文档介绍：第
二
次
数
模
模
拟
承诺书
我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.
我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。
我们知道,抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。如有违反竞赛规则的行为,我们将受到严肃处理。
我们参赛选择的题号是(从A/B/C/D中选择一项填写): D
我们的参赛报名号为(如果赛区设置报名号的话):
所属学校(请填写完整的全名): 重庆邮电大学
参赛队员(打印并签名) :1. 杨小琴
2. 杨兰芬
3. 官其虎
指导教师或指导教师组负责人(打印并签名):
日期: 2011 年 8 月 18 日
赛区评阅编号(由赛区组委会评阅前进行编号):
房地产价格与住房保障规模
摘要
房地产行业与百姓的生活息息相关,近年来,由于房地产价格不断攀升,房地产产业已经引起了社会的广泛关注。为了社会持续稳定的发展,政府一直出台各种文件,对房地产市场进行调控,物价水平、金融政策、税收政策、土地、城市化率等都是影响房地产价格的因素,然而,公租房、廉租房和经济适用房等各类保障性住房的建设力度加大,有利于增加房地产的供给力度,也对房地产市场价格产生较大的影响。鉴于不同省市的发达程度和社会文化的不同,本文选取了具有代表性的上海、重庆、哈尔滨分别作为一线、二线、三线城市的研究对象,并从具有权威性的地方统计网上收集到相关数据,对全国的房地产价格与住房保障规模进行研究。
对于问题一:本文选取了地方生产总值、物价水平、人均可支配收入,房产税,房屋供应面积、城市人口和房产开发投资额七个因素进行分析研究,首先我们采用主成分分析法对各影响因素进行分析,由于主成分分析法没有涉及到目标指标,得到的结果比较粗糙,所以我们进而采用了改进的灰色关联度计算各影响因素与房地产价格之间的关联度,利用MATLAB编程得到如下结论:
城市
主要影响因素
上海
生产总值、人均可支配收入、地产税、房屋供应面积、城市人口
重庆
生产总值、人均可支配收入、地产税、城市人口、房产投资
哈尔滨
生产总值、人均可支配收入、地产税、城市人口、房产投资
对于问题二:首先本文将从第一问得到的各主要影响因素和城镇住房保障规模分别与房地产价格利用SPSS做散点图分析它们之间的关系,结果反映各主要影响因素与房地产价格间成线性关系,所以建立了多元线性回归模型对各影响因素与房地产价格之间的联系进行拟合,利用MATLAB进行求解,结果见模型求解。
对于问题三,本文通过查阅有关权威性网站,收集到未来几年上海、重庆、哈尔滨的保障性住房建设规模,采用灰色系统(GM())模型对主要影响因素在未来几年里的数据进行预测,最后将所得数据带入第二问的多元线性回归模型,预测出三个代表城市在未来三年里房地产价格都呈现出持续上涨的趋势。
年份
上海
重庆
哈尔滨
2010
7296
5467
4428
2011
8455
6114
4711
2012
9058
7027
4930
最后根据所得结果,本文联系现状并结合政府出台的有关政策规划,撰写了一篇比较有借鉴意义的建议报告,且对所运用的模型进行了检验和推广。
关键字:改进的灰色关联度多元线性回归灰色系统预测模型上升趋势
一、问题重述
近十年来我国一些城镇的商品房价格上涨过快,过高的房价使城镇中低收入者无力购买住房,为了社会持续稳定的发展,政府一直出台各种文件,对房地产市场进行调控。但由于各部门配合得不协调,房地产的价格在过去的几年时间里快速地上涨,房价成了各种社会矛盾的焦点。物价水平、金融政策、税收政策、土地、城市化率等都是影响房地产价格的因素,然后,公租房、廉租房和经济适用房等各类保障性住房的建设力度加大,有利于增加房地产的供给力度,对房地产市场价格会产生较大影响。
参考有关的研究成果和国民经济的运行数据就我国房地产价格研究如下问题。
问题一: 根据题目所给的网站,对所查找到的有关统计数据进行分析,然后建立适当的模型确定出影响房地产价格的主要因素或指标。
问题二: 在第一问计算结果的前提下建立合适的数学模型反映包括城镇住房保障规模在内的主要因素或指标与房地产价格之间的联系。
问题三:利用第二问所得到的反映包括城镇住房保障规模在内的主要因素或指标与房地产价格之间的联系数学模型,根据有关政策和规划对未