房地产影响因素分析_毕业论文范文网-论文范文

搜索高级搜索

原创毕业论文

房地产影响因素分析

作者: 浏览:196次

免费专业论文
政治工作论文
计算机论文
营销专业论文
工程管理论文范文
医药医学论文范文
法律论文范文
生物专业论文
物理教学论文范文
人力资源论文范文
化学教学论文范文
电子专业论文范文
历史专业论文
电气工程论文
社会学专业论文
英语专业论文
行政管理论文范文
语文专业论文
电子商务论文范文
焊工钳工技师论文
社科文学论文
教育论文范文
数学论文范文
物流论文范文
建筑专业论文
食品专业论文
财务管理论文范文
工商管理论文范文
会计专业论文范文
专业论文格式
化工材料专业论文
英语教学专业论文
电子通信论文范文
旅游管理论文范文
环境科学专业论文
经济论文
人力资源论文范文
营销专业论文范文
财务管理论文范文
物流论文范文
财务会计论文范文
数学教育论文范文
数学与应用数学论文
电子商务论文范文
法律专业论文范文
工商管理论文范文
汉语言文学论文
计算机专业论文
环境艺术专业论文
信息计算科学专业
物流专业论文范文
人力资源论文范文
教育管理论文范文
现代教育技术论文
小学教育论文范文
机械模具专业论文
报告,总结,申请书
理工科专业论文
心理学论文范文
学前教育论文范文

毕业论文范文题目：房地产影响因素分析，论文范文关键词：房地产影响因素分析
房地产影响因素分析毕业论文范文介绍开始：

房地产影响因素分析
（背景）2002年以来，我国商品房销售额大幅攀升带动了房地产开发和城市基础设施投资的新一轮高速增长。通过产业链的传递，进而又拉动钢材、有色金属、建材、石化等生产资料价格的快速上涨，刺激这些生产资料部门产能投资的成倍扩张，最后导致全社会固定资产投资规模过大、增速过快情况的出现。房价过快上涨在推动投资增长过快的同时，已经成为抑制消费的重要因素。
房地产价格本身呈自然上涨趋势，房价中长期趋势总是看涨。随着我国经济发展，居民可支配收入提高，民间资金雄厚，大量资金需要寻找投资渠道，而股票市场等投资渠道目前又处于低迷状态，这是房地产投资需求不断扩大的经济背景。强劲的CPI上涨说明当前的房价上涨并非孤立，是有其宏观经济背景的。宏观调控能否有效防止局部行业过热出现反弹，其中的关键就是要继续加强和完善对房地产业的调控。（引言）国际上关于房地产有一种普遍的观点：人均收入超过1000美元，房地产市场呈现高速发展阶段。欧美等发达国家基本都经历了这样一个阶段。我们这篇论文，主要探讨房地产影响因素分析，主要从人均收入对房地产长期发展的影响阐述。

年份 X1 X2 X3 Y
1990 2551.736 1510.16 222 704.3319
1991 1111.236 1700.6 233.3 786.1935
1992 590.5998 2026.6 253.4 994.6555
1993 2897.019 2577.4 294.2 1291.456
1994 3532.471 3496.2 367.8 1408.639
1995 3983.081 4282.95 429.6 1590.863
1996 4071.181 4838.9 467.4 1806.399
1997 3527.536 5160.3 481.9 1997.161
1998 2966.057 5425.1 479 2062.569
1999 2818.805 5854 472.8 2052.6
2000 2674.264 6279.98 476.6 2111.617
2001 2830.688 6859.6 479.9 2169.719
2002 2906.16 7702.8 475.1 2250.177
2003 3011.424 8472.2 479.4 2359.499
2004 3441.62 9421.6 495.2 2713.878

X1=建材成本（元/平方米） X2=居民人均收入（元）     X3=物价指数     Y=房地产价格（元/平方米）
初定模型：Y=c+a1*x1 +a2*x2 +a3*x3+et
Dependent Variable: Y
Method: Least Squares
Date: 06/05/05   Time: 23:04
Sample: 1990 2004
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
X3 2.537578 0.590422 4.297908 0.0013
X2 0.146495 0.020968 6.986568 0.0000
X1 -0.018016 0.035019 -0.514447 0.6171
C 33.20929 118.2747 0.280781 0.7841
R-squared 0.983094     Mean dependent var 1753.317
Adjusted R-squared 0.978483     S.D. dependent var 600.9536
S.E. of regression 88.15143     Akaike info criterion 12.01917
Sum squared resid 85477.42     Schwarz criterion 12.20798
Log likelihood -86.14376     F-statistic 213.2186
Durbin-Watson stat 1.504263     Prob(F-statistic) 0.000000

一：多元线性回归


Dependent Variable: Y
Method: Least Squares
Date: 06/05/05   Time: 23:05
Sample: 1990 2004
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
X1 0.336010 0.151084 2.223999 0.0445
C 792.0169 453.4460 1.746662 0.1043
R-squared 0.275612     Mean dependent var 1753.317
Adjusted R-squared 0.219889     S.D. dependent var 600.9536
S.E. of regression 530.7855     Akaike info criterion 15.51016
Sum squared resid 3662533.     Schwarz criterion 15.60457
Log likelihood -114.3262     F-statistic 4.946171
Durbin-Watson stat 0.275870     Prob(F-statistic) 0.044490

Dependent Variable: Y
Method: Least Squares
Date: 06/05/05   Time: 23:09
Sample: 1990 2004
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
X3 5.501779 0.525075 10.47809 0.0000
C -486.8605 220.1227 -2.211769 0.0455
R-squared 0.894128     Mean dependent var 1753.317
Adjusted R-squared 0.885984     S.D. dependent var 600.9536
S.E. of regression 202.9191     Akaike info criterion 13.58706
Sum squared resid 535290.2     Schwarz criterion 13.68146
Log likelihood -99.90293     F-statistic 109.7903
Durbin-Watson stat 0.440527     Prob(F-statistic) 0.000000

Dependent Variable: Y
Method: Least Squares
Date: 06/05/05   Time: 23:10
Sample: 1990 2004
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
X2 0.236347 0.015879 14.88417 0.0000
C 561.9975 88.56333 6.345713 0.0000
R-squared 0.944572     Mean dependent var 1753.317
Adjusted R-squared 0.940308     S.D. dependent var 600.9536
S.E. of regression 146.8243     Akaike info criterion 12.93992
Sum squared resid 280245.9     Schwarz criterion 13.03432
Log likelihood -95.04937     F-statistic 221.5384
Durbin-Watson stat 0.475648     Prob(F-statistic) 0.000000

Dependent Variable: Y
Method: Least Squares
Date: 06/07/05   Time: 21:42
Sample: 1990 2004
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
X3 2.355833 0.458340 5.139923 0.0002
X2 0.150086 0.019157 7.834714 0.0000
C 37.56794 114.2991 0.328681 0.7481
R-squared 0.982687     Mean dependent var 1753.317
Adjusted R-squared 0.979802     S.D. dependent var 600.9536
S.E. of regression 85.40783     Akaike info criterion 11.90961
Sum squared resid 87533.98     Schwarz criterion 12.05122
Log likelihood -86.32207     F-statistic 340.5649
Durbin-Watson stat 1.408298     Prob(F-statistic) 0.000000

　　　得到结果发现，ｘ１的系数小，然后对ｙ与ｘ１回归可决系数小，相关性差，剔出这个因素。因为价格更多取决于供需关系。
修正之后为：Y＝c+a2*x2+a3*x3＋et
二：多重线性分析：三个表如上：
X2 与X3 存在多重共线性，
1.000000 0.876073
0.876073 1.000000

Sample: 1990 2004
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
X2 0.236347 0.015879 14.88417 0.0000
C 561.9975 88.56333 6.345713 0.0000
R-squared 0.944572     Mean dependent var 1753.317
Adjusted R-squared 0.940308     S.D. dependent var 600.9536
S.E. of regression 146.8243     Akaike info criterion 12.93992
Sum squared resid 280245.9     Schwarz criterion 13.03432
Log likelihood -95.04937     F-statistic 221.5384
Durbin-Watson stat 0.475648     Prob(F-statistic) 0.000000

　由于引入物价指数改善小，所以模型仅一步改进为：Y＝c+a2*x2＋et

三：异方差检验：

ARCH Test:
F-statistic 1.315031     Probability 0.335173
Obs*R-squared 3.963227     Probability 0.265462

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/05/05   Time: 23:46
Sample(adjusted): 1993 2004
Included observations: 12 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 22737.94 10296.61 2.208295 0.0582
RESID^2(-1) 0.241952 0.383144 0.631493 0.5453
RESID^2(-2) -0.327769 0.404787 -0.809734 0.4415
RESID^2(-3) -0.273720 0.378355 -0.723449 0.4900
R-squared 0.330269     Mean dependent var 16705.23
Adjusted R-squared 0.079120     S.D. dependent var 18205.33
S.E. of regression 17470.29     Akaike info criterion 22.63559
Sum squared resid 2.44E+09     Schwarz criterion 22.79723
Log likelihood -131.8136     F-statistic 1.315031
Durbin-Watson stat 1.842435     Prob(F-statistic) 0.335173

ＡＲＣＨ＝３．９６３＜临界值７．８１４７３
所以无异方差

White Heteroskedasticity Test:
F-statistic 0.159291     Probability 0.854522
Obs*R-squared 0.387928     Probability 0.823687

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/05/05   Time: 23:46
Sample: 1990 2004
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 31063.28 22612.20 1.373740 0.1946
X2 -5.055754 9.640127 -0.524449 0.6095
X2^2 0.000421 0.000907 0.464605 0.6505
R-squared 0.025862     Mean dependent var 18683.06
Adjusted R-squared -0.136494     S.D. dependent var 18673.13
S.E. of regression 19906.77     Akaike info criterion 22.81236
Sum squared resid 4.76E+09     Schwarz criterion 22.95397
Log likelihood -168.0927     F-statistic 0.159291
Durbin-Watson stat 1.357657     Prob(F-statistic) 0.854522

ＷＨＩＴＥ＝０．３８７９＜临界值７．８１４７３
无异方差。

四：自相关分析：
　　ＤＷ＝０．４７５６
查表的ｄｌ＝１．０７７　　ｄｕ＝１．３６１
存在自相关
广义差分法修正：ρ＝１－０．４７５６／２＝０．７６２２

Dependent Variable: DY
Method: Least Squares
Date: 06/06/05   Time: 00:18
Sample(adjusted): 1991 2004
Included observations: 14 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
DX2 0.182086 0.034918 5.214655 0.0002
C 236.5589 63.27388 3.738650 0.0028
R-squared 0.693820     Mean dependent var 544.1620
Adjusted R-squared 0.668305     S.D. dependent var 148.7133
S.E. of regression 85.64840     Akaike info criterion 11.86994
Sum squared resid 88027.77     Schwarz criterion 11.96124
Log likelihood -81.08959     F-statistic 27.19263
Durbin-Watson stat 1.584278     Prob(F-statistic) 0.000217

得出：回归后可决系数降低，考虑其他方法。
1．迭代法：表：
　　发现可决系数提高，Ｆ统计量提高，ＤＷ＝１．５５４７〉１．３６１
已经无自相关。
结论：Y－bY（－１）＝ｃ*（１－ｂ）＋a2*（x2－b*x2（－１））+et

由下表的b=0.681
C=561.9975 a2=0.236347 179.2772
Y*= Y－0.681Y（－１） X*= x2－0.681*x2（－１）
Y*=179.2272 +0.2363X*+et

Method: Least Squares
Date: 06/07/05   Time: 20:57
Sample(adjusted): 1991 2004
Included observations: 14 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
E2 0.680509 0.177696 3.829624 0.0024
C 11.68773 24.88825 0.469608 0.6471
R-squared 0.549989     Mean dependent var 15.32764
Adjusted R-squared 0.512488     S.D. dependent var 133.2751
S.E. of regression 93.05539     Akaike info criterion 12.03583
Sum squared resid 103911.7     Schwarz criterion 12.12712
Log likelihood -82.25081     F-statistic 14.66602
Durbin-Watson stat 1.313042     Prob(F-statistic) 0.002397

2．改进模型方程（对数法，然后用迭代法）：Lｙ－ｂLｙ（－１）＝　ｃ＊（１－ｂ）＋ａ２＊（Lｘ２－ｂ＊Lｘ２（－１）
可决系数很高，F统计量相对1中也有提高，DW=1.81>1.361
无自相关。

Dependent Variable: LY
Method: Least Squares
Date: 06/06/05   Time: 10:24
Sample(adjusted): 1991 2004
Included observations: 14 after adjusting endpoints
Convergence achieved after 7 iterations
Variable Coefficient Std. Error t-Statistic Prob.
LX2 0.586203 0.100243 5.847799 0.0001
C 2.525810 0.882350 2.862594 0.0154
AR(1) 0.567144 0.220457 2.572589 0.0259
R-squared 0.980054     Mean dependent var 7.460096
Adjusted R-squared 0.976428     S.D. dependent var 0.351331
S.E. of regression 0.053941     Akaike info criterion -2.814442
Sum squared resid 0.032006     Schwarz criterion -2.677501
Log likelihood 22.70109     F-statistic 270.2458
Durbin-Watson stat 1.810100     Prob(F-statistic) 0.000000
Inverted AR Roots        .57

Dependent Variable: E1
Method: Least Squares
Date: 06/07/05   Time: 21:00
Sample(adjusted): 1991 2004
Included observations: 14 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
E2 0.501784 0.219561 2.285394 0.0413
C 0.006639 0.015069 0.440600 0.6673
R-squared 0.303258     Mean dependent var 0.007495
Adjusted R-squared 0.245197     S.D. dependent var 0.064877
S.E. of regression 0.056365     Akaike info criterion -2.782368
Sum squared resid 0.038124     Schwarz criterion -2.691074
Log likelihood 21.47658     F-statistic 5.223026
Durbin-Watson stat 1.517853     Prob(F-statistic) 0.041274

用1，2两种修正，两种效果都很好，都消除了自相关，相比较2更好。
所以，方程：b=0.502
Y*= Lｙ－o.502*Lｙ（－１） X*= Lx2－0.502*Lx2（－１）
Y*=1.2579+0.5862X*+et

以上就是通过分析和检验得到的回归方程。所以，人均收入水平的高低在一定程度上影响房地产价格。当前的房地产价格增长背后收入是不可忽略的因素。

资料来源：中经网，国家统计局网站，

以上为本篇毕业论文范文房地产影响因素分析的介绍部分。

本论文在经济论文栏目，由论文网(www.zjwd.net)整理,更多论文,请点论文范文查找

收费专业论文
汉语言文学论文
物理学论文
自动化专业论文
测控技术专业论文
历史学专业论文
机械模具专业论文
金融专业论文
电子通信专业论文
材料科学专业论文
英语专业论文
会计专业论文
行政管理专业论文
财务管理专业论文
电子商务国贸专业
法律专业论文
教育技术学专业论文
物流专业论文
人力资源专业论文
生物工程专业论文
市场营销专业论文
土木工程专业论文
化学工程专业论文
文化产业管理论文
工商管理专业论文
护理专业论文
数学教育专业论文
数学与应用数学专业
心理学专业论文
信息管理专业论文
工程管理专业论文
工业工程专业论文
制药工程专业论文
电子机电信息论文
现代教育技术专业
新闻专业论文
热能与动力设计论文
教育管理专业论文
日语专业论文
德语专业论文
轻化工程专业论文
社会工作专业论文
乡镇企业管理
给水排水专业
服装设计专业论文
电视制片管理专业
旅游管理专业论文
物业管理专业论文
信息管理专业论文
包装工程专业论文
印刷工程专业论文
动画专业论文
营销专业论文范文
工商管理论文范文
汉语言文学论文范文
法律专业论文范文
教育管理论文范文
小学教育论文范文
学前教育论文范文
财务会计论文范文

电子商务论文范文

上一篇：工资收入差异分析

下一篇：货币政策与GDP的回归分析