基于主成分回归分析的西安房地产价格走势_洪增林
西安房产的变化趋势分析
西安房产的变化趋势分析
西安房产的变化趋势可以从以下几个方面进行分析：
1. 房价：近年来，西安房价呈现稳步上涨的趋势。
尤其是购房需求旺盛的核心地段和繁华区域，房价涨幅较大。
随着城市发展规模的不断扩大，地价、建筑成本等因素的影响也导致了房价的上涨。
2. 楼市调控政策：政府出台了一系列楼市调控政策，如限购、限售、严格控制贷款等措施，以稳定房地产市场。
这些政策的实施对西安房产市场的供需关系和价格形成产生了一定影响。
3. 房地产开发商活动：西安各大房地产开发商纷纷进入市场，推出各类楼盘，为市场供应增加了一定的房源。
开发商的活动也对房价走势和市场需求产生一定影响。
4. 人口流动与就业机会：西安市吸引了大量的外来人口，形成了人口流动的现象。
人口的流入和就业机会的增多，对房价走势产生了一定影响。
综合以上几个因素，可以看出西安房产市场整体上仍然处于上升趋势，但仍然受到市场调控政策和政府规划的影响。
投资者在购房前应详细了解房地产市场的调控政策和就业机会，选择合适的时机和地点进行投资。
基于多元线性回归分析房地产价格影响因素
基于多元线性回归分析房地产价格影响因素作者：赵敬葛学韬来源：《商情》2015年第18期【摘要】从房屋销售实现市场化交易之后，近10年来，房价飞速上涨，并且在政府多次的政策调控下没有得到缓和的趋势，这一现象逐渐引起了社会各界的广泛关注。
本文以济南为例，选取2003年到2012年数据，从人均GDP、总人口、结婚数、城乡居民人民币储蓄存款余额、城镇居民人均可支配收人、土地购置费、房屋销售面积、房屋竣工面积占施工面积的比重，利用SPSS进行线性回归，从而得出房屋销售价格变动最为密切的影响因素，并提出建议。
【关键词】人均GDP ;商品房平均销售价格 ;多元线性回归一、引言随着我国国民经济的飞速发展，我国城市近几年也获得了高速迅猛的发展，房地产住房消费占我国城镇居民消费的比重也越来越高。
同时，随着城镇居民住房观念发生的重大转变、住房消费的有效启动、住房商品化新体制的基本确立、房地产投资的持续快速增长，以商品住宅为主的房地产业成为国民经济的重要支柱产业。
但是，我国房地产市场的发展极为不稳定，城市商品住宅的价格日益增长。
济南是一个二线城市，从很大程度上可以代表二线城市的整体发展水平，而二线城市的发展好坏更能影响国民经济的发展。
本文通过分析济南房价的影响因素，从而使得国家进行更好的调控，相应的提高国家的整体水平。
二、实证分析（一）多元线性回归分析方法回归分析是经济计量分析中使用最多的方法，多元回归分析预测法，是指通过对两个或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。
当自变量与因变量之间存在线性关系时，称为多元线性回归分析。
多元线性回归模型的一般形式为：Y=β0+β1X1+β2X2+β3X3+…βkXk+εβ0、β1、β2、βk是参数，ε是被称为误差项的随机变量。
（二）影响商品房平均价格的因素分析某一地区的房价是由宏观经济、供给方（房地产厂商）、需求方（购房者）三方共同决定的，因此引入了相应的指标作为自变量。
基于主成分回归分析的西安市房地产市场价格走势
基于主成分回归分析的西安市房地产市场价格走势
洪增林;马卫鹏;余永林
【期刊名称】《西安科技大学学报：社会科学版》
【年(卷),期】2013(012)001
【摘要】研究以西安市为例，选取影响房地产价格的人均GDP X1总人口X2、城镇居民人均可支配收入墨、土地购置费咒、房屋造价墨等11个可以量化的因素，采用SPSS软件进行主成分分析，将11个因素转化为3个主成分，然后建立模型，采用回归分析方法对3个主成分与各个年份房地产价格的关系进行分析，并对2012--2015年房地产均价进行预测。
从预测结果来看，预测结果实际值与预测值的差异较小、精度较高，预测值可以在一定程度上反映西安市房地产市场状况，预测模型及预测结果能够为房地产企业以及政府、购房者的决策提供参考。
【总页数】5页(P35-39)
【作者】洪增林;马卫鹏;余永林
【作者单位】
【正文语种】中文
【中图分类】F292.35
【相关文献】
1.基于主成分回归分析的西安房地产价格走势 [J], 洪增林;马卫鹏;余永林
2.基于租售比的西安市房地产市场研究 [J], 杨瑛娟
3.西安市人民政府关于印发西安市促进房地产市场平稳健康发展的若干意见的通知
[J], ;
4.西安市人民政府办公厅关于成立西安市促进房地产市场平稳健康发展协调领导小组的通知 [J],
5.西安市房地产市场需求分析──西安市房地产业现状、发展和趋势之二 [J], 马恒升;陆宁;方建国;魏晓飞
因版权原因，仅展示原文概要，查看原文内容请购买。
西安市二手房价变动趋势与影响因素分析
西安市二手房价变动趋势与影响因素分析作者：杨晓玮来源：《商情》2017年第31期【摘要】房价是社会发展的热点问题，同时牵动着国民经济发展。
伴随着“一带一路”的发展机遇，西安成为内陆与欧亚大陆桥的重要节点城市，西安房地产也在2017年全面进入品质时代，与之对应的房价也进入一个全新的水平。
其中二手房以其交易简单、方便快捷、地理位置、即买即住等特点呈现着多元化的价格。
本文利用西安市二手房市场相关数据建立数学模型，对二手房价变动趋势以及二手房房价的影响因素进行数理分析，为广大购房者提供了一定的指导意见。
【关键词】灰度预测主成分分析多元线性回归房价影响因素模型一、模型假设①二手房销售数据即为二手房成交数据，用在售数据代替成交数据。
②假定宏观环境保持稳定，即西安保持2017年一季度GDP增速7.6%不改变。
③假定不考虑宏观经济变动和政策变动的影响。
④价格变动不考虑供需方议价能力等随机因素的影响。
二、模型的建立与检验修正根据2849条西安在售二手房的相关数据，建立数学模型，解释影响西安二手房价格的因素，为有意购买二手房的家庭提供建议。
根据经济学理论，选择合适的影响因素作为变量，建立多元线性回归模型，在对OLS模型进行检验和修正之后，来反映和预测具体一间二手房屋的价格决定机理。
对选取的二手房房价显著影响因素数据进行预处理。
采用主成分分析法PCA，结合MATLAB软件，使得原来的多个变量线性组合成较少新变量，降低分析难度。
进而，我们运用Eviews软件进行多元线性回归，建立OLS模型，并进行相关检验，以验证模型的准确性。
（一）模型准备（1）变量选取。
根据日常生活与经济学原理，得出以下9个对西安市二手房价格有影响的因素，并对各变量进行量化、标准化、同向化处理。
各变量代号如下：X1-中介公司规模，取值范围Z∈[1，331]；X2-房屋总面积，取值范围Z∈[24，1133]；X3-卧室数，取值范围R∈[1，8]；X4-厅数，取值范围R∈[1，6]；X5-建造时间，取值范围Z∈[1，7]；X6-所在城区，取值范围R∈[0.02，0.265]；X7-小区区位，取值范围Z∈[20，100]；X8-楼盘总层数，取值范围Z[∈4，34]；X9-所在楼层，取值范围Z∈[1，3]；Y-二手房单价。
城市房价的多元回归分析研究
城市房价的多元回归分析研究房价过高成为扩大内需的抑制因素。
针对引致房价过高的各项因素，以西安房价为例，用多元回归模型进行分析，通过修正模型找出对其有显著影响的因素，最后针对国内房价的高低利弊进行了总结并提出了相应的对策。
标签：影响因素；计量模型；房价住房是一种特殊的、最重要的消费品，房价是否合理关系到居民住房消费和居住权的问题。
过高房价对扩大内需，促进经济平稳增长和社会稳定都起到一定的抑制作用。
房地产作为我国的支柱产业，它的制度完善与否关系到城市化进程和国际民生，所以对房价的影响因素的研究是非常重要的。
房价普遍偏高以及金融杠杆等相关调整的措施下，由于房贷受多种因素的限制，一些收入不高的首次购房者就有可能丧失购买能力，只能停留在租房阶段，对于那些住在新商品房，面积不足的人来说，他们改善居住条件也遇到了一定的困难。
如此一来环环相扣的“消费链”很有可能发生“断流”。
这一层面的需求却在市场总需求上占很大一部分。
在这样的背景下，依据房价会围绕均衡价格变化的规律，需要有关部门掌握房地产的均衡、稳定价格，进而制定出正确的政策，预防房价的大起大落和房地产泡沫的形成。
这需要我们掌握房价的真实变化规律，并能进一步预测房价的增长趋势，使政府做出有利于房价稳定的合理决策。
本文以西安的商品房价格为例，以构建的计量经济学模型进行实证分析。
通过多元回归方程找出的房产价格和其影响因素之间的相关关系及其相关系数来建立它们之间的回归方程，并进行检验。
最后，通过分析影响住房实际价格的因素，找出对房价影响显著的因素。
1理论基础回归分析就是对具有相关关系的变量之间数量变化的一般关系进行测定，确定一个相关的数学表达式，以便于进行估计的统计方法x1，x2，x3……xp是p 个可以精确测量或可控制的变量。
如果变量y与x1，x2，x3…….xp之间的内在联系是线性的，那么进行n次试验，可得n组数据:（yi，xi1，xi2，…，xip）i=1，2，…n，它们之间的关系可表为:y1=b0+b1x11+b2x12+…+bpx1p+u1；y2=b0+b1x21+b2x22+…+bpx2p+u2…;yn=b0+b1xn1+b2xn2+…+bpxnp+un.其中，b0，b1，…，bp是p+1个待估参数。
西安市商品房房价影响因素的实证研究——基于多元线性回归模型分析
西安市商品房房价影响因素的实证研究薄鑫 孙英隽（上海理工大学）【摘要】 西安市是我国西北地区典型二级省会城市，不仅历史悠久，而且是我国少有的历史文化旅游胜地，一直保持“全国文明城市”的荣誉称号，是很多人向往的居住之地。
本文选取西安市2006～2015年商品房价格作为研究对象，运用多元线性回归模型对其价格影响因素进行实证分析。
研究表明影响西安市商品房房价的主要因素有以下四点：商品房销售面积、房地产开发企业住宅竣工房屋面积、居民消费价格指数CPI、新建住宅销售价格指数。
【关键词】 西安市；商品房；价格；实证研究；管理建议—基于多元线性回归模型分析【作者简介】薄鑫（1993—），女，硕士在读，上海理工大学管理学院。
西安购房者约可分为三类：1.刚需人群；2.改善居住条件人群；3.投资人群。
随着政府限购，加之国家“二孩”政策的出台，在供需不平衡的情况下刚需购房人群会急剧增多，然而价格不稳定性会导致整个房地产市场的混乱。
纵观2017年西安楼市调控政策密集出台，从限购、限价、限贷，再到限售，目前已基本遏制住房价飞速上涨的势头。
明确影响西安市商品房房价的主要因素有哪些，会直接引导政府更加精准地调控房地产市场，为购房者理性购房提供参考，也有利于西安房地产市场更健康稳定发展。
我国对各地商品房价格的预测多数从时间、人口、GDP等因素入手。
如丛凌博（2012）[1]从年末总人口、市区生产总值、利率、商品房销售面积、房地产开发投资、商品房竣工面积分析哈尔滨的市场情况，得出影响房价的主要因素是GDP和人均工资的结论。
王晓英（2016）[2]使用逐步回归分析法，找出影响价格的因素主要有土地购置费、竣工房屋造价、城镇居民人均可支配收入、GDP，从而指导政府从这些方面入手调控房价。
徐锦、叶子青（2017）[3]使用VAR模型对武汉市武昌区的商品房价格影响因素进行分析，得出商品房价格主要受到GDP和大宗商品价格指数共同影响。
杨书波，杨之辰（2017）[4]使用统计分析方法建立多元回归模型对南昌市商品房的价格进行分析，得出影响房价的显著因素为GDP、居民可支配收入和房地产开发投资。
商品住宅价格变化驱动力研究
商品住宅价格变化驱动力研究摘要：商品住宅价格是住宅市场运行的核心机制，它的变化不仅影响到住宅市场的健康发展，而且也与广大住房消费者的切身利益直接相关。
然而商品住宅价格的变换又是受诸多因素影响的，本文以西安市2001-2005年商品住宅销售均价数据及其它社会经济因素数据为基础，通过主成分分析方法，研究了影响西安市商品住宅价格变化的主要驱动力，从而为政府进行宏观调控提供依据。
关键词：商品住宅；价格；主成分分析近年来，商品住宅的消费已经成为整个房地产行业发展新的驱动力。
但是，随着国民经济的快速发展，商品住宅价格的快速上涨已经成为全社会十分关注的焦点。
由于商品住宅不仅是生产和生活的必需品，而且也是一种资产或财富。
商品住宅的价格的微小变化既关系到普通居民的生产和生活问题，也关系到一个城市发展潜力和竞争力，更关系到国家经济发展的稳定、宏观经济政策等。
一、商品住宅价格影响因素理论分析商品住宅价格的形成受多种因素的影响或制约，是由多种因素相互制衡的结果，本文从房地产市场的参与各方角度以及商品住宅市场自身出发，对影响商品住宅价格变化的因素归为五大类。
1.房地产开发商因素开发商是商品住宅的开发主体，开发商进行商品住宅开发是以获得未来的房地产资产增值或收益为最终目的。
因此，开发商在项目开发前期的土地取得成本和开发商所选用的建筑商在建设期对商品住宅建造成本直接影响到商品住宅建成后的定价。
2.商品住宅市场供求因素商品住宅价格水平的高低及其变动，从经济学上讲，是由商品住宅市场的供给和需求这两种相反的力量共同作用的结果。
在市场经济中，供求关系是商品住宅价格变化的关键，如果住宅市场供不应求，商品住宅价格将超出其生产价格，反之则有可能低于其生产价格。
此外，在短期内或某一时点上的价格决定和变动都是由市场供求关系来完成的，供求关系是决定市场价格的最直接的因素。
3.地方政府政策因素房地产业是一个区域性的产业，随着住宅产业的快速发展，许多地方政府将房地产业列入地区经济发展的重要支柱产业之一。
用回归分析预测房价走势
用回归分析预测房价走势随着房地产市场的不断发展，对于房价走势的预测也越来越受到关注。
而回归分析作为一种经典的预测方法，被广泛应用于房价预测中。
本文将从回归分析的基本原理、建模方法和预测结果等方面介绍如何用回归分析预测房价走势。
一、回归分析的基本原理回归分析是一种统计学方法，用来研究变量之间的关系。
在房价预测中，回归分析可以用来研究房价与其他变量之间的关系。
假设我们有n个样本数据，每个样本数据包含p个变量，其中一个变量是我们要预测的房价。
我们可以使用回归分析来找到其他变量与房价之间的关系，以此来预测未来房价的走势。
回归分析基于一个最基本的假设，即自变量和因变量之间存在某种确定性的关系，这个关系可以用一个数学函数来表示。
这个数学函数被称为回归方程，它描述了自变量与因变量之间的关系。
回归分析的目的就是通过样本数据找到一个最优的回归方程，以此来预测未知数据的结果。
二、回归分析的建模方法在房价预测中，常常使用多元线性回归分析。
多元线性回归分析可以用来研究多个自变量与因变量之间的关系，以此来预测房价走势。
下面我们将介绍一下多元线性回归建模的具体步骤。
1. 数据准备：收集房价相关的数据，包括自变量和因变量。
自变量可以是房屋面积、位置、年龄、学区等等。
因变量就是我们要预测的房价。
2. 数据分析：对收集到的数据进行探索性分析，查找变量之间的相关关系。
可以使用散点图、相关系数等方法来分析变量之间的关系。
3. 变量筛选：根据数据分析的结果，筛选出与因变量相关性较强的自变量。
可以使用正向选择、逆向选择、向前选择、向后选择等方法进行变量筛选。
4. 建立模型：选择最优的自变量组合，建立多元线性回归模型。
模型的形式为：Y=a+b1X1+b2X2+...+bpXp+ε，其中a为截距，b1~bp为自变量的回归系数，ε为误差项。
5. 模型评估：使用各种评估指标来评估模型的预测能力。
常用的评估指标包括均方误差、可决系数、F检验等。
三、预测房价走势经过以上步骤，我们已经建立了一个房价预测模型。
基于主成分分析的商品住宅价格预测研究——以西安市为例
基于主成分分析的商品住宅价格预测研究——以西安市为例闫燕;刘开瑞
【期刊名称】《西安电子科技大学学报（社会科学版）》
【年(卷),期】2011(000)004
【摘要】近几年来,随着我国社会经济的不断发展以及城市化速度的加快,国内各大城市的商品住宅价格不断攀升,即便是在政府不断加强宏观调控力度的情况下,商品住宅的价格仍然呈走高趋势。
针对这种现象,对房地产市场商品住宅价格的研究就显得十分必要。
文章首先对西安市住宅房地产市场价格进行了分析;然后,在此基础上运用描述性统计分析方法有针对性的分析了影响西安市住宅价格的各个因素,并引入主成分分析方法进一步对影响西安市住宅价格的因素进行了实证研究,并得出结论。
其次,基于主成分分析的结果,并结合计量经济学回归预测理论建立住宅价格预测模
【总页数】7页(P52-58)
【作者】闫燕;刘开瑞
【作者单位】陕西师范大学国际商学院,陕西西安710062;陕西师范大学国际商学院,陕西西安710062
【正文语种】中文
【中图分类】F293.346
【相关文献】
1.基于多元目标的主成分分析的热岛效应成因研究——以西安市为例 [J], 冯晓刚;撒利伟;石辉
2.商品住宅价格空间分布与城市区域价值研究——以西安市为例 [J], 李玲燕;刘晓君
3.新疆阿拉尔市基于主成分分析的商品住宅价格预测研究 [J], 吴英;于海波
4.商品住宅价格空间分异的特征与机制研究--以西安市为例 [J], 王东红;李开宇;郝凤娇;姚蓉
5.住宅空间分异特征分析及区域价值研究——以西安市2011年开盘在售商品住宅为例 [J], 李佳;杨新军;舒桐
因版权原因，仅展示原文概要，查看原文内容请购买。
多重共线性对房价分析的影响及其修正——基于《西安市商品房价格影响因素分析及预测》一文的讨论
西安科 技大 学 的硕士研 究生 丁建 国在其 硕士 学
位论文 《 西安市商 品房价格影响因素分析及预测》 （ 以下简称 《 西》）中，指出西安市商 品房价格 的 影 响 因素 包 括 西 安 市 Ｇ Ｐ Ｄ 、人 均 可 支 配 收 入 、非
农 人 口数 、住 宅 平 均造 价 、竣 工 面积 、销售 面 积 、
将 主要 对其 多重共 线性 问题进 行讨 论 。
（ ）数据 的准确性 问题 一
１ ，而其 在 回归方程 中却 “ ） 变为”２ ６ （ １ 。 ．５ 式 ） ５
该 文此 后 的定量分 析与 预测 均是基 于这 一方程 。由
于方程的系数并没有反映实际的统计结果 ， 那么该
文 的分 析与 预测结 论必 然是不 科学 的 。
３２ ５ ５１ ４２ ５
．
１ ．０ ０１６
．０２ ０ ｂ
３ １２ ７ ２１ ２
．
系数 ，虽 然使 得 分析
得 以 继 续 ，但 是 其 分
ａ ｒｄｃ ｒ（ ｎｔｎ） 均 可 支 配收 入 ． ｅ ｉｏｓｃｏ ｓ ｃ人 Ｐ ｔ ： ａ ，
工面积 ”项 采用 了统计 年鉴 中的 “ 市属 固定 资产投
资”的 “ 住宅竣工面积”条 目。该项数据反映的是 西安市 市属 经济 体营建 住宅 的竣 工面积 ，其 中包 括
白 变量之间存在着多重共线性。本文将重点探讨该 模型的多重共线性问题 ，并尝试采用差分法重新构 建 分 析 模 型 ，以 克 服 线性 回归 中 的 多重 共 线 性 问
题。
城镇投资和房地产开发两部分 ，而城镇投资部分的 住宅并 不参 与房 地产 市场 流转 ，对 于商 品房 价格 并
不构成 直接 的影 响 。另一方 面 ，房地产 市场 中流转 的住 宅产 品不仅 包括市 属 经济体 营建 的 ，还应 包括
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
其主要特征在于采取一种数学降维的方法，找出几个综合变量来代替原来众多的变量，使这些综合变量能 尽可能地代表原来变量的信息量，而且彼此之间互不相关［11］。
主成分分析的步骤一般如下： （ 1） 原始数据进行标准化处理。（ 2） 计算样本相关系数矩阵。（ 3） 求
相关系数矩阵 R 的特征值 （ λ1 ，λ2 …λp） 和相应的特征向量 （ μ1 ，μ2 …μn ） 。 （ 4） 献率。（ 5） 计算主成分得分，并写出主成分表达式 （ Z1 ，Z2 …Zn） 。
［摘 要］ 研究以西安市为例，选取影响房地产价格的人均 GDP X1 、总人口 X2 、城镇居民人均可支配收入 X3 、 土地购置费 X4 、房屋造价 X5 等 11 个可以量化的因素，采用 SPSS 软件进行主成分分析，将 11 个因素转化为 3 个主成分，然后建立模型，采用回归分析方法对 3 个主成分与各个年份房地产价格的关系进行分析，并对 2012 － 2015 年房地产均价进行预测。从预测结果来看，预测结果实际值与预测值的差异较小、精度较高，预测值可 以在一定程度上反映西安市房地产市场状况，预测模型及预测结果能够为房地产企业以及政府、购房者的决策 提供参考。 ［关键词］ 房地产价格； 主成分分析； 线性回归； 西安市 ［中图分类号］ F293． 357 ［文献标识码］ A ［文章编号］ 1008 － 4649 （ 2013） 01 － 0072 － 06
156426 302200 204900 381412 669495 543862 873909 1423668
X10 5446 5816 6419 6805 7428 7900 8987 10098 12016 14251 16543 18503
2051． 81 2278． 55 2052． 41 2092． 46 2398． 84 3096． 47 3141． 00 3627． 37
表 2 总方差解释表
因子 X1 X2 X3
特征值 8． 383 1． 051 1． 006
方差贡献率 （ % ） 76． 212 9． 554 9． 148
累积方差贡献率 （ % ） 76． 212 85． 766 94． 914
表 3 主成分载荷
因子 X1 X2 X3
主成份 1 0． 991 0． 889 0． 985
相应的研究所选指标较少，不能够较为全面地反映影响房地产价格的各个影响因素。为此，笔者参考相关
文献，选取 11 个影响房地产价格的指标，然后进行了定量的主成分回归分析，具有一定的创新性，能够
为相关研究提供一些参考。
（ 二） 主成分分析方法
主成分分析是由皮尔逊 （ Pearson，1901 年） 首先引入，后来被霍特林 （ Hotelling，1933 年） 发展，
2624 2851 3317 3379 3906 3890 4453 4988 X6 6758300 8008600 9880400 12105600 14328600 17167600 19505300 20023800 25137000 30842000 36410900 41911400
15294 16406 18890 22463 27794 32411 38355 45676
X7 34． 72 23． 43 23． 35 26． 11 25． 27 25． 42 27． 3 26． 99 28． 63 27． 85 20． 62 29． 91
725． 00 806． 81 822． 52 830． 54 837． 52 843． 46 846． 78 851． 34
X8 42． 07 42． 51 28． 12 25． 29 23． 31 16． 63 16． 76 16． 57 14． 17 9． 51 6． 92 7． 72
一、国内文献综述及计量方法
（ 一） 国内文献综述
［收稿日期］ 2012 － 10 － 05 ［作者简介］ 洪增林 （ 1963— ） ，甘肃省陇西县人，长安大学地球与资源学院教授，博士，土地估价师，陕西省土地 学会副理事长。 * ［基金项目］ 国家自然科学基金资助项目 （ 41040011） ； 国家外专局和教育部项目 “高等学校学科创新引智计划 （ 111 计划） （ B08039） 。
72
洪增林，等． 基于主成分回归分析的西安房地产价格走势 ［J］． 陕西广播电视大学学报，2013，（ 1） ．
对国内关于房地产价格的影响因素的文献进行整理发现，目前的研究重点侧重于土地价格［1 － 2］、货币 政策［3］、银行信贷［4］、投资性 需 求［5］ 等 方 面， 基 于 主 成 分 回 归 方 法 进 行 分 析 预 测 方 面， 只 有 范 通 达［6］、 周振勇［7］、何梓霖［9］等一些学者就其专业领域做出了相应的研究，就基于主成分分析法对房地产价格各 影响因素进行降解，然后进行回归分析预测也仅有闫燕［9］、胡磊［10］等进行了相应的研究。回顾文献发现，
住房是关系到国计民生的重大问题，目前房价问题已经成为一个引起广泛关注的重要经济问题和社会 问题。2012 年温家宝总理在十一届全国人大四次会议政府工作报告提出： “进一步落实和完善房地产市场 调控政策，坚决遏制部分城市房价过快上涨势头”； “稳定房价和住房保障工作实行省级人民政府负总责， 市县人民政府负直接责任。有关部门要加快完善巡查、考评、约谈和问责制度，对稳定房价、推进保障性 住房建设工作不力，从而影响社会发展和稳定的地方，要追究责任”。可见中央政府对房地产价格调控的 决心和信心不回动摇，并从稳定和抑制房价方面为房地产的健康稳定发展奠定了政策基调。陕西省 2012 年政府工作报告中明确提出： “支持房地产市场健康平稳发展，多渠道增加住房有效供给，满足自住性、 改善性的商品房需求”； “强化各级政府的责任，充分发挥省保障性住房建设公司的作用，继续抓好保障 性安居工程建设，加快建设进度，确保工程质量”。陕西省围绕制定一系列的房地产政策其目的也在与保 持房价平稳，维护房地产市场的健康发展。在这一大背景下有必要对房地产市场的总体趋势做出判断，对 房价问题进行深入分析。为此，笔者以陕西省西安市为研究区域，采用主成分分析法和回归分析法对西安 市房地产价格各个影响因素进行了分析并对未来价格走势进行预测。
X4 31458 121220 84198 192245
X5 839． 00 1176． 00 1120． 23 1612． 02
73
洪增林，等． 基于主成分回归分析的西安房地产价格走势 ［J］． 陕西广播电视大学学报，2013，（ 1） ．
2004 2005 2006 2007 2008 2009 2010 2011 年份 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
8544． 00 9627． 90 10905． 40 12662． 00 15207． 00 18963． 00 22244． 00 26962． 00
X9 212． 90 225． 30 252． 90 252． 70 305． 50 497． 30 621． 50 833． 90 760． 70 1256． 02 1587． 81 1796． 03
－ 0． 013
X7
－ 0． 057
0． 863
X8
－ 0． 889
0． 270
X9
0． 981
0． 056
X10
0． 990
0． 027
X11
0． 295
0． 415
0． 057 － 0． 156 － 0． 039 － 0． 488 0． 129 0． 046 － பைடு நூலகம்． 012 0． 847
2、主成分特征向量及得分计算
表 1 2000 － 2011 年西安市房地产价格及影响因素数据
年份 2000 2001 2002 2003
Y 1509 2095 2042 2148
X1 9484 10628 11831 13341
X2 688． 00 694． 80 702． 60 706． 60
X3 6364． 20 6704． 90 7183． 50 7748． 40
个被解释变量 （ 因变量） 与两个及两个以上解释变量 （ 自变量） 之间线性关系的，通常采用多元线性回 归预测法，其实质上就是一元线性回归的特例［11］。
线性回归的基本步骤如下： （ 1） 确定自变量和因变量； （ 2） 建立回归模型，估计各个参数； （ 3） 统 计检验。包括拟合优度检验 （ R2 检验） 、方程总体线性显著性检验 （ F 检验） 和变量的显著性检验 （ T 检
X11 4． 59 4． 59 4． 59 4． 05 4． 23 4． 41 4． 59 5． 01 4． 51 3． 87 4． 90 4． 90
（ 二） 房地产价格影响因素的主成分分析 1、主成分个数及主成分载荷计算 由表 2 可以看出，特征值 λ1 = 8． 383，λ2 = 1． 051，λ3 = 1． 006 （ 其他的特征值小于 1，未列出） ， 前 3 主成分的累积贡献率为 94． 914% ＞ 85% （ 表 2） ，为此确定主成分的个数为 3，对应的主成分载荷见 表 3。 由因子得分系数绝对值大于 0． 5 的原则，第一主成分主要由 X1 、X2 、X3 、X4 、X5 、X6 、X8 、X9 、 X10 支配，反映了人口状况、收入与储蓄水平、房屋成本及房屋销售情况； 第二主成分主要由 X7 支配，反 映了房屋开发投资情况； 第三主成分主要由 X11 支配，反映了金融政策。
2013 － 03 － 15 第 15 卷 第 1 期
【经济论坛】
陕西广播电视大学学报 SHAANXI RTVU JOURNAL
Mar． 15，2013 Vol． 15 No． 1
基于主成分回归分析的西安房地产价格走势*
洪增林1，2 ，马卫鹏1* ，余永林1