m H 构造 F 统计量及检验 0 H 的拒绝域 1 1 U m FF m n m Q n m 拒绝域 01 1 F Fmn m 其中U为残差平方和 2 1 n i i Uyy 2 1 n ik i Qyy 在matlab语句 int int b be estatsregress y x 基础上执行 int rcoplot e e 命令可得时序残差图 有关程序见附录 2 图 9 残差分析原始图 运用matlab编程对这些数据进行回归分析得到结果为 123456 0 06060 0502 7 1088 0 2115 2 83880 0872YXXXXXX 由残差图可以看出 2010 年的数据的残差不包含零 则应把它视为异常值 在回归中应把它剔除 再进行回归 将 2010 年的数据剔除后 本文又进行了回 归 在matlab语句 int int b be estatsregress y x 基础上执行 int rcoplot e e 命令可得时序残差图 有关程序见附录 3 图 10 残差分析改进图 运用matlab编程对这些数据进行回归分析得到结果为 123456 0 09730 1784 5 91060 4506 1 77560 0510YXXXXXX 至此我们找到了影响房地产价格的主要因素与房地产价格之间的关系 5 2 2 回归系数的检验5 2 2 回归系数的检验 通过matlab进行回归系数检验得出 计算检验临界值 t 2 2281 计算预测 区间 1 2 0229T 2 2 2753T 3 1 5478T 4 2 8811T 5 2 6877T 6 2 4183T 计算程序见附录三 通过比较 T 的值 我们可以得出国民生产总值 保障性住房规模 税收政 策 国家房产税收收入 金融政策 房产投资资金 对房价的影响是显著的 5 3 1 房地产价格趋势预测5 3 1 房地产价格趋势预测 运用拟合方法对国民总收入 国民生产总值 城市化率 经济适用房投资规 模 房产税收收入 房产投资因素对 2012 到 2016 年的房屋销售均价进行了预测 年份 因素20122013201420152016 国民总收入51190664207681088430 10136 0 国民生产总值56600657307601087520 10032 0 城市化率51 463552 795654 127755 459956 792 经济适用房投资1849 32050 22187 82226 12123 9 房产税收收入1141 31277 11421 91575 41737 9 房产投资57283654444741868350993413 由 123456 0 09730 1784 5 91060 4506 1 77560 0510YXXXXXX 可得 2012 到 2016 年间房屋销售均价为 4949 7 4954 5 5521 8 6027 8 6420 5 2 m元 根据预测结果可知房地产价格每年呈上升趋势 并且增速在11 5 左右 说明我国房地产行业存在很大的经济泡沫 需要进一步完善和改进各项有 关政策 5 3 2 对房产价格问题提出的建议5 3 2 对房产价格问题提出的建议 本文根据建立的模型所得的结果 本文提出了如下四项措施来对我国的房价 进行调控 措施一 提高人均收入 合理选择建房基址 适当降低房价 1 建议政府根据房价提高人均收入 使其购房能力逐渐增强 2 响应 两会 提高个人所得税起征点 使低收入人群具有更多可支配收 入 3 建立 卫星城 实现人口密集型城市的人员分流 缓解市区住房紧张压 力 措施二 放弃 GDP 每年保持 8 的增长率 GDP 增长速率的降低必将是房价趋 于平衡增长阶段 我们需要建立起一套良好的分配机制 那就是如何把这些赚到的钱 有效率地 分给全国老百姓 让大家一起致富 通过各种政策 保护民营企业赚取利润的权 益 希望民营企业赚更多的钱 当然 国营企业也包括在内 然后我们还需要建 立起一套良好的分配机制 那就是如何把这些赚到的钱 有效率地分给全国老百 姓 让大家一起致富 措施三 加大保障性住房投资金额 增加房屋可用有效数量 1 政府出台优惠政策 吸引更多房地产商投资 使有效房屋供应量充足 2 政府建立保障性住房以及经济适用房 使更多人拥有可居住房屋 3 提供低收入者更多购房补助 增加其买房能力 措施四 明确政策法规 不断优化房地产投资环境 1 制定健全房地产开发 建设 销售 以及土地征用 流转等环节的相关法 律法规 以及有效协调各方利益 维护社会稳定 2 密切关注房地产价格与交易变化 判断房地产市场走势及风险 并及时向 社会发布 3 适当控制各地土地挂牌交易量 审查参与土地竞购和交易的房地产企业资 金流动性水平 4 明确地方政府责任 根据实际出台必要地方监管措施 严防房地产企业违 规操作行为 5 在投资环境较好的地区推进试点房地产信托投资基金 拓展房地产投资渠 道 推进房地产市场发展 六 模型分析与推广六 模型分析与推广 6 1 模型优点6 1 模型优点 1 在确定对房价的影响因素时 采用线性回归法 筛选出对房价影响较大的 几个因素 具有一定的科学性 2 本模型依赖于线性方程构建的想法 模型建立之后进行了修正 得到的 结果比较符合实际 方案简洁明了 易于操作 6 2 模型缺点6 2 模型缺点 1 模型建立时仅选取了主要因素 忽略了一些次要因素 因此结果可能与实 际情况不太符合 2 本模型建立过程中考虑各个因素与房价呈线性关系 假设各影响因素之 间相互独立 但实际中各因素之间是相互影响的 3 由于数据较少 在进行多元线性回归预测时可能导致结果存在一定的误 差 4 模型建立过程中 适当再加入一些参数可能会使模型更加精细 更符合 实际 例如 人口密度 人们的心理波动等 6 3 模型推广6 3 模型推广 本模型可应用于对房价的合理性判断和提出针对房价上涨过快政府应采取 的措施 1 对房价的合理性判断 在预测房价过程中 通过matlab可求得关于房价在置信度为 95 下的置信 区间 若实际房价在此区间内 即为合理 2 对房价采取的合理措施 根据模型 我们得到了影响房价的主要因素 并知道了它们与房价之间的 相关关系 可以据此给出一些合理性意见 七 结论七 结论 近期走势预测 涨幅趋缓 结构性调整 总体下跌的可能性不大 根据本模型预测房价增幅明显趋缓 这其中的原因是多方面的 其中部分原 因在于 房价整体水平已经处于很高的位置 投资风险增大 另一方面政府推出 优惠政策 鼓励开发商建造中低价商品房以及经济适用房也在一定程度上缓解了 房价的快速攀升 然而 由于土地稀缺等因素 房价继续上涨将是必然的趋势 虽然涨幅没有 去年那么来势汹汹 但在 好地段造好房子 理念的支撑下 仍然会供不应求 从中长期来看 中国房地产市场目前正处于房地产周期中的繁荣阶段 虽有 泡沫 但仍处于安全区内 只要政府调控得当 破灭的可能性不大 因此 房地产价格在未来几年内仍将继续保持增长态势 但增长幅度将逐步 有所趋缓 即使期间受宏观经济影响房价也许会出现短暂回落 但总体上升趋势 不变 八 参考文献八 参考文献 1 阳明盛 熊西文 林建华 MATLAB 基础及数学软件 第一版 M 大连理工大 学出版 2006 2 茆诗松 程依明 濮晓龙 概率论与数理统计教程 第一版 M 北京 高等 教育出版社 2004 3 马哲 基于土地指数编制下的北京土地市场趋势探讨 J 中国经 贸 2009 vol 24 3 4 汪茵芸 史明 蒋漓 房价问题的数学建模 J 海南大学学报自然科学版 2009 vol 27 1 4 姜启源 谢金星 叶俊 数学模型 第三版 M 北京高等教育出版社 2003 5 丁克良 沈云中 欧吉坤 整体最小二乘直线拟合 J 辽宁工程技术大学学 报自然科学版 2010 vol 29 1 6 孙忆敏 我国大城市保障性住房建设的若干探讨 J 规划师论坛 2008 vol 24 4 7 马建唐 中国国家统计年鉴 国民与国内总收入 EB OL 2 1 8 国务院发展研究中心信息网 居住用地交易价格指数 EB OL docid 2210699 x 35260 0 48108 5 59810 5 70142 5 78060 8 83024 3 88479 2 98000 5 108068 2 119095 7 135174 0 159586 7 185808 6 217522 7 267763 7 316228 8 343464 7 plot x y o xlabel 国民总收入 ylabel 房价均值 hold on p polyfit x y 1 y1 polyval p x plot x y1 a corrcoef x y 图 2 y 786 995 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728 x 35333 9 48197 9 60793 7 71176 6 78973 0 84402 3 89677 1 99214 6 109655 2 120332 7 135822 8 159878 3 184937 4 216314 4 265810 3 314045 4 340506 9 plot x y o xlabel 国内生产总值 ylabel 房价均值 hold on p polyfit x y 1 y1 polyval p x plot x y1 a corrcoef x y 图 3 y 786 995 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728 x 28 1428 64 29 04 29 37 29 92 30 40 30 89 36 22 37 66 39 09 40 53 41 76 42 99 43 90 44 94 45 69 46 59 plot x y o xlabel 城市化率 ylabel 房价均值 hold on p polyfit x y 1 y1 polyval p x plot x y1 a corrcoef x y 图 4 y 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728 x 102 60 102 50 99 70 98 60 98 80 101 50 98 60 98 20 99 70 105 10 103 10 101 90 103 00 109 50 101 10 plot x y o xlabel 建材价格指数 ylabel 房价均值 hold on p polyfit x y 1 y1 polyval p x plot x y1 a corrcoef x y 图 5 y 1806 1997 2250 2359 2778 3168 3465 3728 x 3466 40 3970 36 4257 49 3513 45 4379 03 4810 26 5621 86 5354 65 plot x y o xlabel 保障型住房规模 ylabel 房价均值 hold on p polyfit x y 1 y1 polyval p x plot x y1 a corrcoef x y 图 6 y 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 4045 x 99 90 100 40 99 90 101 00 98 60 107 70 112 40 111 60 110 30 106 00 113 70 111 30 127 60 plot x y o xlabel 居住用地交易价格指数 ylabel 房价均值 hold on p polyfit x y 1 y1 polyval p x plot x y1 a corrcoef x y 图 7 y 995 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728 x 60 30 81 70 102 20 123 90 159 80 183 50 209 60 228 60 282 40 323 90 366 30 435 90 515 20 575 10 680 34 803 66 plot x y o xlabel 税收收入 ylabel 房价均值 hold on p polyfit x y 1 y1 polyval p x plot x y1 a corrcoef x y 图 8 y 995 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728 x 2554 00 3149 02 3216 44 3178 37 3614 23 4103 20 4984 05 6344 11 7790 92 10153 80 13158 30 15909 20 19422 90 25288 80 31203 20 36241 80 plot x y o xlabel 房产投资 ylabel 房价均值 hold on p polyfit x y 1 y1 polyval p x plot x y1 a corrcoef x y 附录二 残差原始图程序 x 35260 0 35333 9 28 14 1648 90 56 30 2360 21 48108 5 48197 9 28 64 1757 60 60 30 2554 00 59810 5 60793 7 29 04 1844 30 81 70 3149 02 70142 5 71176 6 29 37 2978 50 102 20 3216 44 78060 8 78973 0 29 92 2676 50 123 90 3178 37 83024 3 84402 3 30 40 2784 60 159 8 3614 23 88479 2 89677 1 30 89 3274 90 183 50 4103 20 98000 5 99214 6 36 22 2845 40 209 60 4984 05 108068 2 109655 2 37 66 3080 10 228 60 6344 11 119095 7 120332 7 39 09 1747 80 282 40 7790 92 135174 0 135822 8 40 53 2103 90 323 90 10153 80 159586 7 159878 3 41 76 2023 50 366 30 13158 30 185808 6 184937 4 42 99 1771 30 435 90 15909 20 217522 7 216314 4 43 90 2200 70 515 20 19422 90 267763 7 265810 3 44 94 2210 80 575 10 25288 80 316228 8 314045 4 45 69 2600 00 680 34 31203 20 343464 7 340506 9 46 59 1956 90 803 66 36241 80 344903 6 397983 0 50 00 2933 02 894 06 4826 70 x1国民总收入 X2国内生 产总值 x3国家城市化率X4保障性住房规模X5物价水平想x6居民用地价格指 数 y 786 995 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728 4045 房价 b bint e eint stats regress y x rcoplot e eint 结果 b 0 0606 0 0502 7 1088 0 2115 2 8388 0 0872 bint 0 00800 1133 0 0926 0 0077 3 015717 2332 0 06370 3593 0 16495 5127 0 1699 0 0045 e 83 3155 29 4329 158 4883 124 0002 36 1953 59 8703 52 7342 5 2597 16 9619 153 7868 16 1532 28 1811 165 8985 112 7889 44 2947 49 7527 107 3702 7 0414 eint 250 899684 2685 240 5966181 7308 23 4044340 3810 323 223675 2233 248 8101176 4195 163 9792283 7198 139 6051245 0734 147 7634298 2828 240 3712206 4473 31 2908338 8643 206 4989238 8052 258 4436202 0814 348 142116 3451 320 519294 9415 149 8675238 4568 232 1846132 6791 21 9060236 6464 13 0087 1 0741 stats 1 0e 004 0 00010 02360 00001 1908 残差改进图程序 x 35260 0 35333 9 28 14 1648 90 56 30 2360 21 48108 5 48197 9 28 64 1757 60 60 30 2554 00 59810 5 60793 7 29 04 1844 30 81 70 3149 02 70142 5 71176 6 29 37 2978 50 102 20 3216 44 78060 8 78973 0 29 92 2676 50 123 90 3178 37 83024 3 84402 3 30 40 2784 60 159 8 3614 23 88479 2 89677 1 30 89 3274 90 183 50 4103 20 98000 5 99214 6 36 22 2845 40 209 60 4984 05 108068 2 109655 2 37 66 3080 10 228 60 6344 11 119095 7 120332 7 39 09 1747 80 282 40 7790 92 135174 0 135822 8 40 53 2103 90 323 90 10153 80 159586 7 159878 3 41 76 2023 50 366 30 13158 30 185808 6 184937 4 42 99 1771 30 435 90 15909 20 217522 7 216314 4 43 90 2200 70 515 20 19422 90 267763 7 265810 3 44 94 2210 80 575 10 25288 80 316228 8 314045 4 45 69 2600 00 680 34 31203 20 343464 7 340506 9 46 59 1956 90 803 66 36241 80 x1国民总收入 X2国内 生产总值 x3国家城市化率X4保障性住房规模X5物价水平想x6居民用地价格指 数 y 786 995 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728 房价 b bint e eint stats regress y x rcoplot e eint 结果 b 0 0973 0 1084 5 9106 0 1506 1 7756 0 0510 bint 0 23950 0449 0 03190 2487 2 594114 4154 0 01680 2844 0 63274 1840 0 12660 0246 e 7 6640 40 5002 86 6164 121 2992 12 2094 36 5503 92 6437 82 9457 87 4930 57 4746 14 5783 84 0965 92 6957 20 8786 77 2766 87 1218 86 9596 eint 138 6221123 2942 123 1760204 1765 65 0416238 2745 280 511137 9128 189 8513165 4325 150 8891223 9897 53 4344238 7219 99 2874265 1788 252 915877 9298 91 1720206 1211 198 8991169 7426 261 494893 3018 244 792359 4010 185 4533143 6960 75 2261229 7793 225 981851 7381 18 9058192 8250 stats 1 0e 003 0 00100 26350 00008 1144 附录三 回归系数检验程序 n 17 p 6 x1 35260 0 48108 5 59810 5 70142 5 78060 8 83024 3 88479 2 98000 5 108068 2 119095 7 135174 0 159586 7 185808 6 217522 7 267763 7 316228 8 343464 7 国 民总收入 x2 35333 9 48197 9 60793 7 71176 6 78973 0 84402 3 89677 1 99214 6 109655 2 120332 7 135822 8 159878 3 184937 4 216314 4 265810 3 314045 4 340506 9 国 内生产总值 x3 28 14 28 64 29 04 29 37 29 92 30 40 30 89 36 22 37 66 39 09 40 53 41 76 42 99 43 90 44 94 45 69 46 59 国家城市化率 x4 170 190 210 230 250 270 85 457 02 542 44 599 65 589 0 622 0 606