【蘭州市二手房?jī)r(jià)格數(shù)據(jù)實(shí)證處理及價(jià)格預(yù)測(cè)探究8700字（論文）】

蘭州市二手房?jī)r(jià)格數(shù)據(jù)實(shí)證處理及價(jià)格預(yù)測(cè)研究摘要近幾年，隨著二手房市場(chǎng)的不斷崛起，很多學(xué)者也開始用不同的方法研究影響二手房市場(chǎng)價(jià)格的主要因素；本篇論文結(jié)合以往學(xué)者方法和實(shí)際情況，對(duì)蘭州市二手房市場(chǎng)的價(jià)格進(jìn)行分析，利用本科階段學(xué)過(guò)的應(yīng)用時(shí)間序列分析的知識(shí)，對(duì)蘭州市2012年到2020年二手房?jī)r(jià)格的月度數(shù)據(jù)進(jìn)行分析。首先，對(duì)蘭州市二手房?jī)r(jià)格的原始數(shù)據(jù)做預(yù)處理，然后利用excel軟件繪制時(shí)間序列的線圖與年度折疊時(shí)間序列圖，對(duì)二手房?jī)r(jià)格的時(shí)間序列數(shù)據(jù)做描述性統(tǒng)計(jì)分析，觀察蘭州市2012年到2020年二手房單位價(jià)格的時(shí)序圖波動(dòng)情況，分析我國(guó)2016年頒布的“房住不炒”政策對(duì)蘭州市二手房?jī)r(jià)格的效果；其次，編寫相應(yīng)的程序并利用SAS軟件對(duì)蘭州市2018年到2020年份的時(shí)間序列數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)和白噪聲檢驗(yàn)，對(duì)非平穩(wěn)序列數(shù)據(jù)做差分得到平穩(wěn)的非白噪聲序列，然后利用處理后的數(shù)據(jù)擬合模型，通過(guò)觀察平穩(wěn)序列樣本的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的值，以及AIC值的大小，選擇出適當(dāng)?shù)哪Ｐ蜑锳RIMA（1，1，0）模型，再對(duì)這個(gè)模型和模型的相關(guān)系數(shù)做顯著性檢驗(yàn)。最后，利用擬合出來(lái)的模型對(duì)蘭州市未來(lái)五期的二手房?jī)r(jià)格做預(yù)測(cè)。關(guān)鍵詞蘭州市二手房?jī)r(jià)格、ARMA模型、預(yù)測(cè)目錄TOC\o"1-3"\h\u21714第1章緒論 9135521.1研究背景 9107731.2研究目的及意義 992441.3研究現(xiàn)況 1071241.4論文結(jié)構(gòu) 1021909第2章相關(guān)理論基礎(chǔ)及模型 10157012.1因素分解理論 10164482.2時(shí)間序列模型 10259622.2.1自回歸移動(dòng)平均（ARMA)模型 1058502.2.2求和自回歸移動(dòng)平均（ARIMA）模型 11244942.3ARMA模型的應(yīng)用 12281552.3.1對(duì)序列做平穩(wěn)性、白噪聲檢驗(yàn) 12184732.3.2ARMA模型的定階方法 12112822.2.4模型檢驗(yàn) 1225584第3章蘭州市二手房?jī)r(jià)格數(shù)據(jù)分析 1383743.1數(shù)據(jù)來(lái)源 13203993.2描性統(tǒng)計(jì)分析 1370633.2.1序列預(yù)處理 13213403.2.2繪制時(shí)序圖 13101803.3建模步驟 1572083.5模型的缺點(diǎn) 2021604第4章結(jié)論及建議 2078924.1結(jié)論 20128144.2建議 2131987參考文獻(xiàn) 1第1章緒論1.1研究背景隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展，房地產(chǎn)產(chǎn)業(yè)成為我國(guó)國(guó)民經(jīng)濟(jì)發(fā)展的重要支柱，對(duì)社會(huì)經(jīng)濟(jì)的發(fā)展起著至關(guān)重要的作用。房地產(chǎn)不僅對(duì)人民生活中具有舉足輕重的影響，而且也是金融投資的主要組成部分，它作為固定資產(chǎn)，具有保值的作用，所以很多投資者，會(huì)選擇把多余的資金投資到房地產(chǎn)。久而久之，隨著房地產(chǎn)投資額的增長(zhǎng)，市場(chǎng)會(huì)出現(xiàn)一種供不應(yīng)求的現(xiàn)象，進(jìn)而導(dǎo)致房?jī)r(jià)不斷上升，超過(guò)房子本身的價(jià)值，最后產(chǎn)生房地產(chǎn)泡沫和國(guó)民貧富兩極分化現(xiàn)象，對(duì)于那些經(jīng)濟(jì)狀況不是很好，而又想購(gòu)買屬于自己的房子的居民，二手房成了他們的首要選擇。與此同時(shí)，在我國(guó)居民收入不斷增加，房地產(chǎn)市場(chǎng)的價(jià)格也處于一個(gè)不斷上漲的趨勢(shì)，最主要的是近幾年在政府政策以及資源影響等因素的影響下，房地產(chǎn)價(jià)格一直處于居高不下的趨勢(shì)，這就導(dǎo)致很多中下層收入水平的家庭紛紛把注意力轉(zhuǎn)移到二手房市場(chǎng)，二手房市場(chǎng)也就慢慢崛起。目前，二手房市場(chǎng)價(jià)格受到很多不確定因素的影響，存在很多交易雙方的信息不對(duì)稱，導(dǎo)致二手房市場(chǎng)的定價(jià)不僅受到房屋自身的內(nèi)在因素影響，在一定程度上也受客觀因素的影響。這一系列因素就導(dǎo)致政府部門開始重視房地產(chǎn)價(jià)格問(wèn)題，并在2016年年底的中央經(jīng)濟(jì)工作會(huì)議首次提出“房子是用來(lái)住的，不是用來(lái)炒的”，此后，與房地產(chǎn)相關(guān)的部門根據(jù)我國(guó)不同地區(qū)的實(shí)際情況陸續(xù)出臺(tái)了與之相配套的政策，強(qiáng)調(diào)房地產(chǎn)最主要的是使用功能，加強(qiáng)房地產(chǎn)市場(chǎng)分類調(diào)控，房?jī)r(jià)上漲壓力大的城市要合理增加住宅用地，規(guī)范開發(fā)、銷售、中介等行為。所以，本文想利用蘭州市二手房市場(chǎng)近幾年的價(jià)格波動(dòng)情況，分析影響蘭州市二手房?jī)r(jià)格的主要因素，并分析“房住不炒”政策對(duì)蘭州市二手房市場(chǎng)的影響程度。1.2研究目的及意義近幾年房地產(chǎn)市場(chǎng)備受廣大群眾關(guān)注，房地產(chǎn)作為固定資產(chǎn)，不僅是我們生活的必需品，而且可以作為廣大投資者投資的產(chǎn)品。本篇論文的研究目的是分析我國(guó)“房住不炒”政策的效果如何，分析這個(gè)政策對(duì)蘭州市二手房市場(chǎng)產(chǎn)生的影響。除此之外，隨著社會(huì)的發(fā)展，由于當(dāng)前構(gòu)建房地產(chǎn)的地面逐年縮減，二手房?jī)r(jià)格也居高不下，區(qū)別于一手房，二手房交易流程較長(zhǎng)、涉及的主體多、法律關(guān)系錯(cuò)綜復(fù)雜，糾紛時(shí)常會(huì)發(fā)生，不同程度的風(fēng)險(xiǎn)也是無(wú)處不在，所以分析研究我國(guó)二手房市場(chǎng)的現(xiàn)狀有助于規(guī)避一些人為的經(jīng)濟(jì)糾紛，房地產(chǎn)研究也就具備了可行性和必要性。通過(guò)運(yùn)用在校期間學(xué)習(xí)的相關(guān)專業(yè)知識(shí)和統(tǒng)計(jì)軟件分析蘭州市二手房市場(chǎng)現(xiàn)狀，一方面可以了解城鎮(zhèn)二手房?jī)r(jià)格的情況和交易現(xiàn)狀，從宏觀上把握二手房市場(chǎng)的存在價(jià)值和發(fā)展趨勢(shì)，另一方面可以通過(guò)對(duì)蘭州市二手房市場(chǎng)單位價(jià)格的分析、前人的研究結(jié)果以及未來(lái)二手房?jī)r(jià)格的預(yù)測(cè)，分析客觀政策對(duì)二手房的影響，為二手房的公平合理交易提供一些理論依據(jù)，為參與到二手房交易的個(gè)人或者家庭提供一些積極有效的參考信息和應(yīng)該注意的事項(xiàng)，所以對(duì)城鎮(zhèn)二手房?jī)r(jià)格的研究具有較強(qiáng)的現(xiàn)實(shí)意義和參考價(jià)值。本文對(duì)我國(guó)二手房市場(chǎng)現(xiàn)狀進(jìn)行分析、收集相關(guān)數(shù)據(jù)并對(duì)信息進(jìn)行歸納和整理，找出目前二手房市場(chǎng)存在的問(wèn)題。結(jié)合我國(guó)情況并根據(jù)相關(guān)理論對(duì)二手房市場(chǎng)進(jìn)行系統(tǒng)的分析和研究，對(duì)房地產(chǎn)市場(chǎng)進(jìn)行有效的引導(dǎo)和管理是具備重要的現(xiàn)實(shí)意義。1.3研究現(xiàn)況曹剛和楊巧芳在2008年的文章中提出不僅宏觀經(jīng)濟(jì)政策、普通新房的數(shù)量會(huì)影響二手房的價(jià)格，而且由于買賣雙方信息不對(duì)稱，以及中介公司也會(huì)影響二手房你價(jià)格。姚翠友在2008年的文章中提出可以通過(guò)灰色關(guān)聯(lián)分析進(jìn)一步確定影響二手房?jī)r(jià)格的因素，并利用這個(gè)模型分析出相關(guān)因素。張景陽(yáng)和潘藩友在2013年對(duì)農(nóng)村居民純收入進(jìn)行預(yù)測(cè)，指出相較于多元線性回歸預(yù)測(cè)模型，BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果會(huì)更好。王晨在2016年提出隨著新時(shí)代的發(fā)展，大數(shù)據(jù)應(yīng)用讓房地產(chǎn)交易更健康。2017年，竺榮梁從杭州實(shí)際情況，分別從住宅區(qū)位特征、建筑特征和環(huán)境特征三大類上考慮，利用相關(guān)模型，分析這些因素對(duì)二手房住宅價(jià)格引起的波動(dòng)情況，為政府更加合理的房產(chǎn)政策制定、房地產(chǎn)商的各投資決策和購(gòu)房者的購(gòu)房計(jì)劃安排提供一個(gè)新的、相對(duì)準(zhǔn)確的參考。董倩、孫娜娜、李偉通過(guò)對(duì)北京市二手房?jī)r(jià)格預(yù)測(cè)分析，對(duì)數(shù)據(jù)進(jìn)行清洗，轉(zhuǎn)換和歸一化處理，選取擬合優(yōu)度最高的方法作為北京市房地產(chǎn)估價(jià)用的模型。并用最優(yōu)模型完成房?jī)r(jià)的預(yù)測(cè)和預(yù)測(cè)精度的檢驗(yàn)。白東杰通過(guò)八爪魚采集器爬取了石家莊市二手房的數(shù)據(jù)，分析這些數(shù)據(jù)各自對(duì)應(yīng)的被解釋變量和解釋變量，對(duì)數(shù)據(jù)進(jìn)行多元線性回歸、隨機(jī)森林回歸分析，對(duì)石家莊市二手房單位面積房?jī)r(jià)提供了更精準(zhǔn)的評(píng)估方法。1.4論文結(jié)構(gòu)本篇論文主要分為五個(gè)章節(jié)來(lái)論述的，第一章節(jié)主要介紹的是本片文章研究的背景，研究二手房市場(chǎng)價(jià)格的目的和研究意義，了解目前我國(guó)二手房市場(chǎng)的發(fā)展?fàn)顩r，以及以往學(xué)者對(duì)二手房市場(chǎng)價(jià)格的研究結(jié)果。第二章主要是論文要用到的理論知識(shí)。包括ARMA模型的定義、基本形式、優(yōu)缺點(diǎn)和應(yīng)用的基本方法，判定準(zhǔn)則等。第三章是實(shí)證部分，是對(duì)獲取的數(shù)據(jù)進(jìn)行處理，檢驗(yàn)數(shù)據(jù)的平穩(wěn)性和隨機(jī)性，并用處理的數(shù)據(jù)做擬合模型，得到最優(yōu)的模型，檢驗(yàn)?zāi)Ｐ偷娘@著性，最后在利用擬合模型做未來(lái)房?jī)r(jià)的預(yù)測(cè)。第四章是對(duì)研究結(jié)果的敘述和根據(jù)結(jié)果給出相應(yīng)的政策建議。相關(guān)理論基礎(chǔ)及模型2.1時(shí)間序列模型2.1.1自回歸移動(dòng)平均（ARMA)模型ARMA模型是研究時(shí)間序列的重要方法，在自回歸模型（AR模型）和滑動(dòng)平均模型（MA模型）的基礎(chǔ)混合而成的新模型。ARMA模型的一般形式為ARMA（p,q），所以我們可以根據(jù)p或q是否等于0把ARMA模型分為以下三類：（1）自回歸（AR）模型當(dāng)q=0時(shí)，ARMA模型為變成AR模型，即自回歸AR（p)模型，此時(shí)時(shí)間序列{yt}滿足如下結(jié)構(gòu)：其中{}是獨(dú)立同分布的隨機(jī)變量序列,假設(shè)該隨機(jī)序列滿足E（）=0、則稱時(shí)間序列{yt}服從p階的自回歸模型。并且當(dāng)時(shí)，稱序列{yt}為中心化的自回歸模型，中心化的AR模型可以記為式中列滿足，稱為p階自回歸系數(shù)。（2）移動(dòng)平均（MA）模型當(dāng)p=0時(shí)，ARMA模型變成MA模型，即移動(dòng)平均MA（q)模型，時(shí)間序列{yt}滿足如下結(jié)構(gòu)：其中隨機(jī)序列{}的均值E（）=0、方差、（s≠t)時(shí)，隨機(jī)序列為零均值白噪聲序列。當(dāng)滿足時(shí)，該模型變成中心化的MA（q）模型，此時(shí)該模型可以簡(jiǎn)寫為，稱為q階移動(dòng)平均系數(shù)多項(xiàng)式。需要注意的是移動(dòng)平均模型在任何條件下都平穩(wěn)。（3）自回歸移動(dòng)平均（ARMA）模型當(dāng)p和q都不等于零時(shí)，即為自回歸移動(dòng)平均ARMA（p,q）模型，此時(shí)時(shí)間序列{yt}滿足：同時(shí)該模型滿足E（）=0、方差、（s≠t)、時(shí)，稱時(shí)間序列為{yt}服從(p,q)階自回歸移動(dòng)平均模型。2.1.2求和自回歸移動(dòng)平均（ARIMA）模型以上所說(shuō)的ARMA模型是對(duì)平穩(wěn)的非白噪聲序列進(jìn)行擬合，但在日常生活中我們獲得的原始數(shù)據(jù)可能是非平穩(wěn)的，這就需要我們對(duì)原始數(shù)據(jù)進(jìn)行處理，得到平穩(wěn)序列后再對(duì)序列進(jìn)行模型擬合。而ARIMA模型就是差分運(yùn)算和ARMA模型的結(jié)合，所以我們可以利用差分運(yùn)算的功能，對(duì)非平穩(wěn)序列的確定信息進(jìn)行提取，使非平穩(wěn)的序列差分后變成平穩(wěn)的非白噪聲序列，再進(jìn)行ARMA模型擬合。（1）差分平穩(wěn)無(wú)季節(jié)效應(yīng)的非平穩(wěn)時(shí)間序列一般可以分為兩部分，一部分是有時(shí)間t決定的確定性信息，另一部分是由白噪聲序列決定的隨機(jī)干擾項(xiàng)，所以我們可以對(duì)原始序列做適當(dāng)?shù)牟罘诌\(yùn)算，消除隨機(jī)干擾項(xiàng)的趨勢(shì)性，提取出確定性信息。在差分平穩(wěn)的過(guò)程中，默認(rèn)為d階差分就可以充分提取出序列{yt}的確定性信息，其結(jié)構(gòu)如下：則一階差分為，為一階自回歸過(guò)程。（2）ARIMA模型求和自回歸移動(dòng)平均模型的結(jié)構(gòu)為：（2.5）對(duì)原始數(shù)據(jù)做差分運(yùn)算得到平穩(wěn)的非白噪聲序列后，可以做ARMA模型擬合。2.2ARMA模型的應(yīng)用2.2.1對(duì)序列做平穩(wěn)性、白噪聲檢驗(yàn)對(duì)時(shí)間序列做平穩(wěn)性檢驗(yàn)我們選擇用ADF檢驗(yàn)，利用SAS軟件計(jì)算出ADF檢驗(yàn)統(tǒng)計(jì)量，觀察ADF檢驗(yàn)統(tǒng)計(jì)量的P值是否大于顯著性水平α，如果小于顯著性水平，可以認(rèn)為該序列是平穩(wěn)的，反之，這個(gè)序列是不平穩(wěn)的，需要我們做差分運(yùn)算后再進(jìn)行檢驗(yàn)平穩(wěn)性。當(dāng)序列是平穩(wěn)的，我們還需要對(duì)平穩(wěn)后的序列做白噪聲檢驗(yàn)，以確保對(duì)這個(gè)序列的研究是有效的。序列純隨機(jī)性檢驗(yàn)使用的統(tǒng)計(jì)量是Q統(tǒng)計(jì)量，其中，由于標(biāo)準(zhǔn)化后的服從于標(biāo)準(zhǔn)正態(tài)分布，即其中。當(dāng)Q統(tǒng)計(jì)量的P值大于顯著性水平α或小于自由度為m的卡方分布的1-α分位點(diǎn)時(shí)，認(rèn)為序列為白噪聲序列，即純隨機(jī)序列，反之，為非白噪聲序列。2.2.2ARMA模型的定階方法模型定階主要是通過(guò)樣本的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的值以及BIC準(zhǔn)則，選擇出適當(dāng)?shù)碾A數(shù)和模型擬合觀察值序列。ARMA模型的定階原則如下表2-1：表2-1拖尾p階截尾AR(p)模型q階截尾拖尾MA（q)模型拖尾拖尾ARMA（p,q）模型數(shù)，其中，。2.2.3模型檢驗(yàn)?zāi)Ｐ偷臋z驗(yàn)包括對(duì)擬合模型的顯著性檢驗(yàn)和參數(shù)的顯著性檢驗(yàn)。對(duì)于擬合好的模型做純隨機(jī)性檢驗(yàn)，選取LB檢驗(yàn)統(tǒng)計(jì)量，。若LB統(tǒng)計(jì)量的P值大于顯著性水平，則擬合模型的殘差序列為白噪聲序列，說(shuō)明擬合的模型充分提取了相關(guān)信息，模型是有效的，反之，無(wú)效。同樣，為了擬合模型更精準(zhǔn)有效，需要對(duì)擬合模型的每一個(gè)參數(shù)做顯著性檢驗(yàn)，其目的是剔除那些對(duì)因變量影響不顯著的自變量。我們選用t統(tǒng)計(jì)量檢驗(yàn)擬合模型參數(shù)的顯著性，，在正態(tài)分布假設(shè)下，最小二乘估計(jì)出來(lái)的未知參數(shù)也服從正態(tài)分布。蘭州市二手房?jī)r(jià)格數(shù)據(jù)分析3.1數(shù)據(jù)來(lái)源研究房地產(chǎn)市場(chǎng)的價(jià)格波動(dòng)情況，使用單位價(jià)格代表不同地區(qū)的房?jī)r(jià)波動(dòng)情況，具有代表性，可以消除同一地區(qū)不同面積對(duì)房?jī)r(jià)的影響。本篇論文的數(shù)據(jù)是從聚匯數(shù)據(jù)網(wǎng)站獲取的。聚匯數(shù)據(jù)網(wǎng)站作為一個(gè)專門的二手房服務(wù)平臺(tái)，其二手房信息是非常完整的，并且可以找到各個(gè)市區(qū)不同區(qū)域的二手房?jī)r(jià)格信息，最主要的是從聚匯數(shù)據(jù)網(wǎng)站上可以找到蘭州市二手房的單位價(jià)格。3.2描性統(tǒng)計(jì)分析3.2.1序列預(yù)處理先對(duì)蘭州市2012年到2020年的二手房月度價(jià)格數(shù)據(jù)做不變價(jià)處理，消除通貨膨脹對(duì)二手房?jī)r(jià)格的影響，減少不同年份的通貨膨脹對(duì)房?jī)r(jià)帶來(lái)的影響；然后對(duì)得到的單位二手房不變價(jià)取對(duì)數(shù)處理，利用取對(duì)數(shù)后的數(shù)據(jù)對(duì)3.2.2繪制時(shí)序圖（1）“房住不炒”政策分析為了促進(jìn)房地產(chǎn)行業(yè)健康穩(wěn)定發(fā)展，2016年中央經(jīng)濟(jì)工作會(huì)議首次提出“房子是用來(lái)住的，不是用來(lái)炒的”，并先后在不同地區(qū)采取不同的措施來(lái)實(shí)現(xiàn)真正的“房住不炒”，其目的一方面是防止房地產(chǎn)泡沫的發(fā)生，另一方面是實(shí)現(xiàn)人民住有所居。所以，本篇論文以蘭州市二手房市場(chǎng)的價(jià)格波動(dòng)情況來(lái)分析“房住不炒”政策對(duì)蘭州市房地產(chǎn)市場(chǎng)的影響效果，并結(jié)合以往作者對(duì)這個(gè)政策的研究結(jié)果，分析房住不炒政策對(duì)我國(guó)房地產(chǎn)市場(chǎng)產(chǎn)生的效果。觀察圖3-1蘭州市二手房單位價(jià)格的時(shí)間序列線圖，可以看出從2012年1月到2020年12月份蘭州市的二手房單位價(jià)格處于長(zhǎng)期增長(zhǎng)趨勢(shì)，我國(guó)的“房住不炒”政策是在2016年頒布的，如果這個(gè)政策的效果是顯著的，那么2016年前后幾年時(shí)間，蘭州市二手房市場(chǎng)的單位價(jià)格應(yīng)該是有明顯的變化，在這個(gè)政策的影響下，2016年后的房地產(chǎn)價(jià)格應(yīng)該是趨于下降的，但實(shí)際上，蘭州市二手房的單位價(jià)格并沒有下降，反而從2016年開始有大幅度上升的趨勢(shì)，尤其是2018年的12個(gè)月中二手房單位價(jià)格增長(zhǎng)速度最快，并于10月份達(dá)到最大值13204元每平方米，之后才開始慢慢下降，從2019年到2020年逐漸趨于平穩(wěn)。這就說(shuō)明蘭州市二手房市場(chǎng)的價(jià)格并沒有受到“房住不炒”政策的顯著影響，即“房主不炒“政策的效果并不是很好，甚至可能是沒有任何效果的。但由于蘭州市二手房市場(chǎng)的的單位價(jià)格波動(dòng)情況無(wú)法代表我國(guó)整體的房地產(chǎn)價(jià)格變化，所以為了更充分說(shuō)明”房住不炒“政策的效果，我們以下借鑒以往學(xué)者的研究結(jié)果進(jìn)行說(shuō)明。2020年楊潔根據(jù)史密斯政策模型，分析影響“房住不炒”的相關(guān)因素及該政策實(shí)施過(guò)程中的問(wèn)題，結(jié)果表示，”房住不炒”政策的效果很小，它并沒有減少居民對(duì)房地產(chǎn)的投資額，持續(xù)增長(zhǎng)的投資額促使房地產(chǎn)價(jià)格上漲持續(xù)；2019年喬璐璐利用我國(guó)35個(gè)大中城市十年時(shí)間的月度面板數(shù)據(jù)，研究各個(gè)政策對(duì)房地產(chǎn)價(jià)格指數(shù)的影響，結(jié)果表明“房住不炒”政策可能存在兩種情況，一種是短期有效，長(zhǎng)期無(wú)效，另一種是這個(gè)政策直接沒有效果；2015年李昱璇通過(guò)對(duì)我國(guó)29個(gè)城市的房地產(chǎn)價(jià)格做時(shí)間序列分析，研究結(jié)果表明“房住不炒”政策是無(wú)效的。所以，結(jié)本篇論文的研究結(jié)果和以往學(xué)者的研究表明，該政策并沒有達(dá)到我們的預(yù)期的效果，即效果是不顯著的。圖3-1時(shí)間序列線圖（2）趨勢(shì)性分析使用時(shí)間序列模型分析二手房單位價(jià)格的波動(dòng)情況，要保證該序列只具有長(zhǎng)期性趨勢(shì)，不受周期性因素和季節(jié)性因素影響。同時(shí)由于ARIMA模型只能分析短期序列，本篇論文我們選用2018年到2020年這三年的月度數(shù)據(jù)擬合相關(guān)模型。如下圖3-2的時(shí)間序列年度折疊圖，通過(guò)觀察可以看出，2018年到2020年蘭州市二手房單位價(jià)格的月度數(shù)據(jù)沒有呈現(xiàn)循環(huán)特征和季節(jié)性效應(yīng)，只受長(zhǎng)期趨勢(shì)和隨機(jī)波動(dòng)性影響，故可以利用時(shí)間序列模型做分析。圖3-2年度時(shí)間序列折疊圖3.3建模步驟（1）平穩(wěn)性檢驗(yàn)由時(shí)間序列圖可以看出，目前的時(shí)間序列是一個(gè)非平穩(wěn)的，且具有長(zhǎng)期增長(zhǎng)趨勢(shì)，所以我們需要對(duì)非平穩(wěn)序列做差分運(yùn)算，使其成為一個(gè)平穩(wěn)序列。先做一階差分，，其中為單位價(jià)格收益率，為第t期的單位二手房?jī)r(jià)格；一階差分后輸出ADF檢驗(yàn)結(jié)果，序列的平穩(wěn)性檢驗(yàn)如下表3-1。根據(jù)輸出表的第四列和第六列可知，ADF檢驗(yàn)統(tǒng)計(jì)量的P值小于顯著性水平（α=0.05），所以該序列一階差分后趨于平穩(wěn)。表3-1平穩(wěn)性檢驗(yàn)表增廣Dickey-Fuller單位根檢驗(yàn)類型滯后RhoPr<RhoTauPr<TauFPr

>

F零均值0-46.2452<.0001-8.38<.0001

1-45.9340<.0001-4.69<.0001

2-20.53260.0005-2.630.0101

單均值0-50.16310.0002-9.430.000244.470.0010

1-75.74010.0002-5.850.000217.150.0010

2-81.61970.0002-3.470.01526.140.0184趨勢(shì)0-52.3704<.0001-10.210.000152.150.0010

1-118.8270.0001-7.230.000126.140.0010

2377.95100.9999-5.190.001013.630.0010（2）白噪聲檢驗(yàn)當(dāng)序列平穩(wěn)時(shí)，進(jìn)一步需要做白噪聲檢驗(yàn)，只有當(dāng)平穩(wěn)序列為非白噪聲時(shí)，繼續(xù)做擬合模型才是有效的，否則是無(wú)效的。觀察SAS軟件輸出的結(jié)果，如表3-2，當(dāng)延遲階數(shù)為6時(shí)，取顯著性水平為α=0.1，白噪聲序列自相關(guān)檢驗(yàn)的P值小于選取的顯著性水平，所以認(rèn)為該序列為非白噪聲序列，說(shuō)明序列是有效的，可以進(jìn)一步做分析。表3-2白噪聲檢驗(yàn)表白噪聲的自相關(guān)檢查至滯后卡方自由度Pr>卡方自相關(guān)610.9560.0899-0.4710.0560.0820.105-0.028-0.190（3）模型定階利用SAS軟件，輸出觀察值序列的樣本自相關(guān)和偏自相關(guān)值，利用自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的值以及AIC準(zhǔn)則，確定一個(gè)階數(shù)適當(dāng)?shù)哪Ｐ?。觀察如下圖3-3一階差分后序列的趨勢(shì)和自相關(guān)、偏自相關(guān)分析圖可以看出，序列的自相關(guān)圖拖尾，偏自相關(guān)圖的1階自相關(guān)系數(shù)在2倍標(biāo)準(zhǔn)差之外，其余的自相關(guān)系數(shù)在2倍標(biāo)準(zhǔn)差的范圍內(nèi)。所以由定階原則表可知，蘭州市二手房市場(chǎng)的單位價(jià)格序列自相關(guān)拖尾，偏自相關(guān)1階截尾，可以初步確定擬合模型為ARIMA（1，1，0）。圖3-3序列趨勢(shì)和相關(guān)圖表3-3最優(yōu)定階原則MinimumInformationCriterionLagsMA0MA1MA2MA3MA4AR0-7.60238-7.78067-7.70809-7.65605-7.55544AR1-7.78328-7.7123-7.62298-7.61715-7.62812AR2-7.75939-7.65842-7.55771-7.51931-7.55861AR3-7.71477-7.65299-7.55754-7.59653-7.50423AR4-7.66716-7.63507-7.5833-7.51777-7.41634同一個(gè)時(shí)間序列可以構(gòu)造出多個(gè)擬合模型，所以直接根據(jù)自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的性質(zhì)確定擬合模型不太準(zhǔn)確，為獲得一個(gè)最有效的擬合模型，我們需要利用AIC準(zhǔn)則，選擇AIC值最小的擬合模型為最優(yōu)模型。觀察輸出結(jié)果如表3-3，從表可以看出p=1,q=0時(shí)，AIC值達(dá)到最小值，最小值為-7.78328，綜上分析，ARIMA（1，1，0）為最優(yōu)擬合模型。（4）模型檢驗(yàn)對(duì)模型的有效性檢驗(yàn)是利用殘差的自相關(guān)系數(shù)來(lái)檢驗(yàn)的，當(dāng)序列為白噪聲序列時(shí)，認(rèn)為該模型對(duì)序列的信息提取是充分的，即這個(gè)模型是有效的。我們通過(guò)觀察SAS運(yùn)行的結(jié)果圖得出，該ARIMA模型在6階以內(nèi)就是白噪聲序列，所以擬合效果很好，如表3-3。表3-4殘差自相關(guān)檢驗(yàn)殘差的自相關(guān)檢查至滯后卡方自由度Pr>卡方自相關(guān)66.1050.2967-0.102-0.1620.2100.208-0.121-0.0991213.17110.28240.311-0.057-0.041-0.0060.2090.0071814.31170.6448-0.098-0.002-0.036-0.042-0.072-0.0022418.12230.75120.0090.008-0.1670.007-0.000-0.101（5）模型參數(shù)檢驗(yàn)確定了擬合模型后，要進(jìn)一步對(duì)模型的未知參數(shù)進(jìn)行估計(jì)，并對(duì)估計(jì)出來(lái)的參數(shù)做顯著性檢驗(yàn)。本篇論文對(duì)模型的參數(shù)估計(jì)使用的方法是最小二乘估計(jì)，輸出運(yùn)行結(jié)果如表3-5，觀察圖可以看出相應(yīng)的估計(jì)參數(shù)值，常數(shù)項(xiàng)的估計(jì)值為0.0065497，自回歸參數(shù)值為-0.47539，并且檢驗(yàn)估計(jì)值參數(shù)的統(tǒng)計(jì)量的P值小于顯著性水平α=0.05，所以擬合模型的參數(shù)也是顯著的，即該模型成立。表3-5最小二乘表?xiàng)l件最小二乘估計(jì)參數(shù)估計(jì)標(biāo)準(zhǔn)

誤差t

值近似

Pr>|t|滯后MU0.00654970.00237462.760.00940AR1,1-0.475390.15406-3.090.00411綜上分析，擬合模型ARIMA的具體表達(dá)形式為：殘差的正態(tài)性檢驗(yàn)在擬合時(shí)間序列模型時(shí)，我們一般默認(rèn)殘差序列是服從正態(tài)分布的，但有時(shí)候可能這個(gè)默認(rèn)的假設(shè)條件是不成立的，所以我們需要檢驗(yàn)殘差序列的正態(tài)性。如下圖殘差序列正態(tài)性檢驗(yàn)圖：一個(gè)是殘差的分布直方圖，為檢驗(yàn)殘差的正態(tài)性，畫出殘差的核密度圖和正態(tài)分布的密度函數(shù)圖，由圖可以看出，殘差的核密度線近似于正態(tài)分布的密度線，并且在QQ圖中，殘差分布點(diǎn)也集中分布于對(duì)角線上，說(shuō)明該序列的殘差是服從于正態(tài)分布的，即我們一開始默認(rèn)的殘差服從于正態(tài)分布的原假設(shè)成立。圖3-4殘差正態(tài)性檢驗(yàn)圖3.4序列預(yù)測(cè)以上我們已經(jīng)確定了擬合模型為ARIMA（1，1，0），現(xiàn)在可以用該模型對(duì)未來(lái)五期的二手房單位價(jià)格做短期預(yù)測(cè)，用SAS軟件輸出結(jié)果，如下表3-6，該表顯示的預(yù)測(cè)價(jià)格是單位房?jī)r(jià)的對(duì)數(shù)，換算過(guò)來(lái)后，未來(lái)五期的二手房單位價(jià)格分別為12686.58、12732.33、12833.32、12909.26和12998.64。與此同時(shí)，我們還輸出了預(yù)測(cè)價(jià)格圖和擬合預(yù)測(cè)價(jià)格效果圖，如圖3-5和3-6。擬合與預(yù)測(cè)價(jià)格效果圖，圖中星號(hào)代表未來(lái)五期序列的預(yù)測(cè)觀察值，紅線代表根據(jù)預(yù)測(cè)觀察值做的序列擬合線，上下虛線代表擬合值的95%的置信區(qū)間。表3-6價(jià)格預(yù)測(cè)表以下變量的預(yù)測(cè):price觀測(cè)預(yù)測(cè)標(biāo)準(zhǔn)誤差95%置信限379.44830.02069.40809.4886389.45190.02329.40649.4974399.45980.02799.40529.5145409.46570.03099.40539.5262419.47260.03409.40609.5392圖3-5價(jià)格預(yù)測(cè)圖圖3-6擬合與預(yù)測(cè)效果圖3.5模型的缺點(diǎn)用ARMA模型識(shí)別、估計(jì)和診斷的系統(tǒng)方法。優(yōu)點(diǎn)在于建立適當(dāng)?shù)哪Ｐ筒⑶掖_定模型的系數(shù)后,就可以根據(jù)有限的數(shù)據(jù)對(duì)未來(lái)的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。缺點(diǎn)：1）要求時(shí)序數(shù)據(jù)是穩(wěn)定的，或者是通過(guò)差分化后是穩(wěn)定的。2）本質(zhì)上只能捕捉線性關(guān)系，而不能捕捉非線性關(guān)系。3）只能做短期的時(shí)間序列模型擬合在擬合ARMA模型時(shí)，由于模型自身的缺陷，該模型只能捕捉到影響二手房的線性因素，不能分析非線性因素，如政策、定性因素等對(duì)房?jī)r(jià)的影響，而且ARMA模型只能對(duì)短期的序列進(jìn)行擬合，像本篇論文剛開始想利用2012年到2020年的數(shù)據(jù)做分析，但模型會(huì)出現(xiàn)平穩(wěn)的白噪聲序列，此時(shí)就沒有分析的意義。所以不能很好的分析準(zhǔn)確的價(jià)格波動(dòng)情況。結(jié)論及建議4.1結(jié)論論文通過(guò)對(duì)蘭州市二手房?jī)r(jià)格的時(shí)間序列數(shù)據(jù)