應用統(tǒng)計學大作業(yè)-房價統(tǒng)計分析

應用統(tǒng)計學大作業(yè)工業(yè)工程02班20102666梁佩馨年至2012年間重慶市主城區(qū)房價波動及其影響因素淺談——應用統(tǒng)計學大作業(yè)學院：機械工程學院專業(yè)班級：工業(yè)工程2班學號：20102666姓名：梁佩馨輔導教師：鄧蕾時間：2012年12月6日摘要本文通過在互聯(lián)網搜索數(shù)據，查得2003年至2012年的重慶市主城區(qū)平均房價（元/平方米）的數(shù)據及其可能的影響因素。主要考察的影響因素包括國民人均收入（城鎮(zhèn)居民人均可支配收入，農村居民人均純收入）及銀行個人住房貸款利率（個人住房商業(yè)貸款利率，個人住房公積金貸款利率）。利用Excel等工具對數(shù)據進行描述統(tǒng)計、相關分析、回歸分析等處理，并利用處理結果預測、驗證2012年上半年的重慶主城區(qū)平均房價，最后進行誤差分析和糾錯。關鍵詞：平均房價，回歸分析，國民人均收入1、背景介紹自1999年以來，人們每天從報紙上看到的幾乎都是房價上漲的消息。房子是一個家庭相當重要的民生問題，是一個人經濟上和心理上都需要的保證。隨著房價一天天勢頭兇猛地上漲，“買房”變成了橫亙在眾多人民群眾心頭的硬傷，高房價已經成為困擾我國民生發(fā)展的大問題。拋開居高不下的房價為何發(fā)生和是否具有其合理性、是否違背市場規(guī)律不談，作為普通民眾，我們應該如何掌控紛雜的信息、做出正確的判斷和如何分配財產、在正確的時間投資房產以獲得最大利益是非常值得人深思的。本文收集整理了2003年至2012年關于重慶主城房價及其波動的相關數(shù)據（其中包括：2003年至2011年的重慶市主城區(qū)平均房價、國民人均收入，2003年至2012年的銀行個人住房貸款利率，2012年上半年城鎮(zhèn)居民人均可支配收入，及2012年上半年各月的平均房價），以期能夠利用課堂所學提供房價波動趨勢、相關影響因素及粗略預測的方法，并服務于普通有相關需求的人群。2、數(shù)據收集及整理2.1數(shù)據收集2003年至2011年間重慶市主城區(qū)的房價數(shù)據和2012年上半年重慶主城區(qū)房價數(shù)據均采取網上獲取第一手資料的方法查找，主要來源為新浪網和百度；2003年至2011年間的國民人均收入為第二手資料，來源于國家統(tǒng)計局數(shù)據庫；2003年至2012年銀行個人住房貸款利率為第二手資料，來源于百度、豆瓣網及新浪新聞。數(shù)據整理如下表所示：（表一.2003年至2011年重慶市主城區(qū)房價波動數(shù)據表）（表二.2012年上半年重慶市主城區(qū)房價波動數(shù)據表）2.2數(shù)據整理將以上數(shù)據整理，繪制成折線圖，如下圖所示：（圖一）（圖二）（圖三）3、數(shù)據分析及處理3.1初步分析將折線圖相互對比發(fā)現(xiàn)房價整體呈上升趨勢，同時國民人均均收入也呈上升趨勢；而個人住房貸款利率的波動幅度較大且趨勢不明顯，無法之間觀察出其與房價之間的聯(lián)系。進一步對所得的可能影響因素進行相關分析。經處理知，城鎮(zhèn)居民人均可支配收入和農村居民人均純收入與房價的相關系數(shù)R的值分別為0.9480和0.9655；個人住房商業(yè)貸款利率和個人住房公積金貸款利率與房價的相關系數(shù)分別為0.0608和0.0040。由此可以初步判斷：城鎮(zhèn)居民人均可支配收入和農村居民人均純收入與房價有密切的相關關系；相反的，個人住房商業(yè)貸款利率和個人住房公積金貸款利率則與房價波動之間雖存在著微弱的影響關系，但并無過多緊密聯(lián)系?；谝陨戏治觯懦齻€人住房貸款利率對房價的內在影響，轉而分析國民人均收入與房價之間的聯(lián)系。3.2詳細分析3.2.1構建回歸函數(shù)將城鎮(zhèn)居民人均可支配收入作為自變量X，房價為因變量Y，構建一元線性回歸函數(shù)：Y=0.2880X-500.2088（1），其中R為0.9480；將農村居民人均純收入作為自變量X，房價為因變量Y，構建一元線性回歸函數(shù)：Y=1.0123X-767.5172（2），其中R為0.9655；將城鎮(zhèn)居民人均可支配收入和農村居民人均純收入作為自變量X1和X2，房價為因變量Y，構建二元線性回歸函數(shù)：Y=-0.5546X1+2.9405X2-1188.5791（3），其中R為0.9789。3.2.2簡單預測與現(xiàn)實印證由互聯(lián)網查得2012年上半年的城鎮(zhèn)居民可支配收入的數(shù)據，為12509元；同時上半年重慶主城區(qū)平均房價值約為6517元（見表二）。將（12509*2=25018）帶入（1）式中得到Y=6704.9752=6705（元），與現(xiàn)實統(tǒng)計數(shù)據相差6705-6517=188（元），初步印證了線性回歸方程的準確性和可靠性。4、誤差分析及糾錯雖然現(xiàn)實印證的最后結果與統(tǒng)計調查的結果相差無幾，但是分析整理過程中采用的有些方法過于簡單（如2012年上半年的房價處理僅僅取了六個月的平均值，并以此數(shù)據作為2012年全年的房價平均值，未考慮房價有可能在下半年的增長中超過上半年均值；將2012年上半年的城鎮(zhèn)居民人均可支配收入乘以二即作為2012年全年的城鎮(zhèn)居民人均可支配收入數(shù)據，未加入時間因素，預計真實數(shù)據會比處理數(shù)據有所增長；由于無法獲取2012年上半年的農村居民人均純收入數(shù)據，無法使用R值最大的（3）式預測房價，進一步增大了誤差。），致使最后的結果誤差偏大，該方法的實用性相應減小。如果能夠通過準確的數(shù)據來源獲得相對精確的數(shù)據，根據線性回歸方程所得的數(shù)據誤差將會得到一定程度的有效控制。因此該方法在某些數(shù)據缺失、不詳?shù)那闆r下，推算損失數(shù)據的可靠度還是可以保證的。5、參考文獻[1].陳嗣成等.新編統(tǒng)計學原理[M]北京：首都經濟貿易大學出版社.1999.[2].國家統(tǒng)計局數(shù)據庫[EB/OL]./tjsj/ndsj/[3].百度數(shù)據搜索結果[EB/OL]./s?tn=myie2dg&ch=1&ie=utf-8&bs=%E5%8F%82%E8%80%83%E6%96%87%E7%8C%AE%E6%A0%BC%E5%BC%8F&f=8&rsv_bp=1&wd