朱禹 李嘉杰 蔣李蒙
自1988年海南省建立海南經(jīng)濟(jì)特區(qū)以來,房地產(chǎn)行業(yè)已經(jīng)逐漸成長為拉動海南省經(jīng)濟(jì)增長的龍頭產(chǎn)業(yè)。但是,房價(jià)的高低影響著國家的發(fā)展和人民生活水平的提高,因此,有必要了解影響海南省房價(jià)的主要因素,為了讓政府能針對性的采取措施,進(jìn)一步推動房產(chǎn)行業(yè)的發(fā)展,對海南省房價(jià)進(jìn)行評估和預(yù)測就尤為重要。近年海南省經(jīng)濟(jì)迅速發(fā)展,眾多因素影響海南商品房價(jià)的變化,本文選取其中最具代表性和影響力的因素進(jìn)行定性分析。
根據(jù)查閱到的數(shù)據(jù)和文獻(xiàn),本文認(rèn)為影響房價(jià)的最主要因素為 GDP 因素。隨著近年海南省 GDP 的連年增長,尤其是三亞和??诘貐^(qū)的增幅較大,海南省經(jīng)濟(jì)迅速發(fā)展,加上通貨膨脹問題的加劇,物價(jià)上漲,帶動了房地產(chǎn)業(yè)的價(jià)格飛速上漲。本文根據(jù)搜集數(shù)據(jù),擬合出以下公式:
Y = 1.552C1 + 2637 (1)
本文認(rèn)為除 GDP 外,對房價(jià)的第二影響因素為城鎮(zhèn)居民人均可支配收入。因?yàn)?GDP 的增長對整個(gè)社會經(jīng)濟(jì)總量的影響固然重要,但根據(jù)供求關(guān)系,促進(jìn)房價(jià)增長的又一因素即是收入水平。收入上漲,居民回去追求更高的生活水平,即需要住房,激增的對住房的需求量導(dǎo)致了住房緊張,房價(jià)自然而然上漲。
根據(jù)數(shù)據(jù)可擬合出以下方程
Y = 0.2487C2 + 2894 (2)
根據(jù) 2007-2016 年海南商品房價(jià)格情況,根據(jù)對商品住宅價(jià)格影響因素國家土地增值稅/億元、GDP/億元、年末總?cè)丝?萬人,城鎮(zhèn)居民人均可支配收入/元;建立了多元線性回歸模型。本文選擇多元線性回歸模型。
設(shè)上文中的影響商品房價(jià)的 4 個(gè)因素權(quán)重參數(shù)分別為β1、β2、β3、β4。即最終結(jié)果表示為
Y= β1 (1.552C1 + 2637) + β2 (0.2487C2 + 2894) + β3 (372.3C3 -53290) + β4 (3051x0.2293)
在 MATLAB 中運(yùn)行,運(yùn)線性擬合函數(shù):regress()來對(1)、(2)、(3)、(4)式子進(jìn)行多元線性回歸,所運(yùn)行出的β1、β2、β3、β4即為權(quán)重系數(shù)。
經(jīng)過運(yùn)行和計(jì)算可得:
β1= 4.3213 β2 =-27.6856 β3 = 12.8263 β3 = -0.2964
最終可得擬合關(guān)系式為:
Y = 4.3213*1.552C1 + 2637) -27.6856* ( 0.2487C2 + 2894) + 12.8263 * 372.3C3 -53290) - 0.2964 * 3051x0.2293)
我們在中國統(tǒng)計(jì)局和其他網(wǎng)站搜得大量海南省 2018 年 4 月份的商品房價(jià)數(shù)據(jù)后,結(jié)合三亞及??诘貐^(qū)的具體情況,將三亞和海口定為主要區(qū)域,在考慮多方面因素后,對收集的數(shù)據(jù)進(jìn)行綜合分析得出在四月上中旬海南?。ㄖ饕紤]三亞和??诘貐^(qū))的商品房的綜合價(jià)格。考慮到多方面因素差異,海南省各個(gè)地區(qū)或城市商品房價(jià)格漲幅差異較大且單個(gè)地區(qū)房價(jià)數(shù)據(jù)波動較大。本文數(shù)據(jù)經(jīng)過了加權(quán)處理,或與某些單方面地區(qū)數(shù)據(jù)有差異。
根據(jù)表中的數(shù)據(jù),選擇單元回歸模型對其進(jìn)行處理。
根據(jù)“2018 年 4 月 13 日,海南全島建設(shè)自貿(mào)區(qū)(港)這一重大政策利好出臺”這一條件, 本文從 4 月 13 日開始對房價(jià)進(jìn)行分析。并把 13 日作為序號 1,共取 10 日數(shù)據(jù)對該組數(shù)據(jù)進(jìn)行分析和建模處理。
在 MATLAB 中錄入上表的數(shù)據(jù)并運(yùn)行附錄中的代碼,經(jīng)過分析,為了確保對數(shù)據(jù)分析的準(zhǔn)確性,本文對該組數(shù)據(jù)建立了兩個(gè)模型
二次函數(shù)模型:W1 = at2 + bt + c
線性模型: W2 = dt + e
使用代碼分別運(yùn)行后可得出以下圖標(biāo)及各個(gè)參數(shù)。
a=85.905303 b=111.09621 c=9486.9167
d=1056.7023 e=7597.3669
即可得出二次函數(shù)模型:
W1 = 85.905303t2 + 111.09621t + 9486.9167
線性模型:
W2 = 1056.7023t + 7597.3669
在這兩種模型中,分別帶入 10 天的房價(jià)數(shù)據(jù),統(tǒng)計(jì)他們的相對誤差,分別得出相關(guān)指數(shù):線性模型的相關(guān)指數(shù)為 0.9519,二次函數(shù)模型的相關(guān)指數(shù)為 0.9972,二次函數(shù)模型更加接近于 1,于是決定采取二次函數(shù)模型。
即本題最終確立模型為:
W1 = 85.905303t2 + 111.09621t + 9486.9167 (5)
本文的模型可以較好地預(yù)測出實(shí)際生活中,房價(jià)隨政策出臺、人口變化、居民收入增長等因素的變化程度。本文中模型應(yīng)用十分廣泛,例如可以將本模型應(yīng)用于其他省市的房價(jià)預(yù)測,國家政策對中國人口自然增長的影響分
析等。