房地产发展问题+数学模型 3

数 学 建 模 课 程 论 文 题目： 当前房地产市场运行情况评估 专业班级： 姓 名： 学 号： 任课老师： 20 年 月 日 题目 当前房地产市场运行情况评估 “安居才能乐业”，房价关系到千家万户的生活。随着人们对生活质量的追求，房屋价格已成为社会关注的热点，也是政府民生工程的一个主题。近年国内房价猛涨，难以调控，请建立国内房价构成模型，通过分析房价高居不下的原因。请下载2010年、2011年和2012年房地产市场相关数据，并根据这些资料来讨论： 如何评价这三年房地产市场价格的变化趋势； 从这些数据中能否找出某些规律性的东西：如房地产与土地价格之间关系、房地产价格与居民收入之家关系等等； 国务院发布房地产调控“国五条”对房地产市场有没有约束力？ 目录 数学建模课程 论文 政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载 1 题目 2 目录 2 摘要： 3 关键词： 3 问题重述 3 问题分析 3 合理假设： 6 符号说明： 6 模型的建立及求解 6 模型的检验及应用 10 结论与小结 15 参考文献： 15 摘要: 本文不仅评价这三年房地产市场价格的变化趋势，并且讨论了影响房地产价格的主要因素，找出了价格和其主要因素之间近似成线性关系，从而建立表示房地产价格的数学模型——多元线性回归模型，并对模型进行了全方面的论述，得出求解其中各个参数的方法，并最终求出房地产价格。建模过程中，首先用科学分析的方法，确定主要因素并对其作数学抽象，再针对各因素综合运用多种数学方法进行分析求解。第一，用概率论与数理统计的方法找出价格和各个因素之间的近似线性关系，确定模型；第二，用最小二乘法求解模型中的参数；第三，用回归分析确定模型精度及检验，从而得出一个完整的数学模型；第四，通过该模型深入分析了影响房地产价格主要因素，提出了一些政策建议，把高的开发成本降下来，同时调整供给结构。第五，根据模型及建议进行合理的预测，最后分析模型的优缺点并提出了改进方向。 关键字：回归分析、层次分析法、最小二乘法、房地产价格 国五条 一 问题重述 “安居才能乐业”，房价关系到千家万户的生活。随着人们对生活质量的追求，房屋价格已成为社会关注的热点，也是政府民生工程的一个主题。近年国内房价猛涨，难以调控，请建立国内房价构成模型，通过分析房价高居不下的原因。请下载2010年、2011年和2012年房地产市场相关数据，并根据这些资料来讨论： 如何评价这三年房地产市场价格的变化趋势； 从这些数据中能否找出某些规律性的东西：如房地产与土地价格之间关系、房地产价格与居民收入之家关系等等； 国务院发布房地产调控“国五条”对房地产市场有没有约束力？ 二 基本假设 影响房价的因素有许多，房屋建造成本、市场供求关系、城市经济发展、城市规模、居民收入，土地价格等等。现假设房屋价格与各个因素间的关系均为线性关系，且： 土地价格用竣工房屋造价来代替。 居民收入用人均GDP来表示。 城市规模用建成区面积来表示。 市场供求关系通过消费者的支付能力竣工房屋价格来体现，而消费者的支付能力有通过在岗职工的平均工资来衡量。 房地产价格通过房屋均衡价格来表示 忽略消费者偏好如有无学校、绿化率、停车位、热水供应状态、通信、房屋建筑形式等对住房价格的影响。 忽略消费成本如交通费用、物业费用、停车费用等对房价的影响。 忽略一些炒作对房价的影响。 三 基本符号、变量和用语 A：表示人均GDP序列（元） B：表示在岗职工平均工资序列（元） C：表示竣工房屋造价序列（元/㎡） D：城乡人均储蓄余额序列/元 Y：住房均衡价格指标序列，均衡价格(equilibrium price)是指消费者对某种商品的需求量等于生产者所提供的该商品的供给量时的市场价格。均衡价格是由需求和供给两种力量共同决定的。它与吸纳率和交易价格有关。[1] ：为随机变量； Uy,Ua,Ub,UcＵd分别为Y,A,B,C,D序列的均值序列 ΔY,ΔA,ΔB,ΔC,ΔD分别表示Y-Uy,A-Ua,B-Ub,C-Uc,D-Ud序列，即中心化序列 ：序列的方差 , , , ：模型参数 S(a)：为残差的平方和 n ：统计城市数（样本数） R：中心化序列的协方差 四 建立模型并分析 对于问题一的分析： 对于如何评价房地产的价格情况，我们可以从中国具体的某个城市入手，因此我们选择了安徽省合肥市的7大主要地区在2010年到2012年最近几年的房价情况。具体如下所示： 2010年合肥7大主要地区的房价情况 地区 平均价格（元/平方米） 包河区 4665 滨湖区 4158 瑶海区 4436 庐阳区 4089 蜀山区 4740 经开区 3883 政务区 4901 2011年合肥7大主要地区的房价情况 地区 平均价格（元/平方米） 包河区 3419 滨湖区 3880 瑶海区 5148 庐阳区 5264 蜀山区 8763 经开区 6781 政务区 4761 2012年 合肥7大主要地区的房价情况 地区 平均价格（元/平方米） 包河区 6426 滨湖区 6929 瑶海区 5963 庐阳区 6009 蜀山区 6804 经开区 6339 政务区 7059 2010到2012年合肥7大主要地区的房价情况 年份 价格 2010 2011 2012 包河区 4665 3419 6426 滨湖区 4158 3880 6929 瑶海区 4436 5148 5963 庐阳区 4089 5264 6009 蜀山区 4740 8763 6804 经开区 3883 6781 6339 政务区 4901 4761 7059 绘制出来的图形如下所示： 图一： 图二： 综合以上表格以及图形，我们可以清楚的看到，合肥最近几年的房价在突飞猛涨，不管从各年份还是从各地区来看，整体都是在呈现一种上升的趋势，这不仅与中国最近几年的整体的房价趋势一致，而且也体现出房地产市场中的泡沫经济，也就是指房地产商品的预期价格被大大的高估，从而导致各类投机资本的纷纷进入，通过恶性炒作将现期房地产价格大大抬高。使其价格远远高于其实际价值，从而产生房地产泡沫。总之，从合肥的具体房价来看，中国房价仍将持续上涨。 对于问题二的模型 推导过程 表一为我国12个主要城市住房均衡价格及其相关因素的统计表。依照此表我们可以求得各因素与住房均衡价格的相关系数进而判断各因素对房价的影响程度如表二所示。 表一 12个主要城市住房均衡价格及其相关因素的统计表[1] 序号 城市 住宅均衡价格指标 /元/㎡ 人均GDP /元 建成面积 km2 非农业人口变化率 在岗职工平均工资 /元 人均住宅面积 /m 城乡人均储蓄余额/元 竣工房屋造价 /元/㎡ 1 北京 3494.97 19846 488 0.072 14054 13.97 21447.03 2037 2 天津 1636.2 15976 378 0.041 11123 8.6 12417.38 1061 3 石家庄 1424.85 10425 108 0.147 7983 3.16 8105.87 767 4 太原 859.21 10678 177 0.076 7378 12.23 13147.17 760 5 呼和浩特 872.57 7489 79 0.16 7346 6.22 6721.47 866 6 沈阳 1655.62 14989 202 0.028 8511 10.03 13317.48 978 7 大连 1935.43 18429 234 0.079 10259 8.45 13857.8 978 8 长春 1222.49 10261 154 0.073 8618 6.5 6949.56 1087 9 哈尔滨 1502.94 9142 165 0.345 7577 6.96 6957.27 897 10 上海 3119.62 30805 550 0.052 16641 14.96 19778.24 2232 11 南京 1934.31 16816 194 0.108 11931 8.59 10569.5 910 12 杭州 2311.06 19961 171 0.147 12187 6.54 12054.16 1217 　 同时可以求得各个因素序列的平均值，见附表一 附表一各个因素序列的平均值 住宅均衡价格指标 /元/㎡ 人均GDP /元 建成面积 km2 非农业人口变化率 在岗职工平均工资 /元 人均住宅面积 /m 城乡人均储蓄余额/元 竣工房屋造价 /元/㎡ 平均 1830.8 15401 241.67 0.111 10300 8.85 12110. 1149 表二 各因素与住房均衡价格的相关系数表 人均GDP 建成面积 非农业人口变化率 在岗职工平均工资 人均住宅面积 城乡人均储蓄余额 竣工房屋造价 相关系数r 0.848 0.824 -0.236 0.910 0.766 0.836 0.894 由表二可得，住房均衡价格与非农业人口变化率、人均住宅面积、建成面积的相关系数相对要小，所以这里我们忽略二者的影响，只考虑其他主要因素的影响，主要包括：人均GDP、在岗职工平均　工资、竣工房屋造价、城人均储蓄余额等方面 通过表一我们依次做出主要因素和住房均衡价格的关系图： 图1 图2 图3 图4 由均衡房价和人均GDP、均衡房价和人均工资、均衡房价和竣工造价, 均衡房价和居民平均储蓄的关系图可以看出，均衡房价和人均GDP、人均工资、竣工造价、居民平均储蓄存在着相依的关系，很容易想到用多元线性回归模型 Y= A+ B+ C+ D+…….+ 表示因变量Y,对自变量A,B,C,D…….的相依性，其中 , EMBED Equation.3 , , …….为参数 模型特点如下： A、B、C、D….为一般变量， 为随机变量； Y为一般变量和随机变量的线形组合，Y序列的值既取决于A,B,C序列，又受制于 。 如表三所示各序列 一般假定为白噪声序列，假定其服从均值为0，方差为 的正态分布 表三 序号 城市 Y A B D C 1 北京 3494.97 19846 14054 21447.03 2037 2 天津 1636.2 15976 11123 12417.38 1061 3 石家庄 1424.85 10425 7983 8105.87 767 4 太原 859.21 10678 7378 13147.17 760 5 呼和浩特 872.57 7489 7346 6721.47 866 6 沈阳 1655.62 14989 8511 13317.48 978 7 大连 1935.43 18429 10259 13857.8 978 8 长春 1222.49 10261 8618 6949.56 1087 9 哈尔滨 1502.94 9142 7577 6957.27 897 10 上海 3119.62 30805 16641 19778.24 2232 11 南京 1934.31 16816 11931 10569.5 910 12 杭州 2311.06 19961 12187 12054.16 1217 将其中心化后得 Y-Uy= *(A-Ua)+ *(B-Ub)+ *(C-Uc)+ *(D-Ud)+ 上式即为 ΔY = *ΔA + *ΔB + *ΔC + *ΔD+ 现在对模型的参数进行最小二乘法估计 其中ΔY、ΔA、ΔB、ΔC、ΔD各序列（矩阵）的值见表四 表四 序号 城市 ΔY ΔA ΔB ΔD ΔC 1 北京 1664.197 4444.58 3753.33 9336.79 887.33 2 天津 -194.573 574.58 822.33 307.14 -88.67 3 石家庄 -405.923 -4976.42 -2317.67 -4004.37 -382.67 4 太原 -971.563 -4723.42 -2922.67 1036.93 -389.67 5 呼和浩特 -958.203 -7912.42 -2954.67 -5388.77 -283.67 6 沈阳 -175.153 -412.42 -1789.67 1207.24 -171.67 7 大连 104.657 3027.58 -41.67 1747.56 -171.67 8 长春 -608.283 -5140.42 -1682.67 -5160.68 -62.67 9 哈尔滨 -327.833 -6259.42 -2723.67 -5152.97 -252.67 10 上海 1288.847 15403.58 6340.33 7668 1082.33 11 南京 103.537 1414.58 1630.33 -1540.74 -239.67 12 杭州 480.287 4559.58 1886.33 -56.08 67.33 令a= ( , , , ) ,则a 的最小二乘估计，应使残差 平方和S(a)达到最小，其中 S(a)= EMBED Equation.3 = (ΔY t- *ΔA t- *ΔB t- *ΔC - *ΔDt) ,取 S(a) =0即可得到： S(a) = 2*(ΔY t- *ΔA t- *ΔB t- *ΔCt- *ΔD)*(-ΔA t)=0---------------------------式1 用Rya表示序列ΔY和ΔA的协方差，Raa表示ΔA序列的方差，Rba,表示序列ΔB和ΔA的协方差，Rca表示序列ΔC和ΔA的协方差：式1可写成： -Rya+ *Raa+ *Rba+ *Rca+ *Rda=0-----------------------------式2 同理 S(a)＝o推出： -Ryb+ *Rab+ *Rbb+ *Rcb+ *Rdb =0-----------------------------式3 S(a)＝0推出： -Ryc+ *Rac+ *Rbc+ *Rcc+ *Rdc =0-----------------------------式4 S(a)＝0推出： -Ryd+ *Rad+ *Rbd+ *Rcd+ *Rdd=0-----------------------------式5 把式2、式3，式4，式5写成矩阵相乘的形式为： * = 推求参数的公式为： = * --------------式6 具体到本题中，我们运用往年的统计数据对模型中各个参数的求解。 经计算得各个协方差的值为：(利用matlab软件) Raa=38730662 Rba=Rab=18250255 Rca=Rac=2543343 Rda=Rad=25327000 Rbb=8106483 Rcb=Rbc=1257098 Rdb=Rbd=11269000 Rcc=211174.1 Rdc=Rcd=1882000 Rdd=22936000 Rya=4475718 Ryb=2197259 Ryc=343656.3 Ryd=3251000 通过矩阵运算得到 , , , 的值为：(利用matlab软件) ,＝0.0583 =-0.0487 =1.1621 =0.0059 把系数 , , , 代回原模型得： Y-1830.77=0.0583*(A-15401.4)-0.0487*(B-10300)+1.1621*(C-1149)+ 0.0059*(D-12110.24)+ 利用表三中的均衡房价、人均GDP、在岗职工平均工资、竣工房屋造价、城乡人均储蓄余额反推 的值，即： ＝Y-1830.77-［0.0583*(A-15401.4)-0.0487*(B-10300)+1.1621*(C-1149)+ 0.0059*(D-12110.24)］ 得到的12个 值为： 　　　　　　　　　　　　　　表五 残差数据 城市序号 残差 1 501.5639 2 -86.8221 3 239.8316 4 -391.561 5 -279.054 6 -45.8512 7 115.1803 8 -287.093 9 228.7031 10 -604.037 11 387.9655 12 228.1861 平均值 0.584425 图5 由于 的平均值为0.584,相对Y值来说非常小，可以近似看成是0，从而予以忽略 故模型进一步化简为： 　　　Y-1830.77=0.0583*(A-15401.4)-0.0487*(B-10300)+ 1.1621*(C-1149)+ 0.0059*(D-12110.24) 即 　　Y=0.0583*(A-15401.4)-0.0487*(B-10300)+1.1621*(C-1149)+ 0.0059*(D-12110.24)+1830.77 即 Y = *ΔA + *ΔB + *ΔC + *ΔD+ Uy 回归分析 应用上述模型从理论上来说可以由一个城市的人均GDP、在岗职工平均工资、竣工房屋造价、城乡人均储蓄余额等方面的信息来推求这个城市的均衡房价。 我们利用表一中的各个城市的人均GDP、在岗职工平均工资、竣工房屋造价、城乡人均储蓄余额，来反推各个城市的均衡房价并且与已知的均衡房价作对比，从而来评价该模型的实用性。 模型计算值Y = *ΔA + *ΔB + *ΔC + *ΔD+ Uy 将上式右侧参数及矩阵带入可得模型计算值Y,见表六及图6 表六为实际值均衡价格与回归计算值均衡价格的对比情况。 　　　　 表六　实际值均衡价格与计算值均衡价格对比分析　　　　 实际均衡价格 计算均衡价格 　误差百分比 3494.97 2981.5 14.35% 1636.2 1726.8 -5.31% 1424.85 1188.8 16.83% 859.21 1218.4 -45.57% 872.57 1164.3 -31.98% 1655.62 1674.7 -2.77% 1935.43 1801.2 5.95% 1222.49 1531.9 -23.48% 1502.94 1285.2 15.22% 3119.62 3729.9 -19.36% 1934.31 1565 20.06% 2311.06 2094.4 9.80% 　 图6可以更加直观地看出二者的对比情况 图6 由以上回归分析数据与实际数据对比可以看出，此模型基本上能满足精度要求，但还是存在许多不足之处，如实际数据不足，同时我们忽略了许多其他的相关因素，而且在以上讨论的各因素中不同因素之间还存在共线性问题等，所以模型有待进一步改进优化。 五 模型应用 一、房价的形成以及演化机理 根据上面线性自回归模型，我们来讨论一下房价的影响因素、形成、及演化过程房屋价格的影响因素有很多。比如：房屋成本（即竣工房屋造价）、人均GDP、在岗职工平均工资，居民人均储蓄余额等方面。总的来说是由成本及供求关系两个主要因素决定的。 1.成本的影响：房屋产品成本主要由三大部分组成:一是土地开发费用，二是生产资料消耗，三是人工费用。 （1）房屋土地开发费与一般产品不同，它是固定在土地上的建筑产品。因此， 土地开发费是房屋产品成本的重要因素之一。它包括以下内容: ①土地价格，土地价格除了它本身的劳动投入，土地的地理位置等以外，与土地的供需有很密切的关系②征地补偿、拆迁安置费。征用土地建设房屋，要按规定付给征用土地上原有建筑物、构筑物的折价补偿费，以及有关人员的安置费等。③地质勘探与 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 费用。房屋建筑的地质勘察与设计是土地开发的前提条件。④场地平整与地下工程开发费用。房屋建筑必须先搞好地下工程，包括地下开挖、地下管道安装、地下结构部分等以及地面场地平整、土方工程等。⑤与房屋有关的道路平整建设、周围环境整理等费用。 （2）生产资料的消耗这是房屋建设成本的主要部分，它是物化劳动价值的转移，包括两部分:①房屋建设过程中所消耗的建筑材料的价值，建筑材料的价格就是它的货币表现。②房屋建设中所使用的机器、设备、工具、施工用附属设施等的磨损折旧等价值转移。 (3)人工费用。这是房屋建设的活劳动消耗中，归劳动者支配部分价值的货币表现，它包括建筑工人、工程技术人员和行政管理人员的工资等。[2] 此外，还有某些其他费用也是构成房屋产品成本的因素，例如，建设房屋贷款的利息、保险金以及建设单位的管理费等.以上各项构成了房屋产品的成本。房屋建筑单位的利润和税金是住宅价格的必要组成部分，它是活劳动中劳动者的剩余劳动所创造的价值的货币表现. 2.供求关系的影响：供求关系对房屋价格的影响是不可忽略的。从价值规律上来讲，一种商品的价格并不完全由起内在的价值决定，同时还受到市场供求关系的影响。房价最终表现出来的，是由供给和需求这两种相反的力量相互作用的结果。即开发商提供的数量相对短缺时价格就上升，相对过剩时价格就下降。具体来讲，如果住宅的求大于供，想让开发商降价也是不可能的。反之，如果供大于求，即使没有人让开发商降价他也回自觉地降价。具体来说，供求关系对房价的影响，可归为下表中的各种情况：如表七[3] 表七 供求力量变动方向 供求力量变动幅度 对房价的影响 交易量的变化 供给和需求同方向变化 供给增加=需求增加 房价不变 交易量增加 供给减少=需求减少 房价不变 交易量减少 共给增加>需求增加 房价下降 交易量增加 供给增加<需求增加 房价上升 交易量增加 供给减少>需求减少 房价上升 交易量减少 供给减少<需求减少 房价下降 交易量减少 供给与需求反方向变化 供给增加=需求减少 房价下降 交易量不变 供给减少=需求增加 房价上升 交易量不变 供给增加>需求减少 房价下降 交易量增加 供给增加<需求减少 房价下降 交易量减少 供给减少>需求增加 房价上升 交易量减少 供给减少<需求增加 房价上升 交易量增加 而供求关系的表现方式很多，将在下面的分析中有所体现。 在需求方面，城市全部居民对住宅需求表现在两个方面：一是获得住房或提高住房水平的愿望即直观的需求，二是实现该愿望的支付能力。因此需求不只是一种购买愿望，也需要实际支付能力，有了支付能力才能形成实实在在的购买力和有效需求。而支付能力又取决于居民的经济状态条件，表现在模型中即为在岗职工平均工资和居民人均储蓄余额。居民的经济条件提高了，自然会想改善一下生活条件，生活水平的一个重要表现就是居民的住房水平，也就涉及到了对目前房屋的改善，直接说来就是把以前条件不是很好的房子换成较高水平的房子，于是就得重新买房。就构成了对房子的需求增加。由此看来，居民生活水平的变化，最终引起的还是需求的变化，还是通过供求关系来对房价产生影响的。 而居民的经济条件和生活水平又取决于城市经济发展（主要体现在人均GDP上，城市经济越发展，人均GDP值越高）。而城市经济发展对房屋价格的影响也是比较复杂的。城市发展对房屋价格的影响不仅是通过对人民经济条件和生活水平来影响供需关系从 而影响房价，同时还通过城市对外来人口的吸引力而致使城市人口的变动，从而导致房屋的需求也变化。城市经济发展越好，工作和居住环境优越，大量外地人进入增加当地的住房压力，需求就会增加，如果供给不变的话，需求大于供给房价自然就会上涨；如果供给也增加的话，开发商就需要开发更多的土地来进行房屋建设房屋，引起土地需求的增加，导致开发土地价格上涨，从而又增加了房屋建造成本，同样会引起房屋价格的上涨。另一方面，城市的经济发展了，吸引力也就大了，不仅会引入大量的知识分子和劳动力，还会吸引国内外商家的投资，进而又进一步地推动了城市的繁荣发展，从而形成正反馈效应，两者会互相促进，共同发展。 总之房价上涨，大概有几方面的因素，一方面是正常上涨因素，主要表现为国民经济持续增长，同时商品房成本提高等导致的房价走高。另一方面是非正常上涨因素也就是供求关系引起的。也就是通常所说的房地产市场的泡沫，即资产价格的虚涨，商品房售价远远超过其实际价值。 二、抑制房地产价格的政策建议 参照模型我们可以概括地认为其主要影响因素位成本和供求关系同时我们依照 传统的“价格=成本+平均利润”理论可知，降低房价应着眼于降低开发成本，但该理论成立，只是从长期平均来看的，而且还必须具备下列两个条件：一是自由竞争（即可以自由进入市场），二是，该商品本身是可以大量重复生产的。可是房地产市场不具备这两个条件，商品房不是一般意义的商品。只有在住宅市场供需平衡或供过于求的情况下，降低成本费才会降低价格，否则降低成本只会增加开发企业了利润和政府的税收，房价还是降不下来。所以，房价不完全由开发成本决定，未来是升是降，关键还是看供求力量的对比情况。 要解决目前房价过高的问题，我们应从开发成本和供求关系两方面综合考虑。要把高的开发成本降下来，同时适当扩大开发量，调整供给结构，增加有效供给，培养和释放有效需求。 如果只顾降低开发成本，不适当扩大开发量，仍会出现供不应求的现象，房价不仅降不下来，而且会出现政府减免税费的好处转化为开发商的高利润，消费者难以得到实惠的现象。如果只顾扩大开发量，不设法降低开发成本，造成供过于求，可能会造成房价下降而使开发商的利润减少，只会影响开发商的积极性，最终开发量难以扩大，供给不能增加，房价依然降不下来。在降低成本的同时适当扩大开发量的做法，不会挫伤开发商的积极性，因为供给增加引起房价下降给开发商造成的“损失“可以通过降低了的开发成本得到弥补，开发商依然有利可图。 1.全面地降低商品房的开发经营成本 影响商品房开发经营成本的主体主体有两个，一个是政府，一个是企业自身。两者必须同时努力才能达到降低成本的目的。 对政府来讲，政府作为房地产政策的制定者，市场的管理者应建立公开竞争的土地供应制度，加大执法力度，清理囤积土地，，杜绝买卖土地的黑箱操作，继续深化税制改革，提高政府管理水平；对房地产企业自身来讲，应提高管理水平，加强成本控制，提高从业人员整体素质，加强项目开发过程中的成本控制。 以上都是一些软件方面的措施，再从硬件方面来说，由上面分析可知，房屋成本主要由土地开发费用、生产资料消耗和人工费用三部分组成。土地开发费用可以通过政府的宏观调空加以控制，进行最优化规划和预算将其达到最低。在生产资料方面，建筑材料的价格是一个很重要的因素，尤其是对钢材、混凝土等材料的价格进行有效的控制，这也需要政府的干预，使建筑材料的价格控制在一定范围之内，甚至要通过改进技术等措施来降低建材的价格；另外建设中所使用机器、设备、工具、施工用附属设施等，要小心保养，尽量增长其经济寿命。在人工费用方面，要提高一切相关人员的工作效率，实施严格的 管理制度 档案管理制度下载食品安全管理制度下载三类维修管理制度下载财务管理制度免费下载安全设施管理制度下载 ，以减少不必要的人力财力的浪费，禁止出现混时间的现象，但也决不能以要降低成本为名义来降低工人工资，剥削工人应得的劳动报酬。 2.扩大开发量，调整供给结构，增加有效供给，释放有效需求。 我们知道仅采取降低成本的单向措施达不到降低住房价格的目的，因为房价总的来看是由供求决定的，在供应大于需求的情况下，很大程度上由成本+必要利润决定售价，其中成本是一个决定性的因素，开发商不能亏本。而在供不应求的情况下，成本决定售价的分量会减弱，供不应求越强，成本的决定性因素越弱，而产生泡沫的因素就会越严重。在调整供求结构方面，同要需要政府和企业共同努力，政府实现宏观调控，改善人民生活水平；企业面对激烈竞争，也必须要立足长远，居安思危。具体来讲，当务之急是从需求引导和宏观控制两方面入手，采取措施消除非正常因素上涨。政府在政策引导上应采取措施，调整和引导供给与需求，缓解需求的压力；实行租售并举，缓解市场压力。同时及时向消费者提供市场信息，科学、正确地进行市场消费的理性引导。 （1）调整供给结构，扩大为中低收入者准备的低价房供给，包括以下几方面： 适当增大土地供应量；继续推进经济适用房建设；迅速激活二级市场，全面打开三级市场；改变投资人进入房地产开发的高门槛，使投资人在高利润的驱使下自由进入房地产开发。 （2）释放和引导有效需求，提高购买力水平，从而缩小购买力与房价的差距: 推进住房的金融发展，使住房消费真正与金融业挂起钩来。加大对居民住房消费的信贷比例，精简贷款环节，简便贷款手续，完善政策性住房资金的管理体制；制定住宅性能价格比政策，引导居民将购房期望和收入水平相协调，使消费者能结合自身的经济实力和住房条件，树立阶梯式消费观点。 3.开发企业应转变思想，积极向需求潜力巨大的中低档住宅市场进军，因为城市居民中非常富有的毕竟是少数，绝大多数居民还是只能接受一般消费水平的。目前我国的住宅市场呈结构性供不应求的市场格局。尤其是广大中低收入居民需要的中低档住宅供不应求。中高档样本商品房空置率较高。这就需要引起房地产开发商的注意，不要一味追求高品质，而要看市场的需要，不以避免盲目投资后导致房屋的空置，对商家和消费者都不利。 如果以上建议都可以实现的话，成本就可以避免增加甚至可以降低，通过对供求关系调整，由其引起的价格上涨也可以得到控制。这样就可以有效的控制房地产价格的上扬。 三、根据政策及模型进行预测 由Y = *ΔA + *ΔB + *ΔC + *ΔD+ 1830.77我们假设能将竣工造价成本降低为原来的90%，其他因素值不变,则Y = *ΔA + *ΔB +0.9 *ΔC + *ΔD+1830.77，从而可以求得Y的平均值为1830.224<1830.77,基本达到了抑制的目的，但没有考虑到供求关系的影响程度，所以以上只是粗略的估计了一下，若要精确估计还需几个对比的样本（不同年份），在此不赘述。 六 模型的优化 虽然我们采用统计规律建立起了表示房地产价格的多元线形回归模型，而由此计算出来的结果从整体来看，大体趋势与实际还是比较符合的。但该模型仍然存在着很多问题。 首先，影响房地产价格的因素有好多，而在建立模型时我们忽略掉了很多被认为不好似很重的因素。 除了以上模型中考虑到的影响房屋价格的因素之外，还有一系列其他因素的影响： （1）房屋的结构、质量、功能、新旧程度是影响房屋价格的重要因素。由于使用不同的建筑材料，不同的施工机构、施工方法和施工技术力量而形成价格差异。 （2）房屋的层数、层次和朝向。房屋有高屋，多层和低层之分，由于其所用设备、施工技术:施工机械化程度不同，各种层数、各种朝向的房屋形成一定的价格差异。 （3）环境因素。房屋所处位置是在城区还是在郊区，交通便利的繁华地段还是背街小巷，交通、文化教育和社区服务设施都对房屋价格产生很大的影响。 （4）国家政策。房屋价格受政策因素的影响很大，在某种情况下，政策因素往往成为房屋价格的决定因素。例如:我国在 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 经济时期，实行住宅不作为商品的福利分房政策，其价格远远低于价值，严重影响了房屋的再生产。 （5）还有一些人的投机心理，想利用房价上涨来捞一把，多置房，想以房屋增殖来赚取利润。 以上几个因素对住宅价格都有一定的影响，但由于时间仓促和能力有限，不能对诸多因素进行一一考虑，仅考虑了影响比较大的因素。由此我们采用的是“把握主要矛盾，忽略次要矛盾”的方法，因此该模型仍然具有一种普遍性和代表性，表示了一种基本的思路和算法，在此基础上在考虑其他因素时，此方法仍然是适用的。 其次，我们用来确定模型参数的样本序列仅仅有12组数据，这可以说是犯了应用统计规律的大戒，因为统计规律本来只是适用于一些大样本甚至是无穷大序列，如果在样本很小的情况下应用，结果误差会很大，甚至有时候是错误的。但我们在这里还是用了这样一个小的样本来计算，实际上只是为了说明一种计算的方法，而我们在提出该模型时也确实参考很多的数据，才将之间的个各因素确定为线性的。在计算时为了节省时间又能够说明问题，所以我们只选用了几组数据。 还有就是模型中有些因素存在共线性问题，有待进一步改进。 针对以模型中存在的问题，我们提出如下改进建议。 （１）、对更多的城市的统计数据（样本）进行模型运算，我想精度一定会更高。 （２）、综合考虑城市的各方面因素，如考虑建成面积、流动人口、交通环境等因素。 （３）考虑到共线性问题，我们尽量利用相互独立的因素或利用一些其他更经典的模型。 参考文献： 《房地产泡沫形成机理分析》，向阳， 西南民族大学学报，2007 《微分方程模型与混沌》，王树禾，中国科技大学出版社， 2006 《泡沫与泡沫经济非均衡分析》，王子明，北京大学出版社，2002 《地产泡沫与金融危机:国际经验及其借鉴》，谢金荣，经济管理出版社，2002 年度统计数据, http://www.stats.gov.cn/tjsj/ndsj, 中国统计局，2005-8-24 各地楼市不完全 报告 软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载 ,http://www.ce.cn/cysc/fcyj/,中国经济网 中国统计局年鉴 _1234567921.unknown _1234567953.unknown _1234567969.unknown _1234567985.unknown _1234567993.unknown _1234567997.unknown _1234568001.unknown _1234568003.unknown _1234568005.unknown _1234568006.unknown _1234568007.unknown _1234568004.unknown _1234568002.unknown _1234567999.xls 图表2 2993.4 3494.97 1723 1636.2 1185 1424.85 1250.8 859.21 1151.6 872.57 1701.5 1655.62 1820.2 1935.43 1509.6 1222.49 1274.2 1502.94 3723.7 3119.62 1546.3 1934.31 2082.9 2311.06 计算价格 实际价格 城市序号 均衡价格 实际均衡价格与计算所得数据对比 Sheet1 序号 城市 住宅均衡价格指标/元/㎡ 人均GDP/元 建成面积 非农业人口变化率 在岗职工平均工资/元 人均住宅面积 城乡人均储蓄余额 竣工房屋造价/元/㎡ 竣工房屋造价指数 1 北京 3494.97 19846 488 0.072 14054 13.97 21447.03 2037 0.1449 2 天津 1636.2 15976 378 0.041 11123 8.6 12417.38 1061 0.0954 3 石家庄 1424.85 10425 108 0.147 7983 3.16 8105.87 767 0.0966 4 太原 859.21 10678 177 0.076 7378 12.23 13147.17 760 0.103 5 呼和浩特 872.57 7489 79 0.16 7346 6.22 6721.47 866 0.1179 6 沈阳 1655.62 14989 202 0.028 8511 10.03 13317.48 978 0.1149 7 大连 1935.43 18429 234 0.079 10259 8.45 13857.8 978 0.0953 8 长春 1222.49 10261 154 0.073 8618 6.5 6949.56 1087 0.1261 9 哈尔滨 1502.94 9142 165 0.345 7577 6.96 6957.27 897 0.1184 10 上海 3119.62 30805 550 0.052 16641 14.96 19778.24 2232 0.1341 11 南京 1934.31 16816 194 0.108 11931 8.59 10569.5 910 0.0763 12 杭州 2311.06 19961 171 0.147 12187 6.54 12054.16 1217 0.0999 Lenovo: Sheet1 0 0 0 0 0 0 0 0 0 0 0 0 人均GDP/元 人均GDP/元 住宅均衡价格/元/m2 样本城市住宅均衡价格与人均GDP关系图 Sheet2 0 0 0 0 0 0 0 0 0 0 0 0 建成面积 住宅均衡价格/元/m2 建成面积/km2 住宅均衡价格与建成面积关系图 Sheet3 0 0 0 0 0 0 0 0 0 0 0 0 竣工房屋造价/元/㎡ 住宅均衡价格/元/m2 竣工房屋造价/元/m2 住宅均衡价格与竣工房屋造价关系图 0 0 0 0 0 0 0 0 0 0 0 0 住宅均衡价格/元/m2 非农业人口变化率 住宅均衡价格与非农业人口变化率关系图 序号 城市 住宅均衡价格指标/元/㎡ 人均GDP/元 w 建成面积 非农业人口变化率 在岗职工平均工资/元ww 人均住宅面积 城乡人均储蓄余额wwww 竣工房屋造价/元/㎡www 竣工房屋造价指数 1 北京 3494.97 19846 488 0.072 14054 13.97 21447.03 2037 0.1449 2 天津 1636.2 15976 378 0.041 11123 8.6 12417.38 1061 0.0954 3 石家庄 1424.85 10425 108 0.147 7983 3.16 8105.87 767 0.0966 4 太原 859.21 10678 177 0.076 7378 12.23 13147.17 760 0.103 5 呼和浩特 872.57 7489 79 0.16 7346 6.22 6721.47 866 0.1179 6 沈阳 1655.62 14989 202 0.028 8511 10.03 13317.48 978 0.1149 7 大连 1935.43 18429 234 0.079 10259 8.45 13857.8 978 0.0953 8 长春 1222.49 10261 154 0.073 8618 6.5 6949.56 1087 0.1261 9 哈尔滨 1502.94 9142 165 0.345 7577 6.96 6957.27 897 0.1184 10 上海 3119.62 30805 550 0.052 16641 14.96 19778.24 2232 0.1341 11 南京 1934.31 16816 194 0.108 11931 8.59 10569.5 910 0.0763 12 杭州 2311.06 19961 171 0.147 12187 6.54 12054.16 1217 0.0999 1830.7725 15401.4166666667 241.6666666667 0.1106666667 10300.6666666667 8.8508333333 12110.2441666667 1149.1666666667 0.1102333333 住宅均衡价格指标/与GDP Rbb 3494.97 1664.197 2769551.654809 604658.990702333 19846 4444.58 19754291.3764 38730662.2430667 7396656.70226 0.8477962065 1636.2 -194.573 37858.6523289999 15976 574.58 330142.1764 -111797.75434 1424.85 -405.923 164773.481929 10425 -4976.42 24764756.0164 2020043.33566 859.21 -971.563 943934.662969 10678 -4723.42 22310696.4964 4589100.10546 Rab 872.57 -958.203 918152.989209 7489 -7912.42 62606390.2564 7581704.58126 4475718.34432 1655.62 -175.153 30678.573409 14989 -412.42 170090.2564 72236.60026 1935.43 104.657 10953.087649 18429 3027.58 9166240.6564 316857.44006 1222.49 -608.283 370008.208089 10261 -5140.42 26423917.7764 3126830.09886 1502.94 -327.833 107474.475889 9142 -6259.42 39180338.7364 2052044.43686 3119.62 1288.847 1661126.589409 30805 15403.58 237270276.8164 19852857.87226 1934.31 103.537 10719.910369 16816 1414.58 2001036.5764 146461.36946 2311.06 480.287 230675.602369 19961 4559.58 20789769.7764 2189906.99946 住宅均衡价格指标/与建成面积 3494.97 1664.197 2769551.654809 604658.990702333 488 246.3333 60680.09468889 20442.2222222233 409947.1388601 0.8241269134 1636.2 -194.573 37858.6523289999 378 136.3333 18586.76868889 -26526.7791809 1424.85 -405.923 164773.481929 108 -133.6667 17866.78668889 54258.3878641 859.21 -971.563 943934.662969 177 -64.6667 4181.78208889 62827.7730521 872.57 -958.203 918152.989209 79 -162.6667 26460.45528889 155867.7199401 1655.62 -175.153 30678.573409 202 -39.6667 1573.44708889 6947.7415051 1935.43 104.657 10953.087649 234 -7.6667 58.77828889 -802.3738219 1222.49 -608.283 370008.208089 154 -87.6667 7685.45028889 53326.1632761 1502.94 -327.833 107474.475889 165 -76.6667 5877.78288889 25133.8742611 3119.62 1288.847 1661126.589409 550 308.3333 95069.42388889 397394.4487051 1934.31 103.537 10719.910369 194 -47.6667 2272.11428889 -4935.2671179 2311.06 480.287 230675.