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。