房地产行业的数学建模_2011年研究生数学建模D题15909.pdf

《房地产行业的数学建模_2011年研究生数学建模D题15909.pdf》由会员分享，可在线阅读，更多相关《房地产行业的数学建模_2011年研究生数学建模D题15909.pdf（14页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、房地产行业的数学建模_2011年研究生数学建模 D 题 参赛密码（由组委会填写）全国第八届研究生数学建模竞赛 题 目 我国房地产行业问题研究 摘 要 针对房地产行业问题，本文将其主要归纳为四个方面来进行研究：问题 1，如何建立房地产行业需求和供给模型来反映该行业市场供需状况；问题 2，如何建立有效的房地产行业定价模型对未来房价走向进行预测；问题 3，如何建立模型对房地产行业与其他国民经济行业关联度以及其自身发展态势进行研究；问题 4，如何建立房地产行业可持续发展模型对其自身发展进行跟踪研究。为了解决上述问题，本文首先考虑我国房地产市场存在地区差异性，利用地理加权回归方法分别建立需求与供给模型，

2、在其求解基础上，基于 VAR 模型分区域建立了房地产定价模型，用于对房地产市场定价进行合理预测。然后，分别从国民经济核算角度和计量经济学角度对房地产行业关联度和发展态势建立了投入产出模型和固定效应的变系数面板数据模型。最后，本文基于熵值法建立综合评价模型对天津市房地产行业的可持续发展性进行了研究和探讨。本文的亮点和创新之处在于：第一，充分考虑我国房地产市场存在区域发展不平衡性，建立了基于地理加权回归方法的需求和供给模型，此种空间计量方法较为新颖，且模型结果具有较强的政策参考性；第二，在研究房地产行业关联度和发展态势时，我们采用了国民经济核算和计量经济学两套方法，可以进行对比分析；第三，采用基于

3、熵值法的综合评价模型来评价房地产行业的可持续发展性，以熵值法赋权避免了主观性，模型结果更加可靠。针对问题 1，首先对影响房地产行业需求和供给的变量进行空间异质性和空间自相关性检验，在验证了空间自相关性存在的基础上，利用地理加权回归（GWR）方法建立了需求模型和供给模型，运用 Matlab 编程求解，此方法分省 1 份研究房地产市场的需求和供给，充分考虑了房地产市场地区差异性，模型结果显示我国有必要实行差异化的贷款利率政策，进一步完善土地交易市场机制，培养理性投资人等。然后，利用需求和供给模型求解的结果，我们对房地产行业进行分层聚类分析，进而将我国房地产行业划分为东、中、西三类，为下文建立分区域

4、的房地产定价模型做了有力的铺垫。针对问题 2，我们基于问题 1 对房地产市场的划分结果，采用了计量经济学中的向量自回归模型分东、中、西三个区域进行建模和预测，其中引入了脉冲响应分析和方差分解，不但考虑了各变量整体对房价的综合影响，更通过脉冲图形清晰地反映了单个变量变动对房价的作用，以西部地区的货币供应量对房价的影响为例，其滞后一期的货币供应量发生 1 个单位的正向变动，房价发生 0.85 个单位的正向变动。针对问题 3，分别采用了投入产出模型和固定效应的变系数面板数据模型来研究房地产行业关联度和发展态势，通过对比分析二者的模型结果，我们发现，房地产行业与金融业、租赁和商务服务业、建筑业存在显著

5、关联度，如根据固定效应的变系数面板数据模型结果，可知房地产行业增加值每提高 1，将带动金融业增加值的 1.35的有利变动。针对问题 4，本文富有创新性的采用基于熵值法的综合评价方法对天津市的房地产行业的可持续发展进行研究，研究结果表明 2005 以来，由于美国次贷危机对该行业造成的冲击，房地产行业分别于 2006 年出现了一次向下运行的拐点，而在政府积极宏观调控政策的作用下，房地产行业于 2008 年出现了一次向上运行的拐点，这也告诉我们，建立健全房地产行业的对抗外部突发因素干扰的机制对于房地产行业的可持续发展显得十分必要。关键字 地理加权回归 VAR 模型 投入产出模型 固定效应模型 熵值法

6、 2 目 录一、问题的重述.4二、问题的分析.4 2.1 问题 1 的分析.5 2.2 问题 2 的分析.5 2.3 问题 3 的分析.5 2.4 问题 4 的分析.6三、模型假设.6四、符号说明.6五、模型和求解.7 5.1 房地产行业需求、供给模型和求解.7 5.1.1 需求、供给模型的建立.7 5.1.2 需求、供给模型的求解.9 5.1.3 基于需求、供给模型的房地产市场区域聚类分析.25 5.1.4 需求、供给模型结论.26 5.2 房价模型与求解.27 5.2.1 房价模型的建立.27 5.2.2 房价模型的分析和求解（以西部地区为例）.30 5.2.3 房价预测模型（以西部地区为

7、例）.34 5.2.4 东部和中部地区的房价预测模型.35 5.3 房地产行业关联度与发展态势投入产出模型与求解.36 5.3.1 投入产出模型理论分析.36 5.3.2 投入产出模型求解.38 5.4 房地产行业关联度与发展态势空间面板数据模型与求解.41 5.4.1 面板数据模型的理论分析.41 5.4.2 模型变量选择与数据处理.43 5.4.3 基于面板数据模型的房地产行业与其他行业相关性效应实证分析.44 5.5 基于熵值法的房地产可持续发展模型.49 5.5.1 基于熵值法的房地产行业可持续发展模型理论分析.49 5.5.2 基于熵值法的房地产行业可持续发展模型求解.52六、模型的

8、评价与推广.54 七、参考文献.55 3 一、问题的重述 房地产行业既是国民经济的支柱产业之一，又是与人民生活密切相关的行业之一，同时自身也是一个庞大的系统，该系统的状态和发展对国民经济的整个态势和全国人民的生活水平影响很大。近年来，我国房地产业发展迅速，不仅为整个国民经济的发展做出了贡献，而且为改善我国百姓居住条件发挥了决定性的作用，但同时房地产业也面临较为严峻的问题和挑战，引起诸多争议，各方都坚持自己的观点，然而多是从政策层面、心理层面和资金层面等因素来考虑，定性分析多于定量分析。显然，从系统的高度认清当前房地产行业的态势，从定量角度把握各指标之间的数量关系，依据较为准确的预见对房地产行业

9、进行有效地调控，深刻认识房地产行业的经济规律进而实现可持续发展是解决问题的有效途径，因此，通过建立数学模型研究我国房地产问题是一个值得探索的方向。在建立数学模型的基础上进行分析，量化研究该行业当前的态势、未来的趋势，模拟房地产行业经济调控策略的成效，希望在深化认识上取得进步，产生若干结论和观点。由于对房地产问题已经有许多研究成果和讨论材料，本文在引用其他人的成果和数据，尤其对于定量分析的成果时，都将注明参考文献及其出处。研究房地产问题并不需要很多、很深的专业知识，问题也不难理解，通过对目前房地产行业现状的观察和研究，本文自主地提出自己希望解决的房地产中的问题，并建立相应的数学模型予以解决，所建

10、的每个模型力求系统、深入，自成兼容系统，数据可靠，结论和观点有较多的数据支撑，同时，具有较强的说服力和实际应用价值。在本文中，我们将利用附录中提供的及自己查找到的资料和数据建立房地产行业的数学模型，主要包括：1 住房需求模型；2 住房供给模型；3 房价模型；4 房地产行业与国民经济其他行业关系模型；5 对我国房地产行业态势分析模型；6 房地产行业可持续发展模型。二、问题的分析 房地产业是目前我国大力支持和频繁进行宏观调控的行业，是关系到人民生活水平和质量的重要行业，从其自身发展特点来看，它是基础的、具有带动性和风险性的行业，1998 年以来，我国的住房体制日趋成熟且不断完善，银行的信贷业务迅速

11、发展，为开发商和消费者提供了巨大的便利，但是，自从美国次贷危机爆发后，我国对房地产行业的政策放宽，加之各地财政收入对房地产行业的过分依赖，使近年来房价的不断攀升，房地产“泡沫”现象的日益凸出，针对房地产“泡沫”问题，我国政府分别在 2010 年末和 2011 年上半年对房地产行业的进行了频繁政策调控，如去年年末和今年年初各地的“限购令”和“第三套房贷”政策，以及多次的银行贷款利率和存款准备金率调整等，基于此，越来越多的学者力图有效的对房地产行业的相关问题进行研究，可见建立确定的、较有参考价 4 值的模型有显著的现实意义。基于房地产行业问题的日益紧迫感，本文将采用全新的视角和方法来建立有关房地产

12、行业的供给、需求以及定价模型，进而从宏观层面对房地产行业态势进行分析，并研究房地产行业与国民经济其他行业的关联、探讨房地产行业自身的可持续性发展模式，旨在为相关部门制定行业政策提供有效、全新的思路。问题 1：如何建立房地产行业需求和 供给模型？问题 2：如何建立房地产行业定价模 型？问题 3：如何建立房地产行业关联度 与发展态势模型？问题 4：如何建立房地产行业可持续 发展模型？2.1 问题 1 的分析 对于问题 1，我们需要针对房地产行业分别建立需求和供给模型，根据经济学知识中的供需定理以及均衡理论，我们能够分别找到可能对房地产行业需求和供给产生影响的变量，然后通过建立有效的计量经济模型来量

13、化需求模型和供给模型，并结合经济学知识对模型结果进行合理的分析。2.2 问题 2 的分析 房价模型主要涉及定价及预测问题。这里我们先要确定影响房价的主要因素，建立相应的计量模型。再在前面区域划分的基础上，分别确定能够体现地区性差异的房价预测模型。由于我国对房价的调控主要是政策调控，为此要尽可能在模型中引入相关的政策变量。2.3 问题 3 的分析 在问题 1 和问题 2 对房地产行业自身发展状况有了一定的认知基础上，问题 3 要求我们从宏观层面对房地产行业发展态势进行分析，并同时研究该行业与国民经济其他行业的关联性，欲解决此问题，我们考虑从两个方面着手，一方面从国民经济核算角度入手建立投入产出模

14、型，另一方面从计量角度入手建立时间序列或者空间面板数据模型。52.4 问题 4 的分析 可持续发展模型要能体现房地产行业与经济、社会以及其它行业共同发展、协调发展的特点。为此，我们要对经济和社会中与房地产行业密切相关的因素的发展状况进行综合研究，力求能够建立一个评价体系，根据评价的结果分析不同时间段房地产行业的可持续发展性。三、模型假设假设一：统计年鉴所得数据真实可靠，能够反映指标所代表的真实含义。假设二：国民经济一个部门只生产一种产品，而且只采用一种技术生产，同时，一种产品只由一个部门生产。假设三：产品生产中各投入要素间有固定比例，即投入要素增减均呈现统一比例。假设四：投入产出模型假设直接消

15、耗系数在一个周期内是不变的。假设五：各部门的生产经营活动从生产要素投入到产出的分配与使用均在一个周 期内完成。四、符号说明 模型类别 符号 符号说明（单位）SAREA 房屋销售面积（万平方米）FPRICE 房屋销售价格（元/平方米）INCOME 年可支配收入（元）住房需求模型 RATE 利率（）STRU 人口结构（）GRATE 经济增长率（）CAREA 房屋竣工面积（万平方米）FPRICE 房屋销售价格（元/平方米）住房供给模型 TPRICE 土地交易价格（元/平方米）RATE 利率（）GRATE 经济增长率（）PRICE 房屋销售价格（元/平方米）SAREA 房屋销售面积（万平方米）CARE

16、A 房屋竣工面积（万平方米）房价模型 DRR 存款准备金率（）M2 广义货币供应量（亿元）LIR 一年期贷款利率（）FAV 房地产业生产总值增加值（亿元）房地产行业关联度模型 OAV 其他行业生产总值增加值（亿元）6 五、模型和求解 5.1 房地产行业需求、供给模型和求解 通过对房地产行业相关文献资料的研究，我们发现，相关专家和学者建立房地产行业的需求和供给建模时，大致可以分为如下几类：一，未考虑到地区差异性，将我国房地产市场视为一个整体进行截面或者时序研究，忽略了地区特性；二，基于空间面板数据进行建模，但是大部分都假设截距项系数随着地理空间位置的不同而不同，假定斜率系数都是相同的；三，考虑了

17、地区性发展不平衡和联动性特点，然而在对地区进行区分时，仅主观的根据通常意义上的东部、中部和西部地区的方式进行划分，缺乏量化理论支持。在前人研究和探讨的基础上，本文基于一个全新的视角和方法对房地产的需求和供给建立模型，即主要采用空间计量的分析方法，通过地理加权回归方法（GWR）建立基于全国 30个省市的房地产需求和供给模型，并在此模型结果的基础上，通过聚类分析方法对我国房地产行业进行区域划分，为下文的房地产分区域定价模型做铺垫。本部分在建立房地产行业需求和供给模型时，首先利用 GeoDa 软件对各变量的空间相关性进行检验，验证空间异质性的存在，在此基础上，采用地理加权回归方法建立模型并进行实证分

18、析，地理加权回归模型的实现是通过 Matlab 软件编程实现的，相关的程序见附录一，之后，利用房地产需求和供给模型的结果对全国房地产进行聚类分析，此过程是利用 SPSS 软件实现的，聚类结果见附录四。5.1.1 需求、供给模型的建立 1地理加权回归模型理论分析 下面，将简要介绍地理加权回归模型的相关理论，地理加权回归模型主要主要适用于存在空间异质性的截面数据，是普通线性回归模型的扩展，对比全局回归模型和地理加权回归模型（如下），可以发现，在 GWR 模型中，回归系数的估计不是利用全局信息统一进行，而是利用相互临近区域的信息进行局部回归系数的估计，随着空间地理位置的改变，局部回归系数会随之而改变

19、。k y i j xij i（1）j 1 k yi 0 ui vi j ui vi xij i（2）j 1（2）式中，j ui vi 表示与各个截面单位相联系的待估参数，是地理位置或者截面单位的 k 1 元函数，GWR 模型可以对每个观测值估计出一个含有 k 1 个值的参数向量，i 是满足零均值、同方差、相互独立假定的随机误差项。对于 j ui vi 的估计，本文根据 Tibshirani 和 Hastie 提出的局域求解原理，即 由于西藏地区房地产业并不发达，并且缺乏相关数据支持，故本文在建立模型时没有考虑西藏地区。7 对于第 i 个空间位置 ui vi i 12LL n，可以任取一个与其位

20、置向邻近的空间位置 u0 v0，从而构造一个回归模型：k yi 0 j xij i（3）j 1（3）式中 j 为 GWR 模型中 j ui vi 的近似值，然后通过采用加权最小二乘法 2 n k 对 j 的值进行估计，即使得 W d0i yi 0 j xij 最小化，从而得到 j ui vi i 1 j 1的估计值 j，j X W 2 X 1 X W 2Y。关于权数矩阵 W 的计算，常用的方法有高斯距离权值、指数距离权值以及三次方距离权值，本文采用的是高斯距离权值，即 Wij d ij/，dij 为第 i 个位置和第 j 个位置的距离，在本文中即第 i 个省与第 j 个省的省会城市的空间地理距离，此空间地理距离可以根据各省会城市的经纬度计算而来，为标准正态分布密度函数，为距离的标准差，为窗宽。在权数矩阵的计算中 d 和 的选择对模型的估计的准确性具有重要意义，d 的值越大，局域模型估计的结果越趋近于全局估计的解；越大，当其趋于无穷大时，任意两个位置的权重将趋于一致，此时的 GWR 模型和 OLS 模型一致，反之，当 很小的时候，参数的估计越依赖于邻近的观测值，对于 的选择，可以采用最小二乘法进行，即令 n 2CV yi yi 0。.