基于多元統計的浙江省房地產價格分區研究

信息計算科學論文編號:XXLW077 論文字數:13690,頁數:31

目 錄
摘   要 i
Abstract ii
目 錄 iii
第一章    引  言 1
第二章    數據處理基本理論介紹 2
2.1 主成分分析 2
2.1.1原理及基本思想 2
2.2 聚類分析 2
2.2.1基本內容 2
2.2.2 譜系聚類法 3
2.3 回歸分析 4
2.3.1回歸分析的基本內容 4
2.3.2多元線性回歸模型 5
2.3.3 主成分回歸分析 5
第三章    浙江省分區研究 6
3.1 影響房地產價格的基本因素 6
3.1.1 房地產價格的理論構成 6
3.1.2 影響房價的基本因素 6
3.2 主成分分析 7
3.3 聚類分析 10
3.3.1 分3類的結果 11
3.3.2 分4類的結果 11
3.3.3 分5類的結果 12
3.4 小結 13
第四章    商品房價格預測 14
4.1 杭州市房產價格趨勢預測 14
4.1.1  近幾年杭州房產現狀分析 14
4.1.2 預測模型的建立和求解 15
4.1.3 預測未來幾年杭州的房價 17
4.2 浙江省未來幾年商品房價格預測 17
4.2.1 自變量的選取 17
4.2.2 商品住宅銷量主成分回歸模型 17
4.2.3 價格預測 19
4.2.4 模型的檢驗 20
第五章    結論及建議 21
5.1 論文主要工作總結 21
5.2 論文的主要結論 21
致  謝 22
參考文獻 23
附 錄 24

摘   要
 本文采用多元統計的方法，對浙江省的房地產價格進行分區研究。先是找出一些能夠影響房地產市場價格水平的因素并收集相關的數據，用主成分分析法對這些因素和數據進行篩選處理，選出最能反映原始數據的兩個主成分。然后再根據這兩個主成分的得分情況作為聚類分析的兩項指標，對浙江省11個省轄市進行分區。本文選用了2003-2006年的數據，做聚類分析后將結果匯總并進行比較，得出分成杭州，寧波，溫州、紹興，嘉興、金華、臺州，衢州、麗水、舟山、湖州5類時的結果是比較合理的。此外，本文還對杭州地區和浙江省未來幾年的房產價格做了預測。在此,我們采用商品房銷售價格與銷售面積、銷售額、施工面積等幾項指標建立回歸模型,并得到一個擬合度較好的參數方程,再利用此方程對未來的房價進行相關預測。
關鍵詞：房地產價格 主成分分析 聚類分析  回歸分析  預測

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