影响四川省房地产业发展的因素分析_毕业论文范文网-论文范文

搜索高级搜索

原创毕业论文

影响四川省房地产业发展的因素分析

作者: 浏览:180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：影响四川省房地产业发展的因素分析，论文范文关键词：影响四川省房地产业发展的因素分析
影响四川省房地产业发展的因素分析毕业论文范文介绍开始：

影响四川省房地产业发展的因素分析

“民以食为天，以住为地”，房地产在国民经济生活中起着重要的作用.房地产业的发展对国民经济发展有着巨大而深刻的影响.因此，审慎分析房地产市场的现状及其基本走势,深入探讨影响房地产业发展的主要因素，对促进房地产业事业持续重要.
一、对房地产市场的基本判断
２０００～２００３年间，我国房地产投资连续四年增幅在２０％以上，２００３年房地产投资增长率高达２９．７％，投资规模首次突破１万亿元，占全社会固定资产投资的１８．３％占ＧＤＰ的８．７％。在投资规模不断增长的同时，商品房的销售率也在稳步上涨。然而，在总体看好的情况下，局部地区投资增长过快、供求结构失衡的问题仍十分突出。除区域性问题外，投资结构也不容忽视。近几年，全国普通住宅销售率连续四年在８０％以上，且不断走高，但高档住宅、经济适用房、办公楼宇和商厦的销售率却都比较低，导致办公楼和商厦的大量闲置。简言之，此轮房地产投资热，有合理的因素，如中国经济的高速增长、城市化进程的加快、居民收入水平的提高、消费的升级换代、大量外资的进入和劳动力的流动形成的市场有效需求等，但是，政府人为造市、无视地区市场环境的盲目大干快上，导致奢靡之风、非理性投资泛滥，由此引发的投资热和结构失衡，对房地产业来说则是贻害长远。
二、选定变量进行计量经济学的分析
我们选定四川省房地产开发总值(单位:亿元)作为被解释变量Ｙ,同时一共选定了八个解释变量:
Ｘ1—四川省每年税收总额(单位:万元)
Ｘ2—四川省每年储蓄存款总额(单位:亿元)
Ｘ3—四川省建筑材料工业品出厂价格指数(单位:％)
Ｘ4—四川省原材料燃料和动力购进价格指数(建筑材料类)(单位:％)
Ｘ5—四川省每人每年可支配收入(单位:元)
Ｘ6—四川省ＧＤＰ(单位:亿元)
Ｘ7—货币供应量(单位:亿元)
Ｘ8—贷款利率(3年-5年期)(单位:％)
年份 Y X1 X2 X3 X4 X5 X6 X7 X8
1900  5.18 256513 698.15 101.2 100 1862.36 890.95 15293.4 11.7%
1991  6.09 323350 813.47 96.4 118.2 2132.56 1016.31 19349.9 11.7%
1992  14.19  486213  904.68 92.4 139.3 2988.21 1177.27 25402.2 11.7%
1993  34.87  658821  988.17 87.2 168.5 3422.17 1486.08 34879.8 11.7%
1994  50.57  869451 1024.21 98.5 215.1 3846.22 2001.41 46923.5 11.7%
1995  79.96 1052013 1148.59 103.7 273.3 4002.91 2504.95 60750.5 11.7%
1996  90.62 1298407 1521.97 140.5 294.4 4406.09 2985.15 76094.9 11.7%
1997 100.26 1525792 1841.22 97.0 354.6 4763.26 3320.11 90995.3  9.9%
1998 120.60 1660286 1984.54 95.3 417.2 5127.08 3580.26 104498.5 7.65%
1999 142.50 1778979 2351.21 94.0 417.2 5477.89 3711.61 119897.9 6.03%
2000 195.97 1946319 2693.17 94.7 444.7 5894.27 4010.25 134610.3 6.03%
2001 268.15 2181466 3123.39 97.3 470.7 6360.47 4421.76 158301.9 6.03%
构造模型: （数据见下页）
Ｙ＝0+1Ｘ1+2Ｘ2+3Ｘ3+4Ｘ4+5Ｘ5+6Ｘ6+7Ｘ7+8Ｘ8
对数据进行分析:
Dependent Variable: Y
Method: Least Squares
Date: 12/22/04   Time: 16:40
Sample: 1990 2002
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 9.506190 61.47340 0.154639 0.8846
X1 -0.000108 0.000146 -0.737120 0.5019
X2 -1.32E-06 1.34E-06 -0.981761 0.3818
X3 0.515279 0.894020 0.576362 0.5952
X4 -1.019800 0.958646 -1.063793 0.3474
X5 -0.019462 0.037130 -0.524162 0.6279
X6 -0.154027 0.062463 -2.465914 0.0692
X7 0.007994 0.001154 6.925113 0.0023
X8 9.830840 3.240301 3.033929 0.0386
R-squared 0.995226     Mean dependent var 115.8538
Adjusted R-squared 0.985677     S.D. dependent var 114.4145
S.E. of regression 13.69309     Akaike info criterion 8.277619
Sum squared resid 750.0024     Schwarz criterion 8.668738
Log likelihood -44.80453     F-statistic 104.2251
Durbin-Watson stat 3.388729     Prob(F-statistic) 0.000226

对数据的多重共线性进行分析:
X1 X2 X3 X4 X5 X6 X7 X8
X1 1.000000 0.992449 -0.490698 -0.579667 0.926422 0.942814 0.985242 -0.808622
X2 0.992449 1.000000 -0.482882 -0.568568 0.920679 0.932850 0.975851 -0.819597
X3 -0.490698 -0.482882 1.000000 0.900281 -0.486587 -0.511065 -0.489324 0.424923
X4 -0.579667 -0.568568 0.900281 1.000000 -0.638015 -0.648189 -0.604672 0.455466
X5 0.926422 0.920679 -0.486587 -0.638015 1.000000 0.995972 0.969636 -0.620918
X6 0.942814 0.932850 -0.511065 -0.648189 0.995972 1.000000 0.981303 -0.655603
X7 0.985242 0.975851 -0.489324 -0.604672 0.969636 0.981303 1.000000 -0.749205
X8 -0.808622 -0.819597 0.424923 0.455466 -0.620918 -0.655603 -0.749205 1.000000

可见解释变量间存在多重共线性,对此我们进行修正,采用逐步回归：

Y与X7的拟合效果最好
Dependent Variable: Y
Method: Least Squares
Date: 12/22/04   Time: 16:54
Sample: 1990 2002
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C -47.59996 17.42865 -2.731133 0.0195
X7 0.001982 0.000178 11.15827 0.0000
R-squared 0.918823     Mean dependent var 115.8538
Adjusted R-squared 0.911444     S.D. dependent var 114.4145
S.E. of regression 34.04795     Akaike info criterion 10.03406
Sum squared resid 12751.89     Schwarz criterion 10.12097
Log likelihood -63.22136     F-statistic 124.5069
Durbin-Watson stat 0.631549     Prob(F-statistic) 0.000000

将其余变量逐一引入的如下几个模型:
引入Ｘ6:
Dependent Variable: Y
Method: Least Squares
Date: 12/22/04   Time: 17:01
Sample: 1990 2002
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 24.27906 25.19510 0.963642 0.3579
X6 -0.090727 0.027503 -3.298789 0.0080
X7 0.004151 0.000670 6.196114 0.0001
R-squared 0.961126     Mean dependent var 115.8538
Adjusted R-squared 0.953351     S.D. dependent var 114.4145
S.E. of regression 24.71162     Akaike info criterion 9.451598
Sum squared resid 6106.641     Schwarz criterion 9.581971
Log likelihood -58.43539     F-statistic 123.6208
Durbin-Watson stat 0.917644     Prob(F-statistic) 0.000000

Ｘ6通过检验,引入Ｘ８：
Dependent Variable: Y
Method: Least Squares
Date: 12/22/04   Time: 17:05
Sample: 1990 2002
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C -80.26395 34.93053 -2.297816 0.0472
X6 -0.143206 0.024342 -5.882998 0.0002
X7 0.005851 0.000676 8.655646 0.0000
X8 11.17218 3.235669 3.452819 0.0072
R-squared 0.983278     Mean dependent var 115.8538
Adjusted R-squared 0.977703     S.D. dependent var 114.4145
S.E. of regression 17.08441     Akaike info criterion 8.761870
Sum squared resid 2626.894     Schwarz criterion 8.935700
Log likelihood -52.95215     F-statistic 176.3999
Durbin-Watson stat 1.513796     Prob(F-statistic) 0.000000

Ｘ8通过检验,引入Ｘ2:
Dependent Variable: Y
Method: Least Squares
Date: 12/22/04   Time: 17:07
Sample: 1990 2002
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C -50.80815 26.01905 -1.952729 0.0866
X2 -2.24E-06 6.92E-07 -3.237378 0.0119
X6 -0.162752 0.018028 -9.027545 0.0000
X7 0.007402 0.000673 11.00720 0.0000
X8 8.109910 2.448140 3.312683 0.0107
R-squared 0.992761     Mean dependent var 115.8538
Adjusted R-squared 0.989142     S.D. dependent var 114.4145
S.E. of regression 11.92238     Akaike info criterion 8.078435
Sum squared resid 1137.146     Schwarz criterion 8.295723
Log likelihood -47.50983     F-statistic 274.2850
Durbin-Watson stat 2.434411     Prob(F-statistic) 0.000000
Ｘ2通过各项检验,而其他变量未能通过各项检验,以上变量模型拟合度良好:
利用ARCH检验是否存在异方差
ARCH Test:
F-statistic 0.444405     Probability 0.730040
Obs*R-squared 1.818050     Probability 0.611015
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/22/04   Time: 17:18
Sample(adjusted): 1993 2002
Included observations: 10 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 197.6702 116.5979 1.695315 0.1409
RESID^2(-1) -0.389754 0.411792 -0.946481 0.3804
RESID^2(-2) -0.403048 0.444113 -0.907535 0.3991
RESID^2(-3) -0.091219 0.421512 -0.216410 0.8358
R-squared 0.181805     Mean dependent var 103.1534
Adjusted R-squared -0.227292     S.D. dependent var 136.2191
S.E. of regression 150.9079     Akaike info criterion 13.16039
Sum squared resid 136639.2     Schwarz criterion 13.28143
Log likelihood -61.80196     F-statistic 0.444405
Durbin-Watson stat 1.941317     Prob(F-statistic) 0.730040

Obs*R-squared=1.818050<7.81=x^2 0.05(3)
所以不存在异方差

利用Cochrane-Orcutt迭代法检验
Dependent Variable: Y
Method: Least Squares
Date: 12/22/04   Time: 17:36
Sample(adjusted): 1991 2002
Included observations: 12 after adjusting endpoints
Convergence achieved after 10 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C -46.53201 27.88659 -1.668616 0.1462
X2 -2.54E-06 9.14E-07 -2.775620 0.0322
X6 -0.167869 0.018630 -9.010731 0.0001
X7 0.007674 0.000789 9.719952 0.0001
X8 7.825420 2.701815 2.896357 0.0275
AR(1) -0.307889 0.472444 -0.651695 0.5387
R-squared 0.992656     Mean dependent var 125.0767
Adjusted R-squared 0.986536     S.D. dependent var 114.3435
S.E. of regression 13.26767     Akaike info criterion 8.315390
Sum squared resid 1056.186     Schwarz criterion 8.557844
Log likelihood -43.89234     F-statistic 162.2015
Durbin-Watson stat 2.025073     Prob(F-statistic) 0.000003
Inverted AR Roots       -.31
此时 D1<DW=2.025073< 4-D2 所以模型的自相关性得到修正,不存在自相关
最终我们得到的模型为：
Ｙ＝-50.80815－2.24E-06Ｘ2－0.162752Ｘ6＋0.007402Ｘ7＋8.109910Ｘ8
三、经济意义分析
从上述分析可知, Ｘ2—四川省每年储蓄存款总额,Ｘ6—四川省ＧＤＰ,Ｘ7—货币供应量,Ｘ8—贷款利率(3年-5年期)是影响四川省房地产开发总值的最主要的因素。
五.2005年四川房地产业状况分析
1、土地拍卖继续使房地产开发中土地成本上涨，利润降低。
     2、建材上涨房产运作压力加大
       3、配套设施提高成本上升
        4、央行加息房价上升
       5、土地增值税的严格征管
      6、信贷政策制约房产发展

以上为本篇毕业论文范文影响四川省房地产业发展的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：影响人身保险保费收入的因素分析

下一篇：影响中国汽车产量的多因素分析