《数学建模：房地产价格与住房保障规模.doc》由会员分享，可在线阅读，更多相关《数学建模：房地产价格与住房保障规模.doc（20页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、【精品文档】如有侵权，请联系网站删除，仅供学习与交流数学建模：房地产价格与住房保障规模.精品文档.房地产价格与住房保障规模摘要：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,为了维持社会的持续稳定发展,政府一直出台各种文件，对房地产市场进行调控。但由于各部门配合的不协调，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。因此对房地产相关研究是很有必要的。针对以上问题，我们从国民总收入、国内生产总值、国家城市化率、保障性住房规模（经济适用房投资额）、物价水平（建材价格指数）、居住用地价格指数、税收政策（房产税收收入）、金融政策（房产投资资金
2、）等方面进行了研究。本文主要进行了以下工作：1、综合考虑影响房地产价格的多种因素，对各种影响因素之间的相互关系，首先运用经济学原理和常识进行定性分析，然后根据收集到的各影响因素的数据，分别建立影响因素与房地产价格之间的拟合模型，依据相关系数剔除次要的影响因素得到影响房地产价格的主要因素。本文得出的结论为：各因素与房价之间的相关系数如下： 国民总收入与房价之间的相关系数：国内生产总值与房价之间的相关系数： 国家城市化率与房价之间的相关系数： 保障性住房与房价之间的相关系数： 物价水平与房价之间的相关系数： 居住用地价格指数与房价之间的相关系数：税收政策与房价之间的相关系数：金融政策与房价之间的相
3、关系数：影响房地产价格的主要因素有：国民总收入、国内生产总值、国家城市化率、保障性住房规模（经济适用房投资额）、税收政策（房产税收收入）、金融政策（房产投资资金）。2、建立房地产价格与各主要影响因素之间联系的数学模型。根据各主要影响因素数据建立房地产价格与各种影响因素之间的回归方程，找到了房地产价格与各个影响因素之间的关系，本文经过计算得到多元线性回归方程为： 3、对未来几年我国房地产价格进行了预测：考虑到灰色预测精度不高的问题且在实际操作中需要不断的改进与完善其工作量之大使得我们不得不寻求其他模型，因此在第二问中我们建立了具有一定可靠性、精度高的多元回归模型，得到未来几年我国房价的走势：未来
4、一段时间内楼价会以一个较低涨幅持续上涨。4、根据对未来几年房地产价格预测的结果并结合影响房价的主要因素，提出了针对我国目前房地产价格问题的一些合理性建议。关键词：房价 多元线性回归分析 线性拟合 残差分析一、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，政府一直出台各种政策，对房地产市场进行宏观调控：物价水平、国内生产总值、国民收入水平、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
5、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：1.1、对有关统计数据进行分析，用适当的方法寻找影响房地产价格的主要因素或指标。1.2、建立房地产价格与包括城镇住房保障规模在内的主要因素或指标之间联系的数学模型。1.3、利用所建立的关于房地产价格的数学模型，根据有关政策和规划对未来几年我国或某一地区在不同的保障房建设力度下就房地产价格趋势进行仿真或预测（可以根据模型的需要对未来的情况作适当的假设）。1.4、根据所建立的数学模型和仿真结果，对房地产价格问题提出你们的咨询建议。二、问题分析通过对此问题的分析，我们遇到了一些困难，比如说，问题中提到的金融政策和税收政策对房价的影响，没法
6、用具体的数据进行量化，我们便从金融政策和税收政策中分别找出对房价影响的最主要的因素来进行了量化。2.1、对于问题(1.1)的分析影响房地产价格的因素众多，要从其中找出影响房地产价格的主要因素，就需要一个评价的标准，对此我们采用线性拟合中的相关性系数来观察各影响因素分别与房地产价格之间的关系，根据相关性大小从而找出对房地产价格产生影响的主要因素。2.2、对于问题(1.2)的分析本题要求找出各主要影响因素与房价的联系，根据经济学知识可知，各主要影响因素对房地产价格具有一定的线性关系，故我们对此问题的解决办法是，建立多元线性回归方程模型找到各主要因素与房地产价格的联系，为了简化计算，本文不考虑各主要
7、因素之间的相互影响和联系。 2.3、对于问题（1.3）的分析问题（1.2）考虑到灰色预测精度不高的问题且在实际操作中需要不断的改进与完善其工作量之大使得我们不得不寻求其他模型，建立房地产价格与各主要因素之间的关系，因此根据第二问中我们建立的具有一定可靠性、精度高的多元回归模型，并通过数据拟合得到未来几年影响房价的主要因素的量化数据，对未来几年房地产价格走势进行了预测，但是运用回归方程模型来预测某一事物未来发展趋势时，必须要有大量的数据才能获得准确的预测结果，显然我们不具备短期内收集足够大量的数据的条件,而且影响房地产价格的因素还有许多，这些因素之间相互联系，相互影响，所以我们在求解过程中进行了
8、适当的假设。 2.4、对于问题（1.4）的分析问题（1.1）中已找出影响房地产价格的主要因素，并已经知道了各影响因素对房地产价格的具体影响方式，从而可以提出调控这些因素的措施，并结合当前国家政策法规，对房地产价格问题提出一些合理的建议。三、模型假设3.1、保障性住房用经济适用房代替；金融政策用房地产投资金额代替；税收政策用房产税收收入代替； 3.2、假设各影响因素之间相互独立，并且忽略次要因素对房价的影响； 3.3、相关网站公布的数据真实可靠； 3.4、不考虑战争、金融危机等对经济冲击过大的灾难；3.5、国家金融、财税等事关房地产的政策不会在短期内发生大的变动；四、符号系统 国民总收入 国内生
9、产总值 国家城市化率 保障性住房规模（经济适用房投资额） 物价水平（建材价格指数） 居住用地价格指数 税收政策（房产税收收入） 金融政策（房产投资资金） 房地产价格 国民总收入与房价之间的相关系数 国内生产总值与房价之间的相关系数 国家城市化率与房价之间的相关系数 保障性住房与房价之间的相关系数 物价水平与房价之间的相关系数 居住用地价格指数与房价之间的相关系数 税收政策与房价之间的相关系数 金融政策与房价之间的相关系数五、模型建立5.1、主要影响因素的判定表1给出了我国19932009年期间的房屋销售均价，国民总收入，国内生产总值，国家城市化率，保障性住房规模，物价水平，居住用地价格指数，税
10、收政策（房产税收收入）的相关数据。表1 近年来国内房地产数据年 份国 民总收入（亿元）国内生产总值（亿元）国家城市化率（%）经济适用房投资额（亿元）物价水平（建材价格）(指数上年=100）居住用地价格指数(指数上年=100）税收政策（房产税收收入）(亿元）金融政策（房产投资金额）(亿元）199335260.035333.928.14 140.9098.5056.302360.21199448108.548197.928.64 114.3098.2060.302554.00199559810.560793.729.04 102.6098.6081.703149.02199670142.57117
11、6.629.37 102.5098.70102.203216.44199778060.878973.029.92 99.7099.90123.903178.37199883024.384402.330.40270.8598.60100.40159.803614.23199988479.289677.130.89437.0298.8099.90183.504103.20200098000.599214.636.22542.44101.50101.00209.604984.052001108068.2109655.237.66599.6598.6098.60228.606344.112002119
12、095.7120332.739.09589.098.20107.70282.407790.922003135174.0135822.840.53622.099.70112.40323.9010153.802004159586.7159878.341.76606.4105.10111.60366.3013158.302005185808.6184937.442.99519.2103.10110.30435.9015909.202006217522.7216314.443.90696.8101.90106.00515.2019422.902007267763.7265810.344.94820.9
13、103.00113.70575.1025288.802008316228.8314045.445.69970.9109.50111.30680.3431203.202009343464.7340506.946.591134.1101.10106.40803.6636241.802010344903.6397983.050.001349.9102.30127.60894.0648267.00由于房地产价格与国民总收入、国内生产总值、国家城市化率、保障性住房规模、物价水平（建材价格指数）、居住用地价格指数、税收政策（房产税收收入）、金融政策（房产投资资金）等呈线性关系，而它们的线性组合仍呈线性，故
14、我们选用多元线性方程来建立此模型。用线性回归对房价和影响房价的各个因素进行线性拟合，得到结果如下(相关程序见附录一)：5.1.1、房地产价格()与国民总收入()之间的关系：图1：房地产价格()与国民总收入()之间的关系：回归方程：相关系数： 正相关很强5.1.2、房地产价格()与国民生产总值()之间的关系：图2：房地产价格()与国民生产总值()之间的关系：回归方程：相关系数：正相关很强5.1.3、房地产价格()与城市化率()之间的关系：图3：房地产价格()与城市化率()之间的关系：回归方程：相关系数： 正相关很强5.1.4、房地产价格()与建材价格指数()之间的关系：图4：房地产价格()与建材
15、价格指数()之间的关系：回归方程：相关系数： 正相关性很差5.1.5、房地产价格()与保障性住房规模()之间的关系：图5：房地产价格()与保障性住房规模()之间的关系：回归方程：相关系数：正相关性强5.1.6、房地产价格()与居住用地交易价格指数()之间的关系：图6：房地产价格()与居住用地交易价格指数(）之间的关系：回归方程：相关系数： 正相关性一般5.1.7 、房地产价格（）与税收收入（）之间的关系：图7：房地产价格（）与税收收入（）之间的关系：回归方程： 相关系数： 正相关性强5.1.8、房地产价格（）与房产投资（）之间的关系：图8：房地产价格（）与房产投资（）之间的关系回归方程： 相关
16、系数： 正相关性强由以上数据可以看出，国民总收入、国内生产总值、国家城市化率、保障性住房规模、税收政策（房产税收收入）、金融政策（房产投资资金）对房价的影响显著，是房价的主要决定因素，而物价水平（建材价格指数）、居住用地价格指数虽然对房价也有影响，但并不显著。5.2.1 多元线性回归的建立及残差分析和一元回归一样,多元线性回归模型只是一种假设,求出回归方程后,还需要对它进行残差分析,以检验 与间的线性关系是否显著,即需要对假设构造F-统计量及检验的拒绝域：拒绝域：其中为残差平方和 在语句基础上执行命令可得时序残差图（有关程序见附录2）。图9残差分析原始图运用编程对这些数据进行回归分析得到结果为
17、: 由残差图可以看出，2010年的数据的残差不包含零，则应把它视为异常值，在回归中应把它剔除，再进行回归。将2010年的数据剔除后，本文又进行了回归，在语句基础上执行命令可得时序残差图（有关程序见附录3）。图10残差分析改进图运用编程对这些数据进行回归分析得到结果为: 至此我们找到了影响房地产价格的主要因素与房地产价格之间的关系5.2.2、 回归系数的检验通过进行回归系数检验得出，计算检验临界值t=2.2281；计算预测区间， (计算程序见附录三)。通过比较T的值，我们可以得出国民生产总值、保障性住房规模、税收政策（国家房产税收收入）、金融政策（房产投资资金）对房价的影响是显著的。5.3.1、
18、房地产价格趋势预测运用拟合方法对国民总收入、国民生产总值、城市化率、经济适用房投资规模、房产税收收入、房产投资因素对2012到2016年的房屋销售均价进行了预测 年份 因素20122013201420152016国民总收入51190664207681088430101360国民生产总值56600657307601087520100320城市化率51.463552.795654.127755.459956.792经济适用房投资1849.32050.22187.82226.12123.9房产税收收入1141.31277.11421.91575.41737.9房产投资5728365444474186
19、8350993413由可得2012到2016年间房屋销售均价为：4949.7、4954.5、5521.8、6027.8、6420.5。根据预测结果可知房地产价格每年呈上升趋势，并且增速在11.5%左右。说明我国房地产行业存在很大的经济泡沫，需要进一步完善和改进各项有关政策。5.3.2、对房产价格问题提出的建议本文根据建立的模型所得的结果，本文提出了如下四项措施来对我国的房价进行调控。措施一、提高人均收入，合理选择建房基址，适当降低房价。 1.建议政府根据房价提高人均收入，使其购房能力逐渐增强。 2.响应“两会”，提高个人所得税起征点，使低收入人群具有更多可支配收入。 3.建立“卫星城”，实现人
20、口密集型城市的人员分流，缓解市区住房紧张压力。措施二、放弃GDP每年保持8%的增长率， GDP增长速率的降低必将是房价趋于平衡增长阶段。 我们需要建立起一套良好的分配机制，那就是如何把这些赚到的钱，有效率地分给全国老百姓，让大家一起致富。通过各种政策，保护民营企业赚取利润的权益，希望民营企业赚更多的钱，当然，国营企业也包括在内。然后我们还需要建立起一套良好的分配机制，那就是如何把这些赚到的钱，有效率地分给全国老百姓，让大家一起致富。措施三 、加大保障性住房投资金额，增加房屋可用有效数量。 1.政府出台优惠政策，吸引更多房地产商投资，使有效房屋供应量充足。 2.政府建立保障性住房以及经济适用房，
21、使更多人拥有可居住房屋。 3.提供低收入者更多购房补助，增加其买房能力。措施四 、明确政策法规，不断优化房地产投资环境。1.制定健全房地产开发、建设、销售、以及土地征用、流转等环节的相关法律法规，以及有效协调各方利益，维护社会稳定。2.密切关注房地产价格与交易变化，判断房地产市场走势及风险，并及时向社会发布。3.适当控制各地土地挂牌交易量，审查参与土地竞购和交易的房地产企业资金流动性水平。4.明确地方政府责任，根据实际出台必要地方监管措施，严防房地产企业违规操作行为。5.在投资环境较好的地区推进试点房地产信托投资基金，拓展房地产投资渠道，推进房地产市场发展。六、模型分析与推广6.1、模型优点1
22、)在确定对房价的影响因素时，采用线性回归法，筛选出对房价影响较大的几个因素，具有一定的科学性。2) 本模型依赖于线性方程构建的想法，模型建立之后进行了修正。得到的结果比较符合实际。方案简洁明了，易于操作。 6.2模型缺点1)模型建立时仅选取了主要因素，忽略了一些次要因素，因此结果可能与实际情况不太符合。2) 本模型建立过程中考虑各个因素与房价呈线性关系，假设各影响因素之间相互独立，但实际中各因素之间是相互影响的。3）由于数据较少，在进行多元线性回归预测时可能导致结果存在一定的误差。 4）模型建立过程中，适当再加入一些参数可能会使模型更加精细，更符合实际；例如，人口密度、人们的心理波动等。6.3
23、、模型推广本模型可应用于对房价的合理性判断和提出针对房价上涨过快政府应采取的措施。1）对房价的合理性判断： 在预测房价过程中，通过可求得关于房价在置信度为95%下的置信区间，若实际房价在此区间内，即为合理。2）对房价采取的合理措施：根据模型，我们得到了影响房价的主要因素，并知道了它们与房价之间的相关关系，可以据此给出一些合理性意见。八、结论近期走势预测：涨幅趋缓，结构性调整，总体下跌的可能性不大。 根据本模型预测房价增幅明显趋缓。这其中的原因是多方面的：其中部分原因在于，房价整体水平已经处于很高的位置，投资风险增大，另一方面政府推出优惠政策，鼓励开发商建造中低价商品房以及经济适用房也在一定程度
24、上缓解了房价的快速攀升。 然而，由于土地稀缺等因素，房价继续上涨将是必然的趋势。虽然涨幅没有去年那么来势汹汹，但在“好地段造好房子”理念的支撑下，仍然会供不应求。 从中长期来看，中国房地产市场目前正处于房地产周期中的繁荣阶段，虽有泡沫，但仍处于安全区内，只要政府调控得当，破灭的可能性不大。 因此，房地产价格在未来几年内仍将继续保持增长态势，但增长幅度将逐步有所趋缓。即使期间受宏观经济影响房价也许会出现短暂回落，但总体上升趋势不变。九、参考文献1阳明盛，熊西文，林建华.MATLAB基础及数学软件(第一版)M.大连理工大学出版，20062茆诗松，程依明，濮晓龙.概率论与数理统计教程(第一版)M.北
25、京：高等教育出版社，20043马哲.基于土地指数编制下的北京土地市场趋势探讨J.中国经贸,2009,vol.24,(3)4汪茵芸,史明,蒋漓.房价问题的数学建模J.海南大学学报自然科学版，2009,vol.27,(1)4姜启源，谢金星，叶俊.数学模型(第三版)M.北京高等教育出版社,20035丁克良，沈云中，欧吉坤.整体最小二乘直线拟合J辽宁工程技术大学学报自然科学版，2010，vol.29,(1)6孙忆敏.我国大城市保障性住房建设的若干探讨J.规划师论坛，2008,vol.24,(4)7马建唐.中国国家统计年鉴(国民与国内总收入) EB/OL. 2-1 8国务院发展研究中心信息网（居住用地交
26、易价格指数）EB/OL.9马建唐.中国国家统计年鉴（建材物价）EB/OL.25-2610国家统计数据库(房产税收收入) EB/OL.http:/219.235.129.58/clicksortall.do 25-26附录附录一、相关性分析程序：图1：y=786 995 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728;x=35260.0 48108.5 59810.5 70142.5 78060.8 83024.3 88479.2 98000.5 108068.2 119095.7 135174
27、.0 159586.7 185808.6 217522.7 267763.7 316228.8 343464.7;plot(x,y,o)xlabel(国民总收入);ylabel(房价均值);hold onp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图2：y=786 995 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728;x=35333.9 48197.9 60793.7 71176.6 78973.0 84402.3 896
28、77.1 99214.6 109655.2 120332.7 135822.8 159878.3 184937.4 216314.4 265810.3 314045.4 340506.9;plot(x,y,o)xlabel(国内生产总值);ylabel(房价均值);hold onp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图3：y=786 995 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728;x=28.14 28.64 2
29、9.04 29.37 29.92 30.40 30.89 36.22 37.66 39.09 40.53 41.76 42.99 43.90 44.94 45.69 46.59;plot(x,y,o)xlabel(城市化率);ylabel(房价均值);hold onp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图4：:y=1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728;x=102.60 102.50 99.70 98.60 9
30、8.80 101.50 98.60 98.20 99.70 105.10 103.10 101.90 103.00 109.50 101.10;plot(x,y,o)xlabel(建材价格指数);ylabel(房价均值);hold onp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图5：y=1806 1997 2250 2359 2778 3168 3465 3728;x=3466.40 3970.36 4257.49 3513.45 4379.03 4810.26 5621.86 5354.65;plot(x,y,o)xla
31、bel(保障型住房规模);ylabel(房价均值);hold onp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图6.y=1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 4045;x=99.90 100.40 99.90 101.00 98.60 107.70 112.40 111.60 110.30 106.00 113.70 111.30 127.60;plot(x,y,o)xlabel(居住用地交易价格指数);ylabel(房价均值);hold on
32、p=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图7y=995 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728;x=60.30 81.70 102.20 123.90 159.80 183.50 209.60 228.60 282.40 323.90 366.30 435.90 515.20 575.10 680.34 803.66;plot(x,y,o)xlabel(税收收入);ylabel(房价均值);hold onp=po
33、lyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图8：y=995 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728;x=2554.00 3149.02 3216.44 3178.37 3614.23 4103.20 4984.05 6344.11 7790.92 10153.80 13158.30 15909.20 19422.90 25288.80 31203.20 36241.80;plot(x,y,o)xlabel(房产投资);yl
34、abel(房价均值);hold onp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)附录二、残差原始图程序：x=35260.0 35333.9 28.14 1648.90 56.30 2360.21 48108.5 48197.9 28.64 1757.60 60.30 2554.00 59810.5 60793.7 29.04 1844.30 81.70 3149.02 70142.5 71176.6 29.37 2978.50 102.20 3216.44 78060.8 78973.0 29.92 2676.50 123.
35、90 3178.37 83024.3 84402.3 30.40 2784.60 159.8 3614.23 88479.2 89677.1 30.89 3274.90 183.50 4103.20 98000.5 99214.6 36.22 2845.40 209.60 4984.05 108068.2 109655.2 37.66 3080.10 228.60 6344.11 119095.7 120332.7 39.09 1747.80 282.40 7790.92 135174.0 135822.8 40.53 2103.90 323.90 10153.80 159586.7 1598
36、78.3 41.76 2023.50 366.30 13158.30 185808.6 184937.4 42.99 1771.30 435.90 15909.20 217522.7 216314.4 43.90 2200.70 515.20 19422.90 267763.7 265810.3 44.94 2210.80 575.10 25288.80 316228.8 314045.4 45.69 2600.00 680.34 31203.20 343464.7 340506.9 46.59 1956.90 803.66 36241.80 344903.6 397983.0 50.00 2
37、933.02 894.06 4826.70; % x1国民总收入 X2国内生产总值 x3国家城市化率X4保障性住房规模X5物价水平想x6居民用地价格指数y=786 995 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728 4045;%房价b,bint,e,eint,stats=regress(y,x)rcoplot(e,eint)结果：b =0.0606-0.05027.10880.21152.8388-0.0872bint =0.0080 0.1133-0.0926 -0.0077-3.015
38、7 17.23320.0637 0.35930.1649 5.5127-0.1699 -0.0045e = -83.3155-29.4329158.4883-124.0002-36.195359.870352.73425.2597-16.9619153.786816.1532-28.1811-165.8985-112.788944.2947-49.7527107.3702-7.0414eint =-250.8996 84.2685-240.5966 181.7308-23.4044 340.3810-323.2236 75.2233-248.8101 176.4195-163.9792 283
39、.7198-139.6051 245.0734-147.7634 298.2828-240.3712 206.4473-31.2908 338.8643-206.4989 238.8052-258.4436 202.0814-348.1421 16.3451-320.5192 94.9415 -149.8675 238.4568 -232.1846 132.6791 -21.9060 236.6464 -13.0087 -1.0741stats =1.0e+004 *0.0001 0.0236 0.0000 1.1908残差改进图程序：x=35260.0 35333.9 28.14 1648.
40、90 56.30 2360.2148108.5 48197.9 28.64 1757.60 60.30 2554.00 59810.5 60793.7 29.04 1844.30 81.70 3149.02 70142.5 71176.6 29.37 2978.50 102.20 3216.44 78060.8 78973.0 29.92 2676.50 123.90 3178.37 83024.3 84402.3 30.40 2784.60 159.8 3614.23 88479.2 89677.1 30.89 3274.90 183.50 4103.20 98000.5 99214.6 3
41、6.22 2845.40 209.60 4984.05 108068.2 109655.2 37.66 3080.10 228.60 6344.11 119095.7 120332.7 39.09 1747.80 282.40 7790.92 135174.0 135822.8 40.53 2103.90 323.90 10153.80 159586.7 159878.3 41.76 2023.50 366.30 13158.30 185808.6 184937.4 42.99 1771.30 435.90 15909.20 217522.7 216314.4 43.90 2200.70 51
42、5.20 19422.90 267763.7 265810.3 44.94 2210.80 575.10 25288.80 316228.8 314045.4 45.69 2600.00 680.34 31203.20 343464.7 340506.9 46.59 1956.90 803.66 36241.80;% x1国民总收入 X2国内生产总值 x3国家城市化率X4保障性住房规模X5物价水平想x6居民用地价格指数y=786 995 1291 1409 1591 1806 1997 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728;%房价b
43、,bint,e,eint,stats=regress(y,x)rcoplot(e,eint)结果：b =-0.09730.10845.91060.15061.7756-0.0510bint =-0.2395 0.0449-0.0319 0.2487-2.5941 14.41540.0168 0.2844-0.6327 4.1840-0.1266 0.0246e =-7.664040.500286.6164-121.2992-12.209436.550392.643782.9457-87.493057.4746-14.5783-84.0965-92.6957-20.878677.2766-87.121886.9596eint =-138.6221 123.2942-123.1760 204.1765-65.0416 238.2745-280.5111 37.9128-189.8513 165.4325-150.8891 223.9897-53.4344 238.7219-99.2874 265.1788-252.9158 77.9298-91.1720 206.1211-19