青岛市房价分析及预测

发布时间：2023-04-24 22:58

　　买卖住房一直以来都是人民群众最为关心的问题,是关系民生的大事。但是过快上涨的商品房房价始终困扰着大部分的中低收入阶层,这已经发展成为了人民日常生活中的敏感问题,因此研究房地产价格的影响因素并对其进行预测有助于帮助中低收入阶层的人民群众选择适当的买房时机,也有助于帮助政府相关人员了解房地产价格的走势并对其进行调控。本文以青岛市房价为例,用基于主成分回归分析的模型判断出全市生产总值GDP、地方财政收入、地方财政支出、城乡居民人均可支配收入、房地产开发投资额、居民消费价格指数、固定资产投资价格指数、商品房销售面积、全社会住宅竣工面积这七个因素包含了影响青岛市房价的绝大多数信息。在此基础上,分别用多元非线性回归模型和神经网络模型对上述七个指标建立模型并进行分析预测,得出的结论都是2018年青岛市商品房销售价格是上涨趋势。最后用时间序列模型来对青岛市商品房销售价格进行分析及预测。时间序列模型仅从青岛市住宅销售价格指数这一指标入手,预测了2019年1月到2020年2月的青岛市房价变化趋势,得出的结论是2019年的前4个月房价依然上涨,2019年4月到2019年10月房价是大幅下降的趋势,2019年...

【文章页数】：48 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 研究目的及意义
    1.3 研究现状
    1.4 研究框架及思路
第二章 房地产的价格理论及影响因素分析
    2.1 房地产价格的决定与构成
    2.2 商品房价格的影响因素分析
        2.2.1 行政因素
        2.2.2 经济因素
        2.2.3 社会因素
        2.2.4 区位因素
第三章 模型基本理论
    3.1 基于主成分的回归分析模型
    3.2 多元非线性回归模型
    3.3 神经网络
    3.4 时间序列预测
        3.4.1 时间序列的定义
        3.4.2 时间序列的预处理
        3.4.3 时间序列建模步骤
        3.4.4 自回归综合移动平均模型ARIMA
第四章 房价预测模型的实证研究
    4.1 青岛市概况
    4.2 数据的来源
    4.3 数据的分析和预处理
        4.3.1 描述性分析
    4.4 基于主成分的回归分析模型
    4.5 多元非线性回归模型
    4.6 BP神经网络模型在房价中的预测
        4.6.1 变量选取
        4.6.2 数据预处理
        4.6.3 模型选取
        4.6.4 模型检验
        4.6.5 模型预测
    4.7 时间序列模型在房价中的预测
第五章 总结与建议
    5.1 模型优点
    5.2 模型缺点
    5.3 本文中各模型之间的对比及建议
参考文献
致谢



本文编号：3800188