基于arima模型的我國(guó)房地產(chǎn)預(yù)測(cè)分析

摘要隨著我國(guó)改革開放政策的深入推進(jìn)，城鎮(zhèn)化水平逐步提升，人民生活水平不斷提高，同時(shí)，居民對(duì)購(gòu)房的熱情也得到了充分的激發(fā)，從而推動(dòng)了房地產(chǎn)行業(yè)的快速發(fā)展，一日千里。與此同時(shí)，房地產(chǎn)行業(yè)的繁榮也帶動(dòng)了其他產(chǎn)業(yè)的發(fā)展，如建筑業(yè)等。作為我國(guó)經(jīng)濟(jì)的重要產(chǎn)業(yè)之一，房地產(chǎn)市場(chǎng)持續(xù)蓬勃發(fā)展，其對(duì)國(guó)民經(jīng)濟(jì)的巨大貢獻(xiàn)甚至對(duì)其他相關(guān)行業(yè)的發(fā)展產(chǎn)生了深遠(yuǎn)的影響，一旦出現(xiàn)問題，就可能引發(fā)連鎖反應(yīng)，波及整個(gè)行業(yè)。自2016年起，為了遏制房地產(chǎn)市場(chǎng)的投機(jī)行為，政府實(shí)施了一系列政策措施，以推動(dòng)房地產(chǎn)市場(chǎng)的降溫。2020年，受新冠疫情影響，房地產(chǎn)市場(chǎng)出現(xiàn)波動(dòng)，但在政策刺激下逐漸回暖。產(chǎn)業(yè)經(jīng)濟(jì)結(jié)構(gòu)不斷被各種新思路、各項(xiàng)新政策調(diào)整著，房地產(chǎn)行業(yè)仍處于嚴(yán)峻的發(fā)展環(huán)境中，仍面臨著許多新的挑戰(zhàn)。本文在基于國(guó)內(nèi)外學(xué)者研究基礎(chǔ)上，以國(guó)內(nèi)經(jīng)濟(jì)發(fā)展形勢(shì)為背景，探究房地產(chǎn)行業(yè)的發(fā)展現(xiàn)狀，并從房地產(chǎn)價(jià)格的方面入手，分析影響房地產(chǎn)價(jià)格的因素，選取《中國(guó)統(tǒng)計(jì)年鑒2022》中有關(guān)房地產(chǎn)價(jià)格的相關(guān)數(shù)據(jù)，通過Eviews軟件運(yùn)用時(shí)間序列分析的方法進(jìn)行研究分析，構(gòu)建ARIMA模型，預(yù)測(cè)我國(guó)房地產(chǎn)價(jià)格的趨勢(shì)，為我國(guó)政府、企業(yè)和公眾提供科學(xué)的決策參考，以推動(dòng)房地產(chǎn)行業(yè)的健康發(fā)展及規(guī)范化管理。

【關(guān)鍵詞】ARIMA模型；預(yù)測(cè)；房地產(chǎn)ABSTRACTWiththedeepeningofChina'sreformandopening-uppolicy,thelevelofurbanisationhasgraduallyincreasedandpeople'slivingstandardshavecontinuedtoimprove,whileresidents'enthusiasmforhomeownershiphasalsobeenfullystimulated,thusdrivingtherapiddevelopmentoftherealestateindustrybyleapsandbounds.Atthesametime,theprosperityoftherealestateindustryhasalsoledtothedevelopmentofotherindustries,suchastheconstructionindustry.AsoneofthekeyindustriesinChina'seconomy,therealestatemarkethascontinuedtoflourishanditshugecontributiontothenationaleconomyhasevenhadaprofoundimpactonthedevelopmentofotherrelatedindustries,whichcouldtriggerachainreactionthatwouldaffecttheentireindustryshouldproblemsarise.Since2016,thegovernmenthasimplementedaseriesofpolicymeasurestocurbspeculationintherealestatemarketinordertopromoteacoolingofthemarket.2020sawfluctuationsintherealestatemarketduetotheimpactoftheNewCrownepidemic,butitgraduallyreboundedunderpolicystimulation.Theindustrialandeconomicstructureisconstantlybeingadjustedbyvariousnewideasandvariousnewpolicies,andtherealestateindustryisstillinatoughdevelopmentenvironmentandstillfacesmanynewchallenges.Basedontheresearchofscholarsathomeandabroad,thispaperexploresthedevelopmentstatusoftherealestateindustryagainstthebackgroundofthedomesticeconomicdevelopmentsituation,andstartsfromtheaspectofrealestateprices,analysesthefactorsaffectingrealestateprices,selectstherelevantdataaboutrealestatepricesintheChinaStatisticalYearbook2022,usesthemethodoftimeseriesanalysisthroughEviewssoftwaretoconductresearchandanalysis,constructsTheARIMAmodelisusedtoforecastthetrendofrealestatepricesinChina,providingscientificreferencefordecisionmakingforthegovernment,enterprisesandthepublicinChina,inordertopromotethehealthydevelopmentandstandardisedmanagementoftherealestateindustry.【KeyWords】ARIMAmodelsandforecasting；realestate目錄TOC\o"1-3"\h\u16355第1章引言 1228491.1研究背景與研究意義 1133331.1.1研究背景 1109421.1.2研究目的及意義 2321311.2研究方法及思路 3154601.2.1研究方法 320181.2.2研究思路 4173991.3文獻(xiàn)綜述 520288第2章理論基礎(chǔ) 6238662.1預(yù)測(cè)方法 662682.1.1定性分析 664212.1.2定量分析 667442.2ARIMA模型 7324702.2.1ARIMA模型簡(jiǎn)介 710802.2.2ARIMA模型的優(yōu)缺點(diǎn) 7226432.2.3ARIMA模型運(yùn)用流程 830671第3章房地產(chǎn)行業(yè)發(fā)展現(xiàn)狀 9107533.1房地產(chǎn)行業(yè)概況分析 9300283.2房地產(chǎn)行業(yè)發(fā)展的影響因素 9301363.2.1供需關(guān)系 9301423.2.2成本因素 10146503.2.3政策因素 103531第4章模型構(gòu)建 13138204.1數(shù)據(jù)預(yù)處理 137504.1.1樣本數(shù)據(jù) 13261074.1.2平穩(wěn)性檢驗(yàn) 14204394.2模型識(shí)別 16182204.3參數(shù)估計(jì)及顯著性檢驗(yàn) 16145014.4模型優(yōu)化 2615166第5章序列預(yù)測(cè) 2822034第6章結(jié)論及建議 3026287參考文獻(xiàn) 3230400致謝 33第1章引言1.1研究背景與研究意義1.1.1研究背景從1998年開始，中國(guó)開始實(shí)行住房體制改革，并在全國(guó)范圍內(nèi)正式確立了完全以市場(chǎng)為導(dǎo)向的房地產(chǎn)市場(chǎng)，從計(jì)劃和分配的時(shí)代開始，房地產(chǎn)行業(yè)就長(zhǎng)期積聚了很大的市場(chǎng)需求，這些需求在此時(shí)終于得到了極大的釋放。盡管我國(guó)房地產(chǎn)行業(yè)的起步時(shí)間比較晚，但隨著中國(guó)經(jīng)濟(jì)的迅猛發(fā)展和城鄉(xiāng)一體化的快速推進(jìn)，該行業(yè)正處于黃金時(shí)期，其開發(fā)和建筑規(guī)模逐年擴(kuò)大；房地產(chǎn)市場(chǎng)作為我國(guó)經(jīng)濟(jì)發(fā)展的一個(gè)主要增長(zhǎng)點(diǎn)，與其他產(chǎn)業(yè)有著密切的關(guān)系，同時(shí)也帶動(dòng)了相關(guān)產(chǎn)業(yè)的發(fā)展。隨著時(shí)間的推移，房地產(chǎn)市場(chǎng)逐漸趨于成熟和擴(kuò)張，目前房地產(chǎn)行業(yè)已經(jīng)發(fā)展成為一個(gè)重要的多元化產(chǎn)業(yè)，涵蓋了土地、建筑、零售和金融服務(wù)等多個(gè)領(lǐng)域。中國(guó)經(jīng)濟(jì)的發(fā)展離不開三大動(dòng)力，即消費(fèi)、投資和出口，而房地產(chǎn)行業(yè)則是支撐投資的重要支柱。房地產(chǎn)市場(chǎng)作為我國(guó)經(jīng)濟(jì)發(fā)展的一個(gè)主要增長(zhǎng)點(diǎn)，與其他產(chǎn)業(yè)有著密切的關(guān)系，同時(shí)也帶動(dòng)了相關(guān)產(chǎn)業(yè)的發(fā)展。在整個(gè)經(jīng)濟(jì)周期中，出口不僅為國(guó)家實(shí)體經(jīng)濟(jì)的發(fā)展做出了重要貢獻(xiàn)，同時(shí)也為解決就業(yè)問題、提高居民收入水平、增加外匯儲(chǔ)備和稅收等方面提供了有力支持，最終被政府轉(zhuǎn)化為對(duì)基礎(chǔ)設(shè)施和民生的投資。因此，房地產(chǎn)業(yè)成為拉動(dòng)國(guó)民經(jīng)濟(jì)增長(zhǎng)的一個(gè)主要因素，也是擴(kuò)大內(nèi)需的一大產(chǎn)業(yè)。城市化的需求源于實(shí)體經(jīng)濟(jì)的蓬勃發(fā)展、基礎(chǔ)設(shè)施的不斷完善以及人民收入的不斷提高，這些因素共同推動(dòng)了房地產(chǎn)業(yè)的迅猛發(fā)展，同時(shí)也為經(jīng)濟(jì)的持續(xù)增長(zhǎng)提供了有力的支撐。隨著社會(huì)的不斷進(jìn)步和中國(guó)經(jīng)濟(jì)的蓬勃發(fā)展，人們的生活水平已經(jīng)達(dá)到了小康水平，因此，購(gòu)置房產(chǎn)已經(jīng)不再是一種奢望，自有住宅已經(jīng)成為人們?nèi)粘Ｉ钪胁豢苫蛉钡谋匦杵?。與此同時(shí)，房地產(chǎn)行業(yè)也面臨著許多新問題和挑戰(zhàn)。隨著我國(guó)經(jīng)濟(jì)的蓬勃發(fā)展和住房建設(shè)效率的不斷提升，人們的住房購(gòu)買變得更加便捷和高效，從而更好地享受到經(jīng)濟(jì)和社會(huì)發(fā)展所帶來的福利。中國(guó)如今大量的財(cái)富都涌向了房地產(chǎn)領(lǐng)域，引發(fā)了國(guó)民對(duì)住房的狂熱，這勢(shì)必會(huì)導(dǎo)致我國(guó)對(duì)高新技術(shù)產(chǎn)業(yè)的投資嚴(yán)重不足，進(jìn)而削弱中國(guó)的國(guó)際競(jìng)爭(zhēng)力，影響中國(guó)經(jīng)濟(jì)后續(xù)的穩(wěn)定增長(zhǎng)。但房地產(chǎn)業(yè)不能只為少數(shù)有錢的人服務(wù)，而必須要面向廣大的普通人民群眾，以高房?jī)r(jià)為特征的房地產(chǎn)泡沫對(duì)普通老百姓的住房需求產(chǎn)生了極大的壓制，使得很大一部分的住房需求消失，這將給我國(guó)房地產(chǎn)業(yè)未來的發(fā)展帶來巨大的風(fēng)險(xiǎn)。如今，我國(guó)的房地產(chǎn)已經(jīng)發(fā)展成為一種重要的投資產(chǎn)品，隨著對(duì)未來房?jī)r(jià)預(yù)期的不斷提高，大量的投資和投機(jī)需求涌入市場(chǎng)。這些過量的投資和投機(jī)致使房?jī)r(jià)出現(xiàn)了不合理的暴漲，這已經(jīng)遠(yuǎn)遠(yuǎn)超過人們的預(yù)期，嚴(yán)重脫離了經(jīng)濟(jì)的增長(zhǎng)速度，毋庸置疑，房?jī)r(jià)泡沫已經(jīng)出現(xiàn)。房地產(chǎn)泡沫是指當(dāng)房?jī)r(jià)超過了合理的水平，而這種情況主要是由于市場(chǎng)供求失衡、資金投機(jī)和政府政策等因素造成的，從而形成了一種虛高的房?jī)r(jià)和租金現(xiàn)象。房地產(chǎn)泡沫會(huì)導(dǎo)致很多問題，例如住房難度加大、財(cái)富分配不均、經(jīng)濟(jì)不穩(wěn)定、金融風(fēng)險(xiǎn)增加等。全球各國(guó)都存在房地產(chǎn)泡沫的問題，其中一些國(guó)家曾經(jīng)歷過嚴(yán)重的房地產(chǎn)危機(jī)，給當(dāng)?shù)亟?jīng)濟(jì)帶來了極大的影響。在中國(guó)，房地產(chǎn)泡沫也是一個(gè)長(zhǎng)期存在的問題，主要是由于大量資金流入房地產(chǎn)行業(yè)和政府放松房地產(chǎn)調(diào)控政策。近幾年，隨著我國(guó)市場(chǎng)經(jīng)濟(jì)的飛速發(fā)展，房地產(chǎn)行業(yè)也得到了迅猛的發(fā)展，當(dāng)前房產(chǎn)泡沫的現(xiàn)象已經(jīng)越來越嚴(yán)重了。房產(chǎn)泡沫最明顯的表現(xiàn)之一就在于大量的空置。據(jù)一份關(guān)于中國(guó)各大城市房地產(chǎn)的調(diào)查報(bào)告顯示，目前，在全國(guó)各大城市中，最被看好的仍然是一線城市，而50個(gè)潛在的房?jī)r(jià)泡沫城市則以二、三線城市居多。有一篇基于對(duì)所謂中國(guó)大規(guī)?，F(xiàn)代金字塔建筑的研究的文章在美國(guó)網(wǎng)站上發(fā)表，該文章利用衛(wèi)星圖像顯示了所謂的中國(guó)"鬼城"（也就是空城）。“鬼城”一詞，用來形容一座城市中某些空置率過高、甚至被廢棄的區(qū)域。這份報(bào)告稱，整個(gè)城市都是空空蕩蕩、毫無人煙的，但政府大樓卻建設(shè)得富麗堂皇，有些房產(chǎn)甚至建造在貧瘠的、完全不適合人生存的地方，就像是現(xiàn)代的金字塔一樣。目前中國(guó)的“鬼城”究竟有多少，沒有確切的數(shù)字，但是高樓林立卻無人買的現(xiàn)象已經(jīng)不是特例了，房地產(chǎn)業(yè)發(fā)展和建造的步伐已經(jīng)開始放慢。當(dāng)前整個(gè)社會(huì)的貨幣流動(dòng)性比較強(qiáng)，導(dǎo)致一線城市仍具有較高的經(jīng)濟(jì)發(fā)展水平、較好的發(fā)展前景和較強(qiáng)的市場(chǎng)輻射能力，因此一線城市的房地產(chǎn)市場(chǎng)仍然具有強(qiáng)勁的需求。但也恰恰由于一線城市對(duì)房地產(chǎn)的強(qiáng)勁市場(chǎng)需求，才會(huì)造成一線城市土地價(jià)格的大幅上漲，使得購(gòu)房負(fù)擔(dān)顯著增加，導(dǎo)致一線城市的市場(chǎng)份額難免會(huì)出現(xiàn)下降趨勢(shì)。從國(guó)內(nèi)房地產(chǎn)業(yè)發(fā)展的角度來看，房地產(chǎn)業(yè)仍然有較大的發(fā)展空間，仍然將是推動(dòng)我國(guó)經(jīng)濟(jì)發(fā)展主要力量。由于受到來自一線城市各個(gè)層面的壓力，以及政府政策對(duì)一線城市樓市的調(diào)控，隨著中國(guó)的城市化進(jìn)程轉(zhuǎn)向強(qiáng)調(diào)中小城鎮(zhèn)和二、三線城市，房地產(chǎn)行業(yè)的發(fā)展領(lǐng)域也將會(huì)隨之發(fā)生變化。由于新出臺(tái)了一套房地產(chǎn)調(diào)控法規(guī)，現(xiàn)在一線城市的土地供應(yīng)受到了更多的限制，那些無法爭(zhēng)得一線城市土地使用權(quán)的開發(fā)商們也加快了向中小城市轉(zhuǎn)移的腳步。除此之外，隨著高速鐵路和其他交通方式對(duì)交通格局的改變，中小城市的城市化進(jìn)程隨之加快，也為商品房?jī)r(jià)格的上升創(chuàng)造了新的機(jī)遇。與一線城市發(fā)展已經(jīng)比較成熟穩(wěn)定的市場(chǎng)相比，中小城市的房地產(chǎn)市場(chǎng)出現(xiàn)了一個(gè)快速的上升期。然而，目前人們所關(guān)注的焦點(diǎn)是房地產(chǎn)價(jià)格過高帶來的一系列潛在的危險(xiǎn)。高房?jī)r(jià)所引發(fā)的資產(chǎn)泡沫一旦破裂，將會(huì)對(duì)與之相關(guān)的房地產(chǎn)產(chǎn)業(yè)鏈產(chǎn)生沖擊，從而對(duì)我國(guó)的經(jīng)濟(jì)發(fā)展和金融安全產(chǎn)生不利的影響；其次，住宅價(jià)格過高不利于房地產(chǎn)業(yè)的進(jìn)一步發(fā)展，不能充分發(fā)揮其拉動(dòng)經(jīng)濟(jì)增長(zhǎng)的功能，過高的住宅價(jià)格會(huì)抑制市場(chǎng)的正常需求，也不能促進(jìn)我國(guó)的城鎮(zhèn)化進(jìn)程；第三，高房?jī)r(jià)使人們將家庭的所有收入都交于房產(chǎn)市場(chǎng)，對(duì)拉動(dòng)內(nèi)需和促進(jìn)消費(fèi)都很不利。如果相應(yīng)的調(diào)控政策能夠及時(shí)、有力、有效地解決目前房地產(chǎn)泡沫風(fēng)險(xiǎn)的問題，使之保持良性、健康的發(fā)展，那么就可以實(shí)現(xiàn)過渡，順利完成轉(zhuǎn)型；而若放任房地產(chǎn)價(jià)格以當(dāng)前的走勢(shì)繼續(xù)向前發(fā)展，未來必將會(huì)出現(xiàn)下跌和危機(jī)。中國(guó)政府已經(jīng)通過規(guī)范房地產(chǎn)融資，加大土地供應(yīng)，推動(dòng)房地產(chǎn)稅改革、嚴(yán)格限購(gòu)等一系列措施來遏制房地產(chǎn)價(jià)格的不斷攀升。此外，近年來政府也逐漸傾向于將房地產(chǎn)發(fā)展納入“房住不炒”的大方向，但仍需要密切關(guān)注房地產(chǎn)市場(chǎng)走勢(shì)，并繼續(xù)加強(qiáng)監(jiān)管。然而，要杜絕房地產(chǎn)泡沫的形成，還需要解決基本的結(jié)構(gòu)性問題，如完善土地供應(yīng)制度、推進(jìn)房地產(chǎn)稅制改革、鼓勵(lì)房租市場(chǎng)發(fā)展等。只有通過持續(xù)的監(jiān)管和改革，才能實(shí)現(xiàn)房地產(chǎn)市場(chǎng)健康穩(wěn)定的發(fā)展。1.1.2研究目的及意義房地產(chǎn)研究旨在探討中國(guó)房地產(chǎn)市場(chǎng)的發(fā)展現(xiàn)狀、新趨勢(shì)以及政策對(duì)房地產(chǎn)市場(chǎng)的影響等問題。這一研究領(lǐng)域與中國(guó)經(jīng)濟(jì)發(fā)展息息相關(guān)，關(guān)系到中長(zhǎng)期國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展戰(zhàn)略的制定和執(zhí)行。在過去幾十年中，中國(guó)的房地產(chǎn)市場(chǎng)以驚人的速度崛起，成為支撐中國(guó)經(jīng)濟(jì)增長(zhǎng)的重要引擎之一，在我國(guó)經(jīng)濟(jì)穩(wěn)步回升的關(guān)鍵時(shí)期扮演著不可或缺的重要角色。房地產(chǎn)市場(chǎng)的蓬勃發(fā)展帶動(dòng)了一大批相關(guān)產(chǎn)業(yè)的迅速成長(zhǎng)與繁榮，如房地產(chǎn)業(yè)，建筑業(yè)，建材業(yè)等，而這些產(chǎn)業(yè)又反過來促進(jìn)了其他產(chǎn)業(yè)的發(fā)展。房地產(chǎn)市場(chǎng)的持續(xù)升溫，使得越來越多的人開始關(guān)注起房地產(chǎn)行業(yè)的發(fā)展前景，房地產(chǎn)泡沫現(xiàn)象受到社會(huì)各界的廣泛重視。盡管其發(fā)展勢(shì)頭迅猛，但其所面臨的挑戰(zhàn)不可小覷，其中房地產(chǎn)泡沫是導(dǎo)致2008年全球經(jīng)濟(jì)危機(jī)和金融危機(jī)爆發(fā)的罪魁禍?zhǔn)?。在此背景下，我?guó)開始對(duì)房地產(chǎn)業(yè)進(jìn)行大力的宏觀調(diào)控。隨著房地產(chǎn)行業(yè)的蓬勃發(fā)展，經(jīng)過數(shù)年的盲目繁榮，市場(chǎng)泡沫不斷擴(kuò)大，房地產(chǎn)企業(yè)所面對(duì)的市場(chǎng)競(jìng)爭(zhēng)日益激烈。與此同時(shí)，我國(guó)的房地產(chǎn)行業(yè)作為一種高風(fēng)險(xiǎn)和政策導(dǎo)向型行業(yè)，也引起了國(guó)家和政府的高度關(guān)注。隨著國(guó)家宏觀調(diào)控和一系列房地產(chǎn)調(diào)控政策的出臺(tái)，房地產(chǎn)市場(chǎng)逐漸恢復(fù)了理性。在這種形勢(shì)下，一些房地產(chǎn)企業(yè)紛紛通過并購(gòu)重組等方式實(shí)現(xiàn)轉(zhuǎn)型升級(jí)，以期更好地應(yīng)對(duì)新環(huán)境的變化。近年來，隨著新冠疫情的肆虐，各大企業(yè)的經(jīng)營(yíng)和發(fā)展陷入了前所未有的困境，房地產(chǎn)業(yè)也因此面臨著前所未有的危機(jī)。對(duì)于我國(guó)經(jīng)濟(jì)的健康發(fā)展而言，房地產(chǎn)作為一種具有雙重效應(yīng)的資產(chǎn)，必須得到有效的控制和管理，以確保其可持續(xù)發(fā)展。1.2研究方法及思路1.2.1研究方法本文旨在通過EVIEWS軟件運(yùn)用ARIMA模型的方法對(duì)我國(guó)房地產(chǎn)價(jià)格進(jìn)行研究分析，探索當(dāng)前我國(guó)房地產(chǎn)行業(yè)的發(fā)展現(xiàn)狀，與此同時(shí)，基于《中國(guó)統(tǒng)計(jì)年鑒2022》中2005-2021年我國(guó)房地產(chǎn)行業(yè)的歷史數(shù)據(jù)，構(gòu)建ARIMA模型。ARIMA(p，d，q)模型是ARMA(p，q)模型的擴(kuò)展形式，可以表示為：其中L是滯后算子（Lagoperator），d∈Z，d>0建模的具體過程可以劃分為多個(gè)步驟，每個(gè)步驟都有其獨(dú)特的特點(diǎn)和重要性:首先，我們需要對(duì)所研究的商品房均價(jià)的時(shí)間序列數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，以確保數(shù)據(jù)的準(zhǔn)確性和可靠性，并根據(jù)平穩(wěn)性檢驗(yàn)結(jié)果選擇合適的預(yù)測(cè)模型并建立相應(yīng)的數(shù)學(xué)模型。如果數(shù)據(jù)序列呈現(xiàn)出平穩(wěn)的非白噪聲特征，那么我們可以采用ARMA模型對(duì)其進(jìn)行直接擬合；在處理序列不平穩(wěn)的情況下，我們需要先對(duì)數(shù)據(jù)進(jìn)行差分處理，然后進(jìn)行平穩(wěn)性檢驗(yàn)，直到獲得平穩(wěn)的非白噪聲序列，最后通過分析確定ARIMA模型中d的數(shù)值。第二，進(jìn)行平穩(wěn)非白噪聲序列的自相關(guān)和偏相關(guān)圖分析，以初步確定p和q的階數(shù)，進(jìn)行模型擬合。最終，通過對(duì)比各模型AIC和BIC的數(shù)值，篩選出最優(yōu)的模型。第三，在此基礎(chǔ)上，利用所建立的數(shù)學(xué)模型來計(jì)算模型中研究對(duì)象的滯后項(xiàng)系數(shù)。預(yù)測(cè)并分析了我國(guó)房地產(chǎn)行業(yè)的價(jià)格發(fā)展趨勢(shì)，從而為制定和完善相關(guān)政策提供了依據(jù)，從而促進(jìn)了房地產(chǎn)行業(yè)的健康發(fā)展和規(guī)范化管理。

1.2.2研究思路收集我國(guó)房地產(chǎn)價(jià)格的數(shù)據(jù)收集我國(guó)房地產(chǎn)價(jià)格的數(shù)據(jù)對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)若數(shù)據(jù)為非平穩(wěn)實(shí)時(shí)間序列數(shù)據(jù)，則對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)化處理，即差分處理 若數(shù)據(jù)為非平穩(wěn)實(shí)時(shí)間序列數(shù)據(jù)，則對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)化處理，即差分處理對(duì)平穩(wěn)非白噪聲序列進(jìn)行模型識(shí)別對(duì)平穩(wěn)非白噪聲序列進(jìn)行模型識(shí)別模型檢驗(yàn)?zāi)Ｐ蜋z驗(yàn)將通過模型整體顯著性檢驗(yàn)的模型進(jìn)行優(yōu)化，選取最優(yōu)擬合模型將通過模型整體顯著性檢驗(yàn)的模型進(jìn)行優(yōu)化，選取最優(yōu)擬合模型根據(jù)最優(yōu)擬合模型進(jìn)行序列預(yù)測(cè)并得出結(jié)論根據(jù)最優(yōu)擬合模型進(jìn)行序列預(yù)測(cè)并得出結(jié)論1.3文獻(xiàn)綜述由于ARIMA模型在研究金融時(shí)間序列上的一些獨(dú)有特點(diǎn)，使其成為了目前市場(chǎng)上價(jià)格預(yù)測(cè)最主要的方法之一。1970年代，美國(guó)統(tǒng)計(jì)學(xué)家Boxgep與英國(guó)統(tǒng)計(jì)學(xué)家Jenkins率先對(duì)ARIMA模型做了對(duì)價(jià)格預(yù)測(cè)的初步研究。在此基礎(chǔ)上，國(guó)內(nèi)也有不少學(xué)者開始對(duì)ARIMA模型進(jìn)行價(jià)格預(yù)測(cè)的研究。如吳玉霞（2016）選取“華泰證券”250期的收盤價(jià)格為樣本，利用ARIMA模型對(duì)創(chuàng)業(yè)板市場(chǎng)的股價(jià)變化規(guī)律及趨勢(shì)進(jìn)行了預(yù)測(cè)，并對(duì)此進(jìn)行了實(shí)證研究。實(shí)證分析表明，該方法在短期內(nèi)能較好地反映股市的變動(dòng)規(guī)律，具有一定的可行性，對(duì)投資者和公司的經(jīng)營(yíng)決策具有一定的參考價(jià)值。楊穎梅（2015）采用Eviews軟件構(gòu)建了一個(gè)ARIMA模型，該模型在對(duì)樣本內(nèi)數(shù)據(jù)擬合方面表現(xiàn)出色，有較好的擬合效果、預(yù)測(cè)誤差也較小,成功應(yīng)用于對(duì)北京市2013年6月至2013年12月的CPI指數(shù)的預(yù)測(cè)上。黃文玲和鄭曉穎（2018）以2012—2015年廣東省生豬的平均價(jià)格作為分析和建模的依據(jù),運(yùn)用ARIMA時(shí)間序列的分析方法，對(duì)2016年廣東省生豬的月平均價(jià)格進(jìn)行預(yù)測(cè),取得了較好的預(yù)測(cè)效果?；诖?，也有部分學(xué)者將注意力放在了研究提高ARIMA模型的預(yù)測(cè)精確度方面，例如陳林（2010）就認(rèn)為，在使用ARIMA模型進(jìn)行期貨價(jià)格預(yù)測(cè)過程中，為提高模型精確度和實(shí)用性，在確定最佳預(yù)測(cè)模型時(shí)，采用枚舉法確定p值與q值依次對(duì)比。由此可見，國(guó)內(nèi)外學(xué)者對(duì)ARIMA模型方法應(yīng)用已相對(duì)成熟且研究對(duì)象不斷充實(shí)。綜合現(xiàn)有研究可發(fā)現(xiàn)多數(shù)相關(guān)文獻(xiàn)能夠基于預(yù)測(cè)結(jié)果給出建議。但在具體的運(yùn)用過程中需考慮的因素較多，如價(jià)格波動(dòng)程度、時(shí)間序列本身特征等均會(huì)影響模型效果，因此如何選取合適的模型參數(shù)及對(duì)模型檢驗(yàn)至關(guān)重要。本文依據(jù)《中國(guó)統(tǒng)計(jì)年鑒2022》中2005-2021年的房地產(chǎn)行業(yè)數(shù)據(jù)，在結(jié)合我國(guó)目前的經(jīng)濟(jì)發(fā)展形勢(shì)的基礎(chǔ)上，分析我國(guó)房地產(chǎn)行業(yè)的發(fā)展現(xiàn)狀，運(yùn)用EVIEWS軟件對(duì)我國(guó)房地產(chǎn)價(jià)格數(shù)據(jù)進(jìn)行ARIMA模型擬合，采用差分自回歸移動(dòng)平均來排除諸如人口、經(jīng)濟(jì)發(fā)展、國(guó)家政策等因素對(duì)房地產(chǎn)價(jià)格的影響，揭示房地產(chǎn)價(jià)格變化的規(guī)律性，并建立了一個(gè)具有較高客觀性和實(shí)用性的預(yù)測(cè)模型。再通過一系列檢驗(yàn)判斷該數(shù)學(xué)模型的可行性和擬合效果，得出最優(yōu)擬合模型，最后根據(jù)最優(yōu)擬合模型預(yù)測(cè)房地產(chǎn)未來價(jià)格走勢(shì)，為調(diào)節(jié)管理房地產(chǎn)市場(chǎng)政策的制定提供參考依據(jù)。第2章理論基礎(chǔ)2.1預(yù)測(cè)方法房地產(chǎn)市場(chǎng)的預(yù)測(cè)，就是以房地產(chǎn)市場(chǎng)的歷史數(shù)據(jù)和現(xiàn)實(shí)情況為基礎(chǔ)，利用科學(xué)的方法和模型，對(duì)房地產(chǎn)市場(chǎng)的未來趨勢(shì)和變化展開分析和估算，為房地產(chǎn)開發(fā)、投資、管理和政策制定提供參考依據(jù)。房地產(chǎn)市場(chǎng)的預(yù)測(cè)方法大體分為定性預(yù)測(cè)方法和定量預(yù)測(cè)方法兩類。2.1.1定性分析定性預(yù)測(cè)方法是指以專家或者相關(guān)人員的經(jīng)驗(yàn)、判斷和意見為依據(jù)，對(duì)房地產(chǎn)市場(chǎng)展開主觀分析和評(píng)估的方法。定性分析法的優(yōu)勢(shì)在于它能綜合考慮多個(gè)因素，更適用于資料不足或資料不可靠的情況；但該方法具有很強(qiáng)的個(gè)體或群體主觀性，很難保證其客觀、準(zhǔn)確。常用的定性預(yù)測(cè)方法有以下幾種：經(jīng)驗(yàn)判斷法：它是一種基于一個(gè)人或者一個(gè)群體對(duì)于房地產(chǎn)市場(chǎng)所擁有的知識(shí)和經(jīng)驗(yàn)而做出的判斷和推斷的一種方法。經(jīng)驗(yàn)判斷方法是一種簡(jiǎn)便、有效的方法，但是它也會(huì)受到主觀因素、情感因素和慣性的影響。特爾菲法：它是一種通過咨詢一群專業(yè)人士或相關(guān)人士，對(duì)房地產(chǎn)市場(chǎng)未來趨勢(shì)的觀點(diǎn)進(jìn)行分析，然后再進(jìn)行反復(fù)咨詢、反饋和修正，最后得出一個(gè)比較一致且可靠的預(yù)測(cè)結(jié)果的方法。特爾菲法可以最大限度地發(fā)揮專家的智慧，但也要注意防止專家間的交互作用與權(quán)威性偏差。情景分析法：是指以房地產(chǎn)市場(chǎng)所面臨的不同情況或假設(shè)為依據(jù)，構(gòu)造出不同的發(fā)展情景，并對(duì)在這些情景下房地產(chǎn)市場(chǎng)可能發(fā)生的結(jié)果和概率進(jìn)行分析的方法。情景分析法可以將各種不確定的因素納入其中，從而增強(qiáng)了預(yù)測(cè)的靈活性與適應(yīng)性，但在預(yù)測(cè)過程中也需要避免設(shè)置情景時(shí)過于主觀和隨意。2.1.2定量分析定量預(yù)測(cè)方法以數(shù)學(xué)模型統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ)，對(duì)房地產(chǎn)市場(chǎng)進(jìn)行客觀分析和計(jì)算的方法。定量預(yù)測(cè)方法的優(yōu)點(diǎn)是能夠利用海量的資料，使預(yù)報(bào)更加科學(xué)；但是受數(shù)據(jù)質(zhì)量和模型的假定條件因素的制約，很難反映房地產(chǎn)市場(chǎng)的復(fù)雜性和動(dòng)態(tài)性。常見的定量預(yù)測(cè)分析有以下幾種方法：時(shí)間序列分析法：是按時(shí)間順序的一組真實(shí)的、現(xiàn)實(shí)存在的歷史數(shù)據(jù)，對(duì)該序列的變化規(guī)律和周期特征進(jìn)行分析，揭示某一現(xiàn)象背后的變化規(guī)律，并在此基礎(chǔ)上對(duì)未來趨勢(shì)進(jìn)行預(yù)測(cè)的一種方法。時(shí)間序列分析法是一種簡(jiǎn)單直觀的方法，但也存在著對(duì)其他因素的忽視，不能很好地適應(yīng)結(jié)構(gòu)性變化的特點(diǎn)?；貧w分析法：是以房地產(chǎn)市場(chǎng)中各個(gè)變量之間存在著某種相關(guān)關(guān)系或函數(shù)關(guān)系為基礎(chǔ)，并運(yùn)用統(tǒng)計(jì)技術(shù)建立回歸模型，通過估計(jì)模型的參數(shù)，來對(duì)預(yù)測(cè)房地產(chǎn)市場(chǎng)的未來變化進(jìn)行預(yù)測(cè)的方法。用回歸分析的方法可以更好地揭示出房地產(chǎn)市場(chǎng)的內(nèi)在機(jī)制，但是也需要注意選取恰當(dāng)合適的變量和模型，以避免出現(xiàn)多重共線性、異方差性、自相關(guān)性等問題。2.2ARIMA模型2.2.1ARIMA模型簡(jiǎn)介ARIMA模型是一種時(shí)間序列預(yù)測(cè)方法，由博克思（Box）和詹金斯（Jenkins）在20世紀(jì)70年代初提出，也被稱為box-jenkins模型或博克思-詹金斯法。它是基于統(tǒng)計(jì)推斷理論中的最小二乘法原理來構(gòu)造出來的一類新的隨機(jī)過程模型。ARIMA模型是一種將時(shí)間序列從非平穩(wěn)狀態(tài)轉(zhuǎn)換為平穩(wěn)狀態(tài)，并通過回歸分析因變量的滯后值、隨機(jī)誤差項(xiàng)的現(xiàn)值和滯后值來建立模型的方法。ARIMA模型的本質(zhì)在于對(duì)非平穩(wěn)的歷史時(shí)間序列Yt進(jìn)行d次差分，從而得到新的平穩(wěn)時(shí)間序列Xt，并將其擬合成ARMA(p，q)模型，最終再將原d次差分還原，便可以得到其中，ARMA(p，q)的一般表達(dá)式為:Xt=當(dāng)q=0時(shí)，ARMA(p，q)模型成為AR（p）模型:Xt=φ1當(dāng)p=0時(shí)，ARMA(p，q)模型成為MA（q）模型:Xt=ε由于ARIMA模型無法捕捉到相關(guān)隨機(jī)變量的動(dòng)態(tài)變化，因此其適用性受到限制，無法直接反映其他變量的變化。ARIMA模型的核心思想在于將預(yù)測(cè)對(duì)象所形成的數(shù)據(jù)序列視為一個(gè)隨機(jī)序列，并通過自回歸移動(dòng)平均過程生成該隨機(jī)序列，該時(shí)間序列可由其過去值、滯后值和隨機(jī)干擾項(xiàng)所解釋。由于歷史信息會(huì)影響該序列本身及其與當(dāng)前值之間的關(guān)系，因而可以認(rèn)為該時(shí)間序列是一種非平穩(wěn)性時(shí)間序列。在對(duì)該序列進(jìn)行建模時(shí)，必須考慮到其呈現(xiàn)出的波動(dòng)特征，因?yàn)檫@種特征并非平穩(wěn)的，而是具有一定的程度的波動(dòng)。如果所述時(shí)間序列呈現(xiàn)出穩(wěn)定的狀態(tài)，即其行為不會(huì)隨著時(shí)間的推移而發(fā)生顯著變化，那么我們可以利用該時(shí)間序列的過去和現(xiàn)在值來預(yù)測(cè)未來的值，這正是隨機(jī)時(shí)間序列分析模型的卓越之處。2.2.2ARIMA模型的優(yōu)缺點(diǎn)該模型的優(yōu)點(diǎn)在于，它只需要考慮內(nèi)生變量，而無需依賴其他外生變量，從而簡(jiǎn)化了模型的復(fù)雜性。而不足之處在于，必須確保時(shí)序數(shù)據(jù)的平穩(wěn)性(stationary)，或者在經(jīng)過差分化(differencing)處理后是平穩(wěn)的序列；ARIMA模型本質(zhì)上只能捕捉線性關(guān)系，而無法識(shí)別出非線性的關(guān)系。若采用ARIMA模型預(yù)測(cè)時(shí)序數(shù)據(jù)，則該時(shí)間序列必須是平穩(wěn)的，如果是不平穩(wěn)的數(shù)據(jù)，是無法發(fā)現(xiàn)其規(guī)律性的。2.2.3ARIMA模型運(yùn)用流程(1）平穩(wěn)性檢驗(yàn)根據(jù)時(shí)間序列的時(shí)序圖、自相關(guān)系數(shù)和偏自相關(guān)系數(shù)、并進(jìn)行單位根檢驗(yàn)(ADF)，來判斷該數(shù)據(jù)的平穩(wěn)性；(2）平穩(wěn)化處理對(duì)非平穩(wěn)的時(shí)間序列數(shù)據(jù)進(jìn)行差分處理，得到差分階數(shù)d；白噪聲檢測(cè)為了驗(yàn)證序列中有用的信息是否已被完整的提取，我們可以采用LB統(tǒng)計(jì)量的方法進(jìn)行白噪聲檢驗(yàn)，以確保序列中的有用信息已被完整提??；模型識(shí)別和定階建立相應(yīng)的時(shí)間序列模型，以特征為基礎(chǔ)進(jìn)行識(shí)別。利用該方法對(duì)我國(guó)房地產(chǎn)價(jià)格進(jìn)行預(yù)測(cè)。在進(jìn)行平穩(wěn)化處理后，如果偏自相關(guān)函數(shù)呈現(xiàn)截尾狀態(tài)，而自相關(guān)函數(shù)則表現(xiàn)為拖尾狀態(tài)，那么我們就需要建立一個(gè)AR模型；如果偏自相關(guān)函數(shù)存在拖尾現(xiàn)象，而自相關(guān)函數(shù)則存在截尾情況，那么我們可以構(gòu)建一個(gè)MA模型；如果偏自相關(guān)函數(shù)和自相關(guān)函數(shù)都是拖尾的，那么這個(gè)序列就可以被視為適用于ARIMA模型。本文提出了基于最小二乘原理的建模方法。采用BIC準(zhǔn)則對(duì)模型進(jìn)行定階，以確定p和q參數(shù)，從而篩選出最佳的模型；模型檢驗(yàn)對(duì)已確定的模型其殘差序列進(jìn)行檢驗(yàn)，驗(yàn)證其是否為白噪聲，若是白噪聲序列，則模型成立；若不是白噪聲，說明殘差中還存在未被完全提前的有用信息，則需對(duì)模型進(jìn)行修改；模型預(yù)測(cè)應(yīng)用已通過檢驗(yàn)的模型進(jìn)行預(yù)測(cè)。第3章房地產(chǎn)行業(yè)發(fā)展現(xiàn)狀3.1房地產(chǎn)行業(yè)概況分析房地產(chǎn)產(chǎn)業(yè)對(duì)于國(guó)家的經(jīng)濟(jì)和社會(huì)發(fā)展具有至關(guān)重要的意義，因?yàn)樗苯由婕暗骄用窕咀》康膯栴}，同時(shí)也是投資和消費(fèi)領(lǐng)域中不可或缺的重要組成部分。房地產(chǎn)行業(yè)作為國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，不僅在促進(jìn)經(jīng)濟(jì)增長(zhǎng)方面發(fā)揮著舉足輕重的作用，而且對(duì)于改善民生、擴(kuò)大就業(yè)等多方面均起著積極的促進(jìn)作用。房地產(chǎn)行業(yè)與鋼鐵、水泥、木材、玻璃等原始材料制造業(yè)、建材、家具、家電等下游產(chǎn)業(yè)，以及銀行、保險(xiǎn)、稅收等服務(wù)產(chǎn)業(yè)緊密交織，形成了緊密的聯(lián)動(dòng)關(guān)系。隨著我國(guó)城市化進(jìn)程的推進(jìn)，居民的住房需求日益遞增。中國(guó)房地產(chǎn)業(yè)一直屬于剛需行業(yè)，根據(jù)國(guó)家統(tǒng)計(jì)局的數(shù)據(jù)，截至2022年底，全國(guó)房地產(chǎn)業(yè)增加值約為8.7萬億元人民幣，比上年增長(zhǎng)8.7%。這表明中國(guó)房地產(chǎn)市場(chǎng)規(guī)模不斷擴(kuò)大，并呈現(xiàn)出穩(wěn)定增長(zhǎng)的態(tài)勢(shì)。住房和城鄉(xiāng)建設(shè)部部長(zhǎng)王蒙徽也表示，住房和城鄉(xiāng)發(fā)展是最大的國(guó)內(nèi)需求和最大的國(guó)內(nèi)消費(fèi)市場(chǎng)。它們是保持穩(wěn)定增長(zhǎng)、擴(kuò)大國(guó)內(nèi)需求、建設(shè)強(qiáng)大的國(guó)內(nèi)市場(chǎng)的重要領(lǐng)域。“我們國(guó)家現(xiàn)在仍然處于城市化發(fā)展的快速發(fā)展時(shí)期，城鎮(zhèn)化率達(dá)到了63.9%，每年新增城鎮(zhèn)就業(yè)的人口也超過1100萬，再加上家庭的小型化，這些都為住房的剛需，帶來了很大的市場(chǎng)。”因此，地產(chǎn)行業(yè)的發(fā)展前景仍然是明朗的，加強(qiáng)對(duì)相關(guān)地產(chǎn)市場(chǎng)的完善，才能有效促進(jìn)房地產(chǎn)市場(chǎng)的健康發(fā)展，進(jìn)一步提高人們的生活質(zhì)量。目前，中國(guó)房地產(chǎn)行業(yè)保持著相對(duì)穩(wěn)定的發(fā)展態(tài)勢(shì)。隨著政府加強(qiáng)宏觀調(diào)控和監(jiān)管，樓市炒作逐漸降溫，一些城市房?jī)r(jià)得到了一定程度的回調(diào)。同時(shí)，房地產(chǎn)市場(chǎng)也在積極轉(zhuǎn)型升級(jí)，推動(dòng)行業(yè)走向更加健康穩(wěn)定的發(fā)展道路。受各種不利因素的影響和制約，我國(guó)的房地產(chǎn)市場(chǎng)在發(fā)展過程中也仍然存在諸多問題。據(jù)統(tǒng)計(jì)，2022年全國(guó)城鎮(zhèn)住宅銷售面積同比下降了5.5%，但房?jī)r(jià)依然保持著相對(duì)較高的水平。這表明房地產(chǎn)市場(chǎng)的供需結(jié)構(gòu)持續(xù)失衡且尚未得到有效改善，同時(shí)，越來越多炒房團(tuán)的出現(xiàn)也讓房產(chǎn)的價(jià)格逐漸失控。2021年4月，國(guó)家發(fā)改委、住建部等相關(guān)部門聯(lián)合發(fā)布了《關(guān)于進(jìn)一步促進(jìn)房地產(chǎn)市場(chǎng)平穩(wěn)健康發(fā)展的通知》，堅(jiān)持以住房為基礎(chǔ)，而非投機(jī)炒作，以確保房地產(chǎn)市場(chǎng)的平穩(wěn)運(yùn)行。房地產(chǎn)行業(yè)作為國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，不僅在促進(jìn)經(jīng)濟(jì)增長(zhǎng)方面發(fā)揮著舉足輕重的作用，而且對(duì)于改善民生、擴(kuò)大就業(yè)等多方面均起著積極的促進(jìn)作用。同時(shí)，強(qiáng)化土地供應(yīng)管理，遏制一些房地產(chǎn)企業(yè)的過度沖高行為，支持有實(shí)力的企業(yè)實(shí)現(xiàn)穩(wěn)定發(fā)展，并提出了一系列措施，包括促進(jìn)長(zhǎng)租住房市場(chǎng)的建設(shè)等。除此之外，近些年來各地方政府也陸續(xù)發(fā)布了不少鼓勵(lì)人們居住的政策，如利率優(yōu)惠、稅收減免、優(yōu)惠貸款、補(bǔ)貼等都有所涉及。這些舉措整體上有利于穩(wěn)定市場(chǎng)需求和居民購(gòu)房積極性，也有助于房地產(chǎn)市場(chǎng)的健康發(fā)展。3.2房地產(chǎn)行業(yè)發(fā)展的影響因素3.2.1供需關(guān)系房地產(chǎn)市場(chǎng)的供需關(guān)系是指房屋供應(yīng)量和購(gòu)買需求量之間的比較。在市場(chǎng)供給充足的情況下，購(gòu)買者可以獲得更多房屋選擇，并具有較高的議價(jià)能力；而當(dāng)市場(chǎng)供給不足時(shí)，房?jī)r(jià)將上漲，購(gòu)買者則可能會(huì)面臨更大的經(jīng)濟(jì)壓力。需求方面，房地產(chǎn)市場(chǎng)的主要購(gòu)買者是居民，包括自住和投資兩種目的。自住購(gòu)買者通常希望購(gòu)買舒適、安全和其他滿足生活需要的條件良好的房屋；而投資者更看重房產(chǎn)的增值潛力和收益。供給方面，市場(chǎng)供給由房地產(chǎn)開發(fā)商和業(yè)主提供。房地產(chǎn)開發(fā)商負(fù)責(zé)土地購(gòu)置、規(guī)劃設(shè)計(jì)、開發(fā)施工、銷售等一系列環(huán)節(jié)，而業(yè)主通常是出于個(gè)人需求或變現(xiàn)考慮而將自己的房產(chǎn)進(jìn)行出售或租賃。房地產(chǎn)市場(chǎng)的供需關(guān)系是動(dòng)態(tài)的，隨著各種因素的影響而產(chǎn)生變化。政府調(diào)控政策、經(jīng)濟(jì)形勢(shì)、人口流動(dòng)以及人們對(duì)居住環(huán)境、投資價(jià)值等不同的認(rèn)知和需求都會(huì)對(duì)房地產(chǎn)市場(chǎng)供需關(guān)系產(chǎn)生影響。3.2.2成本因素房地產(chǎn)成本因素主要包括土地成本、建筑材料成本、施工成本和人工成本四個(gè)方面。首先是土地成本，土地是開發(fā)商進(jìn)行房屋建設(shè)的最基本資源，通常需要購(gòu)買或租賃政府指定區(qū)域內(nèi)的土地。土地成本因地理位置、用途范圍等因素而異，一般會(huì)對(duì)房屋售價(jià)造成較大的影響。其次是建筑材料成本，包括水泥、鋼筋、磚塊等各類建筑材料的采購(gòu)及運(yùn)輸成本。這些建筑材料的價(jià)格亦受外部供求、稅費(fèi)和環(huán)保等政策影響。再者是施工成本，建設(shè)者需要采集旋挖機(jī)、塔吊等工程機(jī)械，使用相關(guān)行業(yè)資質(zhì)并需要支付工程管理人員的薪資和其他職工的勞務(wù)費(fèi)用，以完成建筑的施工作業(yè)。最后是人工成本，即建設(shè)過程中雇傭的從事設(shè)計(jì)、采購(gòu)、施工、物業(yè)管理等各類專業(yè)職工的薪資和福利待遇等。此方案對(duì)企業(yè)而言相當(dāng)重要，勞力數(shù)量與單位時(shí)間內(nèi)的產(chǎn)能直接相關(guān)。這四個(gè)方面的成本因素共同影響著房地產(chǎn)開發(fā)商和業(yè)主的利潤(rùn)率。如果這些成本增加，那么利潤(rùn)率就會(huì)下降，反之利潤(rùn)率則會(huì)提高。同時(shí)，這些成本因素也影響到房屋的售價(jià)和租金，最終影響所有買家、租戶的消費(fèi)水平。房地產(chǎn)企業(yè)想要盈利，商品房?jī)r(jià)格一定要比成本高。能推動(dòng)房地產(chǎn)價(jià)格上漲的不只是供需問題。伴隨著地方政府債務(wù)不斷上升，許多地方政府為了提高財(cái)政收入而必須高價(jià)出售土地，地價(jià)上升造成房地產(chǎn)成本上升，同時(shí)在某種程度上推動(dòng)房?jī)r(jià)上漲。3.2.3政策因素房地產(chǎn)政策因素是指政府在經(jīng)濟(jì)、社會(huì)和環(huán)境等方面制定的一系列與房地產(chǎn)市場(chǎng)相關(guān)的政策措施。這些政策的目的包括促進(jìn)房地產(chǎn)市場(chǎng)健康發(fā)展、保障人民住房權(quán)利、調(diào)節(jié)市場(chǎng)供需關(guān)系、規(guī)范行業(yè)秩序等等。其中比較重要的幾種房地產(chǎn)政策因素包括：土地政策：土地是房地產(chǎn)開發(fā)的基礎(chǔ)，沒有土地使用權(quán)，開發(fā)商無法進(jìn)行土地開發(fā)行為。政府通過土地出讓、供應(yīng)、管理等多種方式來影響房地產(chǎn)市場(chǎng)供給。政府可以適時(shí)增加土地供應(yīng)量以確保房?jī)r(jià)不過高；可以鼓勵(lì)土地流轉(zhuǎn)以提高土地使用效率；也可以制定土地綠化保護(hù)政策等控制建設(shè)用地過度消耗的辦法。財(cái)稅政策：財(cái)稅政策主要包括改革稅制、降低稅率及減免房屋相關(guān)的稅費(fèi)等形式。對(duì)于購(gòu)房者而言，政策可以采取合同稅費(fèi)的減免，如個(gè)人首套購(gòu)房可享受小額稅費(fèi)減免；對(duì)于房地產(chǎn)開發(fā)商而言，政策可以通過優(yōu)惠減免房地產(chǎn)開發(fā)相關(guān)稅費(fèi)，來支持行業(yè)的健康發(fā)展。貨幣政策：作為金融政策的重要組成部分，貨幣政策的目的在于通過調(diào)節(jié)利率、存款準(zhǔn)備金率、貸款配額、外匯儲(chǔ)備等手段，以調(diào)控貨幣供應(yīng)和金融市場(chǎng)流動(dòng)性為手段，從而對(duì)房地產(chǎn)市場(chǎng)產(chǎn)生深遠(yuǎn)而廣泛的影響。政府可以通過貨幣政策來控制資金價(jià)格，鼓勵(lì)合理金融消費(fèi)、裁縮投機(jī)，從而防范房地產(chǎn)泡沫。此外，還有住房保障政策、房屋租賃政策等方面，都對(duì)房地產(chǎn)市場(chǎng)的穩(wěn)定發(fā)展具有較大的作用。政府的干預(yù)對(duì)經(jīng)濟(jì)發(fā)展起著重要作用，房地產(chǎn)作為商品經(jīng)濟(jì)的重要組成部分，政府政策對(duì)房地產(chǎn)的影響至關(guān)重要?？傊?，政府多方位考慮，全力以赴采取各種政策手段，為促進(jìn)房地產(chǎn)市場(chǎng)穩(wěn)定健康發(fā)展提供了堅(jiān)實(shí)基礎(chǔ)。第4章模型構(gòu)建4.1數(shù)據(jù)預(yù)處理4.1.1樣本數(shù)據(jù)近年，房?jī)r(jià)一直是人們關(guān)注的熱點(diǎn)問題，房?jī)r(jià)的一路高漲令消費(fèi)者感到擔(dān)憂。選取《中國(guó)統(tǒng)計(jì)年鑒2022》中2005-2021年我國(guó)商品房的平均銷售價(jià)格數(shù)據(jù)進(jìn)行分析，可以看到，中國(guó)房地產(chǎn)價(jià)格近些年除了在2008年波動(dòng)稍微下降過一點(diǎn)，總體上一直是遞增的。雖然房?jī)r(jià)受到很多方面的影響，例如供需和政策等因素，但是通過觀察整體數(shù)據(jù)我們可以猜測(cè)，不同房?jī)r(jià)之間也應(yīng)該存在某種規(guī)律性和相互關(guān)聯(lián)。過去的行為也必定會(huì)對(duì)未來的結(jié)果產(chǎn)生一定的影響。故可以試構(gòu)建ARIMA模型對(duì)未來的房?jī)r(jià)趨勢(shì)進(jìn)行預(yù)測(cè)，具體數(shù)據(jù)見下表。表4-12005-2021年我國(guó)商品房均價(jià)商品房平均售價(jià)（元/每平方米）200531682006336720073864200838002009468120105032201153572012579120136237201463242015679320167476201778922018872620199310202098602021101394.1.2平穩(wěn)性檢驗(yàn)圖4-1時(shí)序圖利用Eviews軟件畫出我國(guó)商品房平均售價(jià)的時(shí)序圖，如圖1所示。時(shí)序圖顯示從2005年開始我國(guó)商品房平均銷售價(jià)格有明顯的遞增趨勢(shì)，2008年出現(xiàn)小幅波動(dòng)后房?jī)r(jià)呈直線式遞增，故猜測(cè)序列是非平穩(wěn)序列。若想要進(jìn)一步精確判斷序列的平穩(wěn)性，仍需對(duì)數(shù)據(jù)進(jìn)行單次根檢驗(yàn)，即ADF檢驗(yàn)。單次根檢驗(yàn)有三個(gè)類型，每個(gè)類型的檢驗(yàn)結(jié)果都表明不能拒絕該序列非平穩(wěn)的原假設(shè)，存在單位根，該序列才是非平穩(wěn)序列。單次根檢驗(yàn)結(jié)果如下表4-2、4-3、4-4所示。表4-2序列的單位根檢驗(yàn)1t-StatisticProb.*AugmentedDickey-Fullerteststatistic0.8964240.9924Testcriticalvalues:1%level-3.9203505%level-3.06558510%level-2.673459表4-3序列的單位根檢驗(yàn)2t-StatisticProb.*AugmentedDickey-Fullerteststatistic-2.1070200.5038Testcriticalvalues:1%level-4.6678835%level-3.73320010%level-3.310349表4-4序列的單位根檢驗(yàn)3t-StatisticProb.*AugmentedDickey-Fullerteststatistic

6.689431

1.0000Testcriticalvalues:1%level-2.7175115%level-1.96441810%level-1.605603可以看出三個(gè)類型的單次根檢驗(yàn)結(jié)果的T統(tǒng)計(jì)量的概率P值均大于0.05，故都不能拒絕該原始序列為非平穩(wěn)序列的原假設(shè)。綜上，原始序列{PRICE}為非平穩(wěn)的時(shí)間序列。ARIMA模型不能對(duì)非平穩(wěn)的時(shí)間序列進(jìn)行直接建模，故為消除趨勢(shì)同時(shí)減小序列的波動(dòng)性，則需要先對(duì)原始時(shí)間序列{PRICE}進(jìn)行平穩(wěn)化處理，即對(duì)該時(shí)間序列{PRICE}進(jìn)行差分處理。因此，通過對(duì)原始數(shù)據(jù){PRICE}取對(duì)數(shù)即seriesY=log(PRICE)的方式，取對(duì)數(shù)在一定程度上消除了原始數(shù)據(jù)的異方差性，然后再進(jìn)行差分處理即seriesdx=d(Y)以消除線性趨勢(shì)，從而實(shí)現(xiàn)原始數(shù)據(jù)的平穩(wěn)化處理。做一階差分的單次根檢驗(yàn)，結(jié)果如下表4-5。表4-5一階殘差的單位根檢驗(yàn)t-Statistic

Prob.*AugmentedDickey-Fullerteststatistic-6.283825

0.0002Testcriticalvalues:1%level-3.9591485%level-3.08100210%level-2.681330由上表4-5可以看出一階殘差序列的檢驗(yàn)統(tǒng)計(jì)量的概率P值為0.0002，小于置信水平0.05，則拒絕該序列為非平穩(wěn)序列的原假設(shè)，故商品房均價(jià)的一階差分序列為平穩(wěn)序列，可以進(jìn)行預(yù)測(cè)模型的構(gòu)建。4.2模型識(shí)別一個(gè)平穩(wěn)的時(shí)間序列，要建立其預(yù)測(cè)模型，首先需要對(duì)其模型進(jìn)行識(shí)別，才能確定其適合哪種預(yù)測(cè)模型。因此，采用Eviews軟件對(duì)一階差分序列進(jìn)行相關(guān)性檢驗(yàn)，并繪制該序列的自相關(guān)和偏自相關(guān)圖，以驗(yàn)證其純隨機(jī)性，具體檢驗(yàn)結(jié)果見下圖4-1：AutocorrelationPartialCorrelationAC

PAC

Q-Stat

Prob

****|.|

****|.|1-0.501-0.5014.82050.028

.|*.|

.*|.|20.198-0.0715.62750.060

.|.|

.|*.|30.0140.1135.63160.131

.|.|

.|.|4-0.0500.0215.69260.223

.**|.|

.***|.|5-0.222-0.3576.98150.222

.|*.|

.*|.|60.167-0.1477.78450.254

.|.|

.|**.|70.0440.2617.84730.346

.*|.|

.|*.|8-0.1050.1108.24780.410

.|*.|

.|.|90.1790.0089.56740.387

.*|.|

.*|.|10-0.119-0.19210.2510.419

.|.|

.|.|110.017-0.02910.2680.506

.*|.|

.*|.|12-0.145-0.07111.7810.463圖4-1一階差分序列的自相關(guān)和偏自相關(guān)圖由上圖4-1可以看出，自相關(guān)系數(shù)的波動(dòng)范圍在標(biāo)準(zhǔn)差的兩倍之間，且其衰減并不呈現(xiàn)出明顯的規(guī)律性，這是自相關(guān)系數(shù)拖尾的典型特征。然后考察偏自相關(guān)系數(shù)，我們可以發(fā)現(xiàn)其在標(biāo)準(zhǔn)差的兩倍范圍內(nèi)呈現(xiàn)出隨機(jī)波動(dòng)的趨勢(shì)，且其衰減并不呈現(xiàn)出明顯的規(guī)律性，因此可以得出結(jié)論，偏自相關(guān)系數(shù)也存在一定的拖尾現(xiàn)象。根據(jù)其自相關(guān)系數(shù)和偏自相關(guān)系數(shù)，可以得出它們都是拖尾的特性，故可以初步確定擬合一階差分序列的模型為ARMA模型。4.3參數(shù)估計(jì)及顯著性檢驗(yàn)建立我國(guó)商品房平均售價(jià)原始數(shù)據(jù)的一階差分序列dx，并進(jìn)行模型擬合。嘗試使用ARMA（1,1）模型擬合該序列,結(jié)果如下表4-6。表4-6ARMA(1,1)系數(shù)的顯著性檢驗(yàn)1VariableCoefficientStd.Errort-StatisticProb.

C0.0740950.00731210.132740.0000AR(1)-0.3858910.510427-0.7560160.4642MA(1)-0.2070660.553794-0.3739040.7150R-squared0.273108

Meandependentvar0.073491AdjustedR-squared0.151959

S.D.dependentvar0.052235S.E.ofregression0.048102

Akaikeinfocriterion-3.054112Sumsquaredresid0.027766

Schwarzcriterion-2.912501Loglikelihood25.90584

Hannan-Quinncriter.-3.055620F-statistic2.254320

Durbin-Watsonstat1.712675Prob(F-statistic)0.147509對(duì)系數(shù)進(jìn)行顯著性檢驗(yàn)，由表4-6可得，在0.05的顯著水平下，AR（1）和MA（1）所對(duì)應(yīng)的概率P值均高于0.05，不能拒絕系數(shù)為0的原假設(shè)，因此AR（1）和MA（1）無法通過顯著性檢驗(yàn)，其系數(shù)顯著為0。故試去掉常數(shù)項(xiàng)c再進(jìn)行顯著性檢驗(yàn)，結(jié)果如下表4-7。表4-7ARMA(1,1)系數(shù)的顯著性檢驗(yàn)2VariableCoefficientStd.Errort-StatisticProb.

AR(1)0.9243220.04143122.309820.0000MA(1)-0.9999863.99E-06-250768.10.0000R-squared0.085138

Meandependentvar0.073491AdjustedR-squared0.014764

S.D.dependentvar0.052235S.E.ofregression0.051848

Akaikeinfocriterion-2.957450Sumsquaredresid0.034946

Schwarzcriterion-2.863043Loglikelihood24.18088

Hannan-Quinncriter.-2.958456Durbin-Watsonstat2.812423可以看到在0.05的顯著水平下，AR（1）和MA（1）對(duì)應(yīng)的概率P值均小于0.05，拒絕系數(shù)為0的原假設(shè)，故AR（1）和MA（1）通過顯著性檢驗(yàn)，系數(shù)不顯著為0，可擬合模型為X（4-1）若確保模型成立，還需再對(duì)模型整體進(jìn)行檢驗(yàn)，檢驗(yàn)殘差是否為白噪聲序列，對(duì)殘差做白噪聲檢驗(yàn)，畫自相關(guān)和偏自相關(guān)圖（圖4-2）。AutocorrelationPartialCorrelationAC

PAC

Q-Stat

Prob

.***|.|

.***|.|1-0.452-0.4523.7154

.|*.|

.*|.|20.082-0.1533.8467

.|*.|

.|*.|30.1160.1154.13260.042

.|.|

.|*.|4-0.0390.1034.16810.124

.**|.|

.**|.|5-0.228-0.2715.49670.139

.|*.|

.*|.|60.158-0.1306.20100.185

.|.|

.|*.|70.0290.1186.22870.285

.*|.|

.|.|8-0.165-0.0247.22330.301

.|*.|

.|.|90.1470.0008.14420.320

.*|.|

.*|.|10-0.121-0.1918.89210.351

.|.|

.|.|110.013-0.0648.90280.446

.*|.|

.*|.|12-0.074-0.0749.36780.498圖4-2一階差分序列殘差的自相關(guān)圖1由上圖可以看出，概率P值基本上大于0.05，不能拒絕原假設(shè)，故殘差是白噪聲序列，模型X（4-1）成立。現(xiàn)試對(duì)ARMA（1,2）模型進(jìn)行檢驗(yàn)表4-8ARMA（1,2）系數(shù)的顯著性檢驗(yàn)1VariableCoefficientStd.Errort-StatisticProb.

C0.0728340.0088898.1933980.0000AR(1)-0.6355620.388236-1.6370490.1299MA(1)0.5706090.5603351.0183370.3304MA(2)-0.3029620.318894-0.9500420.3625R-squared0.497327

Meandependentvar0.073491AdjustedR-squared0.360234

S.D.dependentvar0.052235S.E.ofregression0.041780

Akaikeinfocriterion-3.289616Sumsquaredresid0.019201

Schwarzcriterion-3.100803Loglikelihood28.67212

Hannan-Quinncriter.-3.291628F-statistic3.627670

Durbin-Watsonstat2.092675Prob(F-statistic)0.048603對(duì)系數(shù)進(jìn)行顯著性檢驗(yàn)，在0.05的顯著水平下，由表4-8可得，AR（1）、MA（1）和MA（2）對(duì)應(yīng)的概率P值均大于0.05，不能拒絕系數(shù)為0的原假設(shè)，故AR（1）、MA（1）和MA（2）均不能通過顯著性檢驗(yàn)，不能說明系數(shù)顯著不為0。去掉常數(shù)項(xiàng)c后再進(jìn)行顯著性檢驗(yàn)，結(jié)果如下表4-9所示。表4-9ARMA（1,2）系數(shù)的顯著性檢驗(yàn)2VariableCoefficientStd.Errort-StatisticProb.

AR(1)0.8063500.1636164.9283050.0003MA(1)-0.8230680.237083-3.4716400.0046MA(2)0.9998320.2238314.4669080.0008R-squared0.255012

Meandependentvar0.073491AdjustedR-squared0.130847

S.D.dependentvar0.052235S.E.ofregression0.048698

Akaikeinfocriterion-3.029521Sumsquaredresid0.028457

Schwarzcriterion-2.887911Loglikelihood25.72141

Hannan-Quinncriter.-3.031029Durbin-Watsonstat2.175458由表4-9可得，AR（1）、MA（1）、MA（2）對(duì)應(yīng)的概率P值均小于0.05，拒絕系數(shù)為0的原假設(shè)，AR（1）、MA（1）和MA（2）的系數(shù)均顯著不為0，故可以擬合模型為X(4-2)為檢驗(yàn)該模型是否成立，需要對(duì)模型整體進(jìn)行顯著性檢驗(yàn)，即對(duì)殘差進(jìn)行白噪聲檢驗(yàn)。下圖4-3為上述式（4-2）擬合模型的一階差分序列殘差的自相關(guān)圖。AutocorrelationPartialCorrelationAC

PAC

Q-Stat

Prob

.**|.|

.**|.|1-0.325-0.3251.9298

.|.|

.*|.|20.006-0.1121.9304

.|*.|

.|.|30.0810.0532.0708

.*|.|

.*|.|4-0.200-0.1753.00230.083

.**|.|

****|.|5-0.297-0.4865.25610.072

.|*.|

.*|.|60.181-0.1866.18380.103

.|.|

.|*.|70.0720.1126.34690.175

.|.|

.|.|8-0.0410.0266.40800.269

.|**.|

.|.|90.2150.0188.37580.212

.|.|

.*|.|10-0.040-0.1028.45600.294

.|.|

.|*.|11-0.0140.1068.46860.389

.*|.|

.|.|12-0.0930.0519.19790.419圖4-3一階差分序列殘差的自相關(guān)圖2由圖4-3可以看出殘差數(shù)列的概率P值均大于0.05，不能拒絕殘差是白噪聲的原假設(shè)，故殘差是白噪聲序列，模型通過顯著性檢驗(yàn)，故模型X(4-2)成立。試對(duì)ARMA（2,1）模型進(jìn)行檢驗(yàn)表4-10ARMA(2,1)系數(shù)的顯著性檢驗(yàn)1VariableCoefficientStd.Errort-StatisticProb.

C0.0717770.0090087.9679160.0000AR(1)-0.8443850.331717-2.5454970.0291AR(2)-0.2536880.219631-1.1550660.2749MA(1)0.8676770.2677183.2410070.0089R-squared0.587345

Meandependentvar0.068906AdjustedR-squared0.463549

S.D.dependentvar0.050978S.E.ofregression0.037338

Akaikeinfocriterion-3.502669Sumsquaredresid0.013941

Schwarzcriterion-3.320081Loglikelihood28.51868

Hannan-Quinncriter.-3.519571F-statistic4.744443

Durbin-Watsonstat1.601987Prob(F-statistic)0.026213對(duì)系數(shù)進(jìn)行顯著性檢驗(yàn)，在0.05的顯著水平下，由表4-10可得，常數(shù)項(xiàng)c、AR（1）和MA（1）對(duì)應(yīng)的概率P值均小于0.05，拒絕系數(shù)為0的原假設(shè)，故常數(shù)項(xiàng)c、AR（1）和MA（1）通過顯著性檢驗(yàn)，系數(shù)顯著不為0；但AR（2）對(duì)應(yīng)的概率P值大于0.05，不能拒絕系數(shù)為0的原假設(shè)，不能說明AR（2）的系數(shù)顯著不為0。去掉常數(shù)項(xiàng)c后再進(jìn)行顯著性檢驗(yàn)，結(jié)果如下表4-11所示。在0.05的置信水平下，AR（2）和MA（1）對(duì)應(yīng)的概率P值均小于0.05，拒絕系數(shù)為0的原假設(shè)，但AR（1）對(duì)應(yīng)的概率P值大于0.05，不能通過顯著性檢驗(yàn)。表4-11ARMA(2,1)系數(shù)的顯著性檢驗(yàn)2VariableCoefficientStd.Errort-StatisticProb.

AR(1)0.0587890.2883510.2038800.8422AR(2)0.4171820.1707332.4434770.0326MA(1)0.9138350.2227554.1024150.0018R-squared0.052725

Meandependentvar0.068906AdjustedR-squared-0.119507

S.D.dependentvar0.050978續(xù)表4-11ARMA(2,1)系數(shù)的顯著性檢驗(yàn)2S.E.ofregression0.053938

Akaikeinfocriterion-2.814549Sumsquaredresid0.032003

Schwarzcriterion-2.677608Loglikelihood22.70184

Hannan-Quinncriter.-2.827225Durbin-Watsonstat2.313355再試去掉AR（1）進(jìn)行顯著性檢驗(yàn),結(jié)果如下表4-12所示。表4-12ARMA(2,1)系數(shù)的顯著性檢驗(yàn)3VariableCoefficientStd.Errort-StatisticProb.

AR(2)0.3896510.1542442.5261900.0266MA(1)0.9187660.1379236.6614310.0000R-squared0.045899

Meandependentvar0.068906AdjustedR-squared-0.033610

S.D.dependentvar0.050978S.E.ofregression0.051828

Akaikeinfocriterion-2.950225Sumsquaredresid0.032233

Schwarzcriterion-2.858931Loglikelihood22.65158

Hannan-Quinncriter.-2.958676Durbin-Watsonstat2.140179可以看出AR（2）和MA（1）對(duì)應(yīng)的概率P值均小于0.05，故通過顯著性檢驗(yàn)，AR（2）和MA（1）的系數(shù)不顯著為0。故可以擬合模型為X（4-3）若證實(shí)模型成立，還需對(duì)模型整體進(jìn)行顯著性檢驗(yàn)，檢驗(yàn)結(jié)果如下圖4-4?？梢钥闯鰵埐顢?shù)列的概率P值均大于0.05，不能拒絕殘差是白噪聲序列，故模型X（4-3）成立。AutocorrelationPartialCorrelationAC

PAC

Q-Stat

Prob

.***|.|

.***|.|1-0.399-0.3992.7475

.|.|

.**|.|2-0.053-0.2532.8007

.|*.|

.|.|30.1370.0123.18380.074

.|.|

.|.|4-0.0030.0723.18390.204

.**|.|

.**|.|5-0.287-0.2885.23570.155

.|*.|

.*|.|60.117-0.1915.61880.229

.|*.|

.|.|70.1340.0716.19400.288

.*|.|

.|.|8-0.1410.0266.93910.327

.|*.|

.|**.|90.2000.2288.73560.272

.*|.|

.*|.|10-0.126-0.1069.63010.292

.|*.|

.|*.|110.1200.09310.7020.297

.*|.|

.*|.|12-0.184-0.09114.5110.151圖4-4一階差分序列殘差的自相關(guān)圖3對(duì)ARMA（2,2）模型進(jìn)行檢驗(yàn)表4-13ARMA(2,2)系數(shù)的顯著性檢驗(yàn)1VariableCoefficientStd.Errort-StatisticProb.

C0.0656870.0068159.6388000.0000AR(1)-0.2823690.333539-0.8465870.4192AR(2)0.0365670.3067560.1192070.9077MA(1)-0.0814390.383617-0.2122920.8366MA(2)-0.9185210.353451-2.5987210.0288R-squared0.701733

Meandependentvar0.068906AdjustedR-squared0.569170

S.D.dependentvar0.050978續(xù)表4-13ARMA(2,2)系數(shù)的顯著性檢驗(yàn)1S.E.ofregression0.033461

Akaikeinfocriterion-3.684434Sumsquaredresid0.010077

Schwarzcriterion-3.456200Loglikelihood30.79104

Hannan-Quinncriter.-3.705562F-statistic5.293576

Durbin-Watsonstat2.047870Prob(F-statistic)0.017972由上表4-13以看出AR（1）、AR（2）和MA（1）均大于0.05，故AR（1）、AR（2）和MA（1）的系數(shù)顯著為0。去掉常數(shù)項(xiàng)c后，再進(jìn)行模型檢驗(yàn)，結(jié)果如下表4-14所示。表4-14ARMA(2,2)系數(shù)的顯著性檢驗(yàn)2VariableCoefficientStd.Errort-StatisticProb.

AR(1)0.1630340.2592130.6289570.5435AR(2)0.7281440.2476112.9406810.0148MA(1)-0.1204510.335166-0.3593770.7268MA(2)-0.8785830.473437-1.8557530.0932R-squared0.453801

Meandependentvar0.068906AdjustedR-squared0.289941

S.D.dependentvar0.050978S.E.ofregression0.042957

Akaikeinfocriterion-3.222297Sumsquaredresid0.018453

Schwarzcriterion-3.039709Loglikelihood26.55608

Hannan-Quinncriter.-3.239199Durbin-Watsonstat2.356880由上表可知，AR（1）、MA（1）和MA（2）的系數(shù)仍顯著為0。因?yàn)槿У鬉R（2）或MA（2）會(huì)變成之前的模型，故嘗試去掉AR(1)和MA（1）進(jìn)行模型檢驗(yàn)，得到結(jié)果如下表4-15所示。表4-15ARMA(2,2)系數(shù)的顯著性檢驗(yàn)3VariableCoefficientStd.Errort-StatisticProb.

AR(2)0.8555720.0868569.8504250.0000MA(2)-0.8960620.078335-11.438780.0000R-squared0.166643

Meandependentvar0.068906AdjustedR-squared0.097197

S.D.dependentvar0.050978S.E.ofregression0.048437

Akaikeinfocriterion-3.085533Sumsquaredresid0.028154

Schwarzcriterion-2.994239Loglikelihood23.59873

Hannan-Quinncriter.-3.093984Durbin-Watsonstat2.334369由上表4-15可以看出，AR（2）和MA（2）對(duì)應(yīng)的概率P值均小于0.05，故拒絕系數(shù)為0的原假設(shè)，通過顯著性檢驗(yàn)，故AR（2）和MA（2）系數(shù)顯著不為0。故可以擬合模型為X（4-4）證實(shí)模型合理性與可行性，對(duì)殘差進(jìn)行白噪聲檢驗(yàn)，由下圖4-5可以看出殘差數(shù)列的概率P值均大于0.05，不能拒絕殘差是白噪聲的原假設(shè)，殘差是白噪聲序列，模型通過顯著性檢驗(yàn)，故模型X（4-4）成立。AutocorrelationPartialCorrelationAC

PAC

Q-Stat

Prob

.***|.|

.***|.|1-0.360-0.3602.2337

.|.|

.*|.|2-0.031-0.1842.2512

.|*.|

.|*.|30.1730.1112.85880.091

.*|.|

.|.|4-0.0910.0183.04500.218

.**|.|

.**|.|5-0.228-0.2794.33670.227

.|*.|

.*|.|60.135-0.1094.84700.303

.|*.|

.|*.|70.1030.1505.18530.394

.*|.|

.|.|8-0.196-0.0356.62340.357

.|*.|

.|.|90.1830.0538.11760.322

.*|.|

.**|.|10-0.163-0.2389.60740.294

.|.|

.|.|110.0530.0079.81620.366

.*|.|

.*|.|12-0.154-0.15612.4680.255圖4-5一階差分序列殘差的自相關(guān)圖44.4模型優(yōu)化綜上所述，通過模型整體顯著性檢驗(yàn)的模型有四個(gè)，再根據(jù)上述圖中AIC和SBC的值進(jìn)行模型優(yōu)化，建立表格如下。表4-16四種模型的AIC和SBC表ARMA