论文总字数：8477字
摘 要
利用时间序列分析法，以淮安市近十几年的房价数据和季度GDP数据为分析对象来建立拟合预测模型，经过相关分析，进行协整检验。预测值与实际观测值的拟合程度良好，并以此对这淮安市的房价和GDP进行分析和预测。关键词：房价预测 相关分析 单位根检验 协整检验
Abstract：Base on the data of real estate’s price and the quarter GDP from Huaian city,we established several models for fitting and predicting. According to the correlation analysis, cointegration tests, we made a statistical analysis on the data. At the end of the thesis, we predicted the GDP and the real estate’s price of Huaian in the next few years.
Keywords：House prices predict，correlation analysis，Unit root test，Cointegration test
目录
1 前言…………………………………………………………………………… 4
2 数据的收集…………………………………………………………………… 4
3 设计的主要统计原理…………………………………………………………4
3.1相关分析……………………………………………………………………4
3.2 单位根检验…………………………………………………………………5
3.3协整检验……………………………………………………………………6
3.4淮安房价和GDP时间序列预测……………………………………………7
3.4.1 淮安房价预测…………………………………………………………7
3.4.2 淮安市GDP的预测……………………………………………………9
结论…………………………………………………………………………… 11
参考文献……………………………………………………………………… 12
附录1……………………………………………………………………………13
附录2……………………………………………………………………………13
1 前言
房地产业是国民经济的一个重要产业，是国民经济的基本承载体。房地产业的发展对建筑业，以及建材。冶金。化工等产业发展起着带动作用，也推动着金融业的发展，是吸引金融业投资的重要领域。房地产业的发展不但能带动经济发展，也有利于产业结构的升级，拓展消费市场，优化城市消费结构，促进城市经济的繁荣，并带来大量的就业机会。国家宏观经济部门经过综合分析认为，房地产业将成为我国又一支柱产业。研究的意义在于发掘淮安市房地产价格变动的规律，进一步认识房地产市场的运行状况和市场价格的影响因素，为购房者、开发商的投资决策和地方政府的制定政策提供参考和建议。
自党的十一届三中全会召开以来，我国房地产业经历了复苏、发展、调整、繁荣和宏观调控等阶段，从一个不成熟的产业慢慢走向成熟。特别是1998年我国取消福利分房以来，房地产业一枝独秀，发展迅猛，成为近年来中国快速经济增长的最大动力和源泉之一。房地产业的高速发展、市场的交易活跃也带来了房价的水涨船高、一路攀升。由于房地产市场短期供给能力有限，GDP快速增长时对房地产的需求会迅速增加，从而会对房地产价格产生积极、正项的影响。房地产价格对于GDP也存在着反作用。
本文将以淮安市商品房市场为例，运用时间序列分析的统计方法，对淮安市房价与GDP进行定性和定量分析，研究的意义在于发掘淮安市房地产价格变动的规律，进一步认识房地产市场的运行状况和市场价格的影响因素，为购房者、开发商的投资决策和地方政府的制定政策提供参考和建议。
2 样本数据收集
根据淮安市的房地产交易网站找出最近成交的商品房平均价格，以及历史数据.由于房地产的价格的特殊性，我们收集到的数据是根据宏观房价的变化的趋势以及土地交易价格等因素综合得到的，附录将列出淮安市2001-2013这13年商品房季度平均成交价格和季度GDP. 文中将以此数据作为样本数据进行分析、预测及建立模型。
3 主要涉及的统计方法
以自相关分析为基础，对时间序列进行模式识别、建立模型，对变量进行单位根检验，在完成单位根检验后进行协整检验并建立模型。
3.1 相关分析
以时间序列的自相关分析为基础的，通过自相关分析，可以对时间序列进行模式识别、建模，以及完成预测。自相关分析就是对时间序列求其当前与不同滞后期的一系列自相关系数，它可以通过建立模型来刻画时间序列轨迹，据此我们可以知道在序列的邻近数据点之间存在多大程度的相关，由此可以用来识别模型的特性。
表3-1 GDP与商品房价格的相关系数
Correlations | |||
|---|---|---|---|
price | GDP | ||
price | Pearson Correlation | 1 | .981** |
Sig. (2-tailed) | .000 | ||
GDP | Pearson Correlation | .981** | 1 |
Sig. (2-tailed) | .000 | ||
**. Correlation is significant at the 0.01 level (2-tailed). | |||
从上表可以看出，GDP与商品房价格的相关系数达到0.981，相关系数很大，说明GDP与房产价格之间存在很强的线性相关性。所以下面来讨论两变量之间是否存在长期稳定的线性关系。
3.2 单位根检验
剩余内容已隐藏，请支付后下载全文，论文总字数：8477字
该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找;
