合肥市住房价格的影响因素分析

摘要

2016年合肥市住房价格涨幅高达全国第一，引起了社会各界的广泛关注。由于影响住房价格的因素众多，并且住房价格本身是一种复杂的非线性系统，因此，如何建立科学合理误差较小的模型来预测住房价格走势已是当务之急。
　　一方面，本文通过对合肥市住房价格现状分析得出目前的发展态势;另一方面，通过建立多元对数回归模型得到影响住房价格的主要因素;最后，通过构建改进的BP算法预测未来合肥市住房价格趋势。
　　首先，本文选择从时间角度分析合肥市近几年住房价格走势的变化，时序图表明住房价格为非平稳序列;其次，从区域角度通过雷达图对比各个区域的相关指标，可以发现合肥市各个区域之间无论是住房价格还是影响因素都存在明显的差异;再次，基于多元对数回归模型筛选影响合肥市区住房价格的因素，引入虚拟变量来更好的分析政策因素的影响;最后，构建BP模型，通过权值调整公式增加动量项以及将全局误差设置成对数平均最小误差的方式，来防止神经网络拟合到最小值，也增加了收敛速度，通过不断调试，确定隐层神经元为10个时权值矩阵变化最小，此时的拟合误差也是最小。
　　综上可得结果为:第一，住房价格随时间呈非线性发展趋势，并结合文献材料分析2016年底拐点是由炒房团和政策的变动引起的，时间序列预测结果的相对误差部分高达12.988％，也说明住房价格不是单纯的时间序列函数，而是受与多因素相关的复杂系统;第二，地区因素分析可得合肥市政务区的成交和供应均价最高，但是新增套数却是最少的，存在明显的供应不足现象，而肥西县虽然成交均价偏低但是在成交面积上实现赶超;第三，合肥市区住房价格的影响因素主要有区位因素、成交面积、供应均价、人均可支配收入、利率和政策因素，得出虽然紧缩性房价政策有延缓房价突变的能力，但还是无法改变合肥市整体房价的上升趋势;第四，构架改进后的BP模型对合肥市住房价格进行预测，得到2017年8月的四个地区的预测值，相对误差均在5％以下，具有一定的参考价值。

目录

声明

摘要

第一章 绪论

1．1 研究目的及意义

1．1．1 研究目的

1．1．2 研究意义

1．2 国内外研究综述

1．2．1 国外研究综述

1．2．2 国内文献综述

1．3 研究方法和思路

1．3．1 研究方法

1．3．2 研究思路

1．4 创新与不足

1．4．1 创新点

1．4．2 存在的不足

第二章 合肥市住房现状及影响因素概述

2．1 时间角度的合肥市住房现状

2．1．1 时间序列模型的理论分析

2．1．2 ARIMA模型的实证分析

2．2 分区域角度的住房现状

2．3 面积段角度的住房现状

第三章 合肥市住房价格的影响因素分析

3．1 住房价格的特征

3．2 住房价格影响因素概述

3．2．1 住房价格的主要影响因素

3．2．2 描述性分析

3．2．3 影响因素的回归模型

第四章 构建住房价格BP神经网络模型

4．1 改进的BP神经网络模型的理论分析

4．1．1 人工神经网络的定义

4．1．2 人工神经网络的发展史

4．1．3 BP神经网络的优缺点及改进

4．1．4 BP神经网络的学习算法

4．2 BP神经网络预测房价的实证分析

4．2．1 基于R语言的BP神经网络设计

4．2．2 数据预处理

4．3．1 初始化参数设定

4．3．2 确定隐层节点数

4．3．3 模型训练与预测结果

第五章 结论与建议

5．1 结论

5．2 建议

参考文献

致谢

攻读学位期间发表的学术论文目录