基于多元统计的浙江省房地产价格分区研究

信息计算科学论文编号:XXLW077 论文字数:13690,页数:31

目 录
摘   要 i
Abstract ii
目 录 iii
第一章    引  言 1
第二章    数据处理基本理论介绍 2
2.1 主成分分析 2
2.1.1原理及基本思想 2
2.2 聚类分析 2
2.2.1基本内容 2
2.2.2 谱系聚类法 3
2.3 回归分析 4
2.3.1回归分析的基本内容 4
2.3.2多元线性回归模型 5
2.3.3 主成分回归分析 5
第三章    浙江省分区研究 6
3.1 影响房地产价格的基本因素 6
3.1.1 房地产价格的理论构成 6
3.1.2 影响房价的基本因素 6
3.2 主成分分析 7
3.3 聚类分析 10
3.3.1 分3类的结果 11
3.3.2 分4类的结果 11
3.3.3 分5类的结果 12
3.4 小结 13
第四章    商品房价格预测 14
4.1 杭州市房产价格趋势预测 14
4.1.1  近几年杭州房产现状分析 14
4.1.2 预测模型的建立和求解 15
4.1.3 预测未来几年杭州的房价 17
4.2 浙江省未来几年商品房价格预测 17
4.2.1 自变量的选取 17
4.2.2 商品住宅销量主成分回归模型 17
4.2.3 价格预测 19
4.2.4 模型的检验 20
第五章    结论及建议 21
5.1 论文主要工作总结 21
5.2 论文的主要结论 21
致  谢 22
参考文献 23
附 录 24

摘   要
 本文采用多元统计的方法，对浙江省的房地产价格进行分区研究。先是找出一些能够影响房地产市场价格水平的因素并收集相关的数据，用主成分分析法对这些因素和数据进行筛选处理，选出最能反映原始数据的两个主成分。然后再根据这两个主成分的得分情况作为聚类分析的两项指标，对浙江省11个省辖市进行分区。本文选用了2003-2006年的数据，做聚类分析后将结果汇总并进行比较，得出分成杭州，宁波，温州、绍兴，嘉兴、金华、台州，衢州、丽水、舟山、湖州5类时的结果是比较合理的。此外，本文还对杭州地区和浙江省未来几年的房产价格做了预测。在此,我们采用商品房销售价格与销售面积、销售额、施工面积等几项指标建立回归模型,并得到一个拟合度较好的参数方程,再利用此方程对未来的房价进行相关预测。
关键词：房地产价格 主成分分析 聚类分析  回归分析  预测

Abstract
 In this paper, we study the real estate regional prices in Zhejiang Province by using multivariate statistical methods. First, finding out some factors which will impact the price level of the real estate market and collecting the data of the factors. Then using principal component analysis to analyse the factors and data, selecting the two principal components. And then based on the scores of two principal components as the two indicators of the cluster analysis, doing cluster analysis of the 11 provincial cities in Zhejiang Province . In this paper, we use the data in the recent years, and the results of cluster analysis will be summarized and compared. We get five clusters that Hangzhou, Ningbo, Wenzhou.,Shaoxing;.Jiaxing. Jinhua. Taizhou.Quzhou,Lishui and Zhoushan.Huzhou is the more reasonable result. In this paper, we also made a prediction of the real estate prices about Zhejiang Province and Hangzhou over the next few years. Here, we use the  real estate sales prices and sales area, sales, construction area as the several indicators, building the regression model to forecast the price and we can get a better fit parameter equation, and then using the equation to do the prediction of the real estate prices.
Keywords: Real estate prices; Principal Component Analysis; Regression Analysis;
Cluster Analysis; forecasting