spss房地產(chǎn)分析標準

1、word北京市影響房地產(chǎn)市場的因素分析研究 武妍 202211511004摘要：本文運用了北京20002009年的數(shù)據(jù)，分析了影響房地產(chǎn)開展的因素，通過運用因子分析和回歸分析，分析了北京市近幾年來房地產(chǎn)狀況，通過實證分析，有助于了解影響北京市房地產(chǎn)開展的因素，并相應的提出對策。關鍵詞：房地產(chǎn) 時間序列分析 回歸分析 價格上漲 一引言：隨著中國經(jīng)濟的開展，GDP的增長，其中房地產(chǎn)業(yè)作為國民經(jīng)濟新的增長點，為中國經(jīng)濟的快速增長做出了突出的奉獻，但是應該注意的在其開展過程中，出現(xiàn)了不健康的狀態(tài)，即這兩年說的比擬多的泡沫經(jīng)濟，房子對人民是剛性需求，每個人生存都需要安居，而且隨著城市化進程的開展，在城市

2、買房的人越來越多，但是土地資源是有限的，怎么能平衡供求以及由于之前的不平衡導致的不合理房價上漲是個很令人深思的問題。像是一線城市，例如北京、上海等地近幾年來房價上漲程度很大，盡管國家不斷出臺調(diào)控和打壓房價的各種政策，包括行政性的手段，但收效甚微，本文通過主成分分析法，因子分析和回歸分析，對北京市房地產(chǎn)市場價格的影響因素形成全面、客觀的認識，為購房者、開發(fā)商的投資決策和地方政府的制定政策提供參考和建議。二數(shù)據(jù)的選取，模型的建立及實證分析本文選取的數(shù)據(jù)是20002009年北京市一些影響房地產(chǎn)的指標，其中變量有常住人口，GDP,人均可支配收入，房地產(chǎn)開發(fā)投資，施工面積，竣工面積，房地產(chǎn)銷售額，銷售均

3、價。本文所有的數(shù)據(jù)來自 北京統(tǒng)計年鑒 和 中國統(tǒng)計年鑒 ，另外還有其他影響因素，例如，經(jīng)濟周期，經(jīng)濟的增長情況影響到投資者對未來的預期和居民的購置力，決定了房地產(chǎn)市場的景氣程度；利率及金融環(huán)境銀行利率也會直接影響到房地產(chǎn)融資，較高的利率會增加房地產(chǎn)開發(fā)和投資的財務負擔，使房地產(chǎn)交易行為受到抑制，從而影響到房地產(chǎn)價格而金融環(huán)境的好壞影響一個地區(qū)的經(jīng)濟開展狀況，進而影響房地產(chǎn)交易的積極性，對房地產(chǎn)價格也會產(chǎn)生影響。另外還有社會穩(wěn)定狀況、住房制度、人們對房價預期因素等等1.時間序列的分析模型的識別：識別模型最有用的工具即對自身或者不同的相關函數(shù)序列作圖。序列圖是用spss base 系統(tǒng)中的序列圖程

4、序，可以水平或者垂直地作序列圖，可以選擇對序列自身作圖也可以作對數(shù)變換后作圖或?qū)π蛄兄信R近點間的差分值作圖。相關函數(shù)圖spss base 系統(tǒng)提供了作相關函數(shù)圖的便捷工具，同序列圖一樣，可以描述函數(shù)自身，函數(shù)的對數(shù)變換或者臨近點的差分析，并給出可信限，Viewer窗顯示了相關函數(shù)值和標準誤參數(shù)的設置;本文運用了指數(shù)平滑法對近十年來房地產(chǎn)銷售偶價格進行了分析。模型的診斷;判斷模型和觀察數(shù)據(jù)吻合的程度，此時，用殘差和可信區(qū)間序列估計模型的準確性，用標準差和其他統(tǒng)計量判斷模型中的參數(shù)顯著性，spss base系統(tǒng)提供的標準化p-p圖和標準化q-q圖來判斷殘差的分布是否符合正態(tài)分布本文運用指數(shù)平滑法通

5、過對序列中最新觀察值和早期觀察值賦予不同的權(quán)重，對序列進行預測。以下是具體過程：Model DescriptionModel NameMOD_6Series or Sequence1銷售均價TransformationNoneNon-Seasonal Differencing0Seasonal Differencing0Length of Seasonal PeriodNo periodicityHorizontal Axis LabelsDate_Intervention OnsetsNoneReference LinesOverall meanArea Below the CurveNot

6、 filledApplying the model specifications from MOD_6 Case Processing Summary 銷售均價Series or Sequence Length10Number of Missing Values in the PlotUser-Missing0System-Missing0 由上圖可以看出銷售均價在這近十年來大體上呈上升趨勢,且上升趨勢較大，房價從2022年才開始有所下降,Model DescriptionModel NameMOD_5Series or Sequence1Error for 銷售均價from EXSMOOTH

7、, MOD_4 NN A .80TransformationNoneNon-Seasonal Differencing0Seasonal Differencing0Length of Seasonal PeriodNo periodicityHorizontal Axis LabelsDate_Intervention OnsetsNoneReference LinesOverall meanArea Below the CurveNot filledApplying the model specifications from MOD_5Case Processing Summary Erro

8、r for 銷售均價from EXSMOOTH, MOD_4 NN A .80Series or Sequence Length10Number of Missing Values in the PlotUser-Missing0System-Missing0上圖是殘差圖，可以看出沒有什么規(guī)律，所以可以模型可以進行指數(shù)平滑法研究由以上實證分析后可以看出房地產(chǎn)價格在這幾年來上漲很快，結(jié)合實際，在2006年房價問題已經(jīng)寫入兩會中，國家對房地產(chǎn)問題已經(jīng)予以重視，2022年金融危機使得房地產(chǎn)購房需求得到抑制，加上國家在稅收、土地方面的政策房價有所下降，但是房地產(chǎn)市場仍然存在很多問題等待解決 2Pear

9、son簡單相關系數(shù)分析：這個系數(shù)是用來度量定距型變量之間的線性相關關系。以下是用spss進行的銷售額與房地產(chǎn)開發(fā)投資的分析，來研究兩者之間的相關關系. Correlations 商品房銷售額億元房地產(chǎn)開發(fā)投資億元商品房銷售額億元 Pearson Correlation1.930(*)Sig. (2-tailed) .000N1010房地產(chǎn)開發(fā)投資億元 Pearson Correlation.930(*)1Sig. (2-tailed).000 N1010* Correlation is significant at the 0.01 level (2-tailed).由上表可以看出房地產(chǎn)開發(fā)投

10、資額與銷售額之間的簡單線性系數(shù)為0.93，說明兩者之間存在正的較強的相關性，相關系數(shù)檢驗的概率p接近于0，故如果顯著性水平為0.05，應該拒絕原假設，即兩者不是零相關的，是強的相關關系。故可知房地產(chǎn)的銷售額與近幾年房地產(chǎn)的大力開發(fā)有很大的關系 3線性回歸分析通過運用SPSS軟件對各個因素指標值和商品房均價之間的關系進行曲線擬合分析，發(fā)現(xiàn)自變量各指標與因變量大致呈直線相關關系。因此確定房價影響因素的多元回歸模型為：在經(jīng)濟模型的建立中，由于各經(jīng)濟變量之間可能存在相關的趨勢，且由于條件限制，樣本資料的數(shù)據(jù)搜集得不夠多，因此模型變量間可能存在多重共線性。為了克服多重共線性，本文將采取逐步回歸法進行回歸

11、分析。其根本思想是：從所有解釋變量中選取影響最為顯著的變量建立模型，然后將模型外的變量逐個引入模型并進行顯著性檢驗，直到原引入變量因后面變量的引入而變得不在顯著，再將其剔除。重復這一過程直到再無顯著變量被引入或剔除出回歸方程為止。根本參數(shù)：因變量y:商品房銷售額自變量:常住人口，GDP，人均可支配收入，房地產(chǎn)開發(fā)投資，施工面積，竣工面積使用SPSS軟件進行逐步多元回歸，結(jié)果如下所示Model Summary(c)ModelRR SquareAdjusted R SquareStd. Error of the Estimate1.990(a).979.977283.1172.997(b).994

12、.992163.069a Predictors: (Constant), GDP億元b Predictors: (Constant), GDP億元房地產(chǎn)開發(fā)投資萬元c Dependent Variable: 銷售均價元每平方米整個回歸分析分為兩步，第一步對GDP，復相關系數(shù)為0.990，判定系數(shù)為0.979，調(diào)整后的系數(shù),0.977，第二步是又引入房地產(chǎn)開發(fā)投資這個變量，整個模型擬合優(yōu)度0.992較高，被解釋的變量可以被模型解釋的局部比擬多，不能被解釋的變量少ANOVA(c)Model Sum of SquaresdfMean SquareFSig.1 Regression Residual

13、Total2 Regression ResidualTotal30577447.123130577447.123381.479.000(a)641239.777880154.972 31218686.9009 31032546.037215516273.018583.504.000(b)186140.863726591.552 31218686.9009 a Predictors: (Constant), GDP億元b Predictors: (Constant), GDP億元房地產(chǎn)開發(fā)投資萬元c Dependent Variable:銷售均價元每平方米上圖為方差分析，模型的F統(tǒng)計量的P值接近

14、于0，小于顯著性水平0.05，因此自變量系數(shù)統(tǒng)計顯著，應該拒絕原假設，即回歸系數(shù)不同時為0，被解釋變量和解釋變量全體的線性關系是顯著的，可以進行線性分析 Coefficients(a)Model Unstandardized CoefficientsStandardized Coefficientst Sig. BStd. ErrorBeta1 (Constant)GDP(億元)3435.930228.305 15.050.000.582.030.99019.531.0002 (Constant) GDP(億元) 房地產(chǎn)開發(fā)投資億元3760.175153.08524.563.000.845.0

15、661.43812.816.000-15.0893.647-.464-4.137.004a Dependent Variable: 銷售均價元每平方米上圖給出模型參數(shù)的值，并對顯著性進行了檢驗，模型常數(shù)項為3760.175，自變量的系數(shù)為0.845。如果顯著性水平為0.05的話，那么回歸系數(shù)顯著性檢驗的概率p小于0.05，那么有y=3760.175+0.845GDP-15.089房地產(chǎn)開發(fā)投資對模型進行殘差正態(tài)性檢驗，繪制出的p-p圖如下，可見，各點均勻分布在直線兩邊，說明殘差符合正態(tài)分布。綜上可知，該回歸模型通過了擬合優(yōu)度檢驗、顯著性檢驗、多重共線性檢驗與異方差的處理，殘差符合正態(tài)分布，具有

16、較好的擬合度和較高的解釋能力。從模型的函數(shù)公式來看，影響北京房價的GDP, GDP每平均增加1億元，其中房價平均增長0.845元，房地產(chǎn)開發(fā)投資每平均增加1萬元，那么房價平均會下跌15.089元，因為這里假設需求一定，供給增加，那么價格會下跌。三結(jié)論和建議本文運用了2000-2009年有關北京房地產(chǎn)數(shù)據(jù)，采用了時間序列分析，相關分析，線性回歸分析，由數(shù)據(jù)做出了實證分析，得到的結(jié)論和建議如下：由銷售額與房地產(chǎn)開發(fā)投資的相關分析可知，兩者有密切關系，同時結(jié)合實際，近幾年來，北京市房地產(chǎn)開發(fā)投資較大，好多人都涌入投資的行列，并有炒房團不時時機的炒作使得房價上漲較快，所以，要嚴厲控制房地產(chǎn)投資，可以提

17、高投資門檻，國家應該打破開發(fā)商寡頭壟斷，合理的疏導商品房供求關系。而由回歸分析，北京作為首都一線城市，房地產(chǎn)市場價格已經(jīng)到了非理性的高位，要控制北京房地產(chǎn)市場的良好開展，需要特別關注以下幾點：第一，要從土地供給這一根源問題上把握好房地產(chǎn)市場供給的源頭多途徑的建設保障住房，明確用地指標向經(jīng)濟適用房、廉租房、中低價位中小套型普通商品住房傾斜。應協(xié)調(diào)好保障性住房與商品住宅的關系，可以在商品房價格過高、上漲過快的城市進行試點，適當放寬經(jīng)濟適用房的供給范圍，由低收入向中等偏下收入家庭逐步擴大，并與廉租住房有機銜接起來。第二，增強市場交易的透明度，營造健康穩(wěn)定的市場環(huán)境，進一步完善土地出讓制度，遏制房地產(chǎn)商過分投資，應該促進市場競爭。第三，在資金來源方面，當?shù)劂y行和金融監(jiān)管機構(gòu)應做好房地產(chǎn)金融信貸管理。對于房地產(chǎn)開發(fā)貸款，商業(yè)銀行應嚴格