数模论文最终房价预测版
关于房价问题的数学模型论文
关于房价问题的数学模型摘要房价问题事关国计民生，对国家经济发展和社会稳定有重大影响。
那么，房价究竟应该什么位置才合理呢？温家宝总理表示：合理的房价应该是使房价与居民的收入相适应，房价与投入和合理的利润相匹配。
问题一：本文首先考虑到房价肯定是受多种因数的影响，如：人均可支配收入、开发成本、预期利润、政府税收、人们需求等，运用层次分析法寻找影响房价的主要因数；接下来运用多元线性回归将房价与主要因数联系起来,并运用前六年的数据（北京地区2001--2006）将相关系计算出来；最后运用线性规划寻找合理房价的最大值与最小值。
问题二：在问题一的模型上，运用相关数据可得结果如下：年份2004 2005 2006 2007 2008 2009 2010合理房价最5081.59 5461.39 6158.25 7669.06 8610.17 9323.76 10137.35 大值（元）表一：北京2004--2010年合理房价最大值图年份2004 2005 2006 2007 2008 2009 2010合理房价的4990.18 5223.66 5652.06 6580.84 7159.39 7598.08 8098.24最小值（元）表二：北京2004--2010年合理房价最小值值图关键词：层次分析法多元线性回归线性规划 matlab 房价收支比一、问题的重述2012年3月14日，全国“两会”闭幕，温家宝总理接受中外记者提问。
针对《人民日报》记者提出的关于房地产业的问题，温家宝总理表示：合理的房价应该是使房价与居民的收入相适应，房价与投入和合理的利润相匹配。
目前的房价还远远没有回到合理价位，调控不能放松。
房价问题事关国计民生，对国家经济发展和社会稳定有重大影响。
那么，房价究竟应该什么位置才合理呢？一、建立衡量一个城市平均房价的数学模型。
二、收集绵阳市或某个其他城市的相关数据，然后用问题一中建立的模型给出该城市平均房价的合理区间。
房地产价格指数交易综合评价(数学建模论文)
房地产价格指数交易综合评价摘要本文主要针对房地产价格指数综合评价体系进行研究。
对于问题一，我们建立GM（1，1）模型来预测未来房地产的价格指数；考虑到题中所给的价格指数灵敏度过高，我们采用改进的灰色模型，把原数据三种价格指数换算为相对于2000年为100计算的价格指数，预测好值后再还原。
结果表明，这种改进使得拟合效果非常好。
最后我们得到2008年全国及35个大中城市的房屋租赁价格见表2，并对结果进行分析和解释。
对于问题二，考虑到题目中给出兰州市各年份房地产交易价格指数的相邻关系，拟可以建立回溯递推模型，通过2008年的房屋平均销售价格和房屋租赁平均价格求出2001年的房屋平均销售价格和房屋租赁平均价格分别为：3333.0元和14.6元。
对于问题三，我们通过一定的方法将数据予以排序筛选，找出了这35个城市8年间房屋销售价格增长速度最快和增长速度最慢的三个城市见表5。
对于问题四，通过对所得数据的分析，我们对全国各个城市分类分析，分别说明了各个类型的特点、发展趋势以及国家应采取的措施。
关键词：GM（1，1）模型最小二乘法 EXCEL数据处理 MATLAB拟合1. 问题的提出房地产开发与交易严重影响着城市居民的生活水平与生活质量，也影响着一个城市的经济发展水平。
近10年来，随着国家开发力度的加大和居民的生活需求的不断增多，全国的房地产销售也一路攀升，特别是近几年，住房价格的上升超出了城市居民的承受能力，给许多家庭带来了严重的住房压力，而且这几乎是个全国的普遍性问题。
面对这个问题，政府及时进行了有效的调控，但由于全国的各省市的经济发展不平衡，需要针对各地的不同情况进行有针对性的调控，再加上房地产交易这种商品的特殊性，使得政府往往无法获得全面的信息，且获得信息也需要有一定的周期。
因此，这种特殊性就给政府的调控带来了一定的难度。
房地产价格指数包括房屋销售价格指数、房屋租赁价格指数和土地交易价格指数。
目前，我国房地产市场主要集中在大中城市，据估计，全国35个大中城市的房地产投资额约占全国的70%多，，附表给出了我国35个大中城市从2001—2008年房地产交易价格指数的调查数据，通过对该调查数据的统计分析，解决一下问题：(1) 附表中2008年的土地交易价格指数和房屋租赁价格指数数据暂时缺少，采用一定的数据处理方法给出该年度的房屋租赁价格指数。
房价数学模型预测
威海房价的模型预测摘要随着全国房价的高速上升，在这几年过程，一直有关于房价拐点的争论。
在此，我们尝试对此问题做初步探讨。
首先，本文分析了许多可能影响房价的因素，并从中挑选出三个最主要的因素，即物价水平、税收、适婚人口数。
进而根据数学知识，建立了威海房价中短期预测模型，房价为Y(t)。
Y(t)=a*dS(t)/dt+b*dX(t)/dt+c*r*dm(t)/dt+N再利用数学模型，结合威海地区2004-2011房价资料，预测2012-2013年的房价。
预测得出房价大约5500元/平。
最后，根据前面得到的结果，我们预测房价拐点会在2060年左右到来，由于近几十年房价不会降，所以我们建议买房人密切关注房价走势和政府有关政策，如果有条件还是尽量买房吧，买房保值增值。
关键字：房价预测威海数学模型一问题重述全国房价一直在高速上升，在这几年过程，一直有关于房价拐点的争论。
是否楼市的拐点真的到来？影响房价的因素众多，大的方面有，国家的宏观经济环境，国家的宏观调控，地方政府对宏观调控的执行力，人民的住房需求，热钱的投机。
而宏观调控的手段众多，如廉租房建设，经济适用房建设，提高税收，打击投机，企业房贷资金紧缩，提高准备金率，不批准房地产企业上市圈钱等等。
1、从影响房价的因素中挑选出最主要的因素，说明理由。
2、建立房价中短期预测模型。
3、收集威海地区2004-2011房价资料，用前面的模型预测2012-2013年的房价。
4、根据3的结果，写一个500字的报告，论证房价的拐点是否到来，并给买房的人具体意见。
二模型的基本假设1.我们收集的数据在误差允许范围内真实有效；2. 2015 年之前房地产业健康稳定发展；3.在着重讨论主要因素时，其他的次要因素对主要因素的影响可以忽略；4假设剔除材料中空缺的数据对计算结果没有影响；三符号说明四问题分析与模型准备房价是受许多因素影响的，包括国家宏观经济环境，国家的宏观调控，地方政府对宏观调控的执行力，人民的住房需求，热钱的投机，而宏观调控的手段众多，如廉租房建设，经济适用房，提高税收，打击投机，企业房贷资金紧缩，提高准备金率，不批准房地产企业上市圈钱等。
数学建模-终极版
数学建模论文题目：住房投资分析姓名1：学号：姓名2：学号：姓名3：学号：题目：住房投资分析摘要随着房地产业的不断升温，越来越多的家庭开始将余钱投资在房地产业。
但在进行房产投资时，由于房产评估、国家政策以及价格走势的不确定性，需要运用各种数学手段对其进行分析，以达到让投资人获取最大利益的目的。
在本文中，我们研究了近期的房产数据，提出了住房投资方面较好的解决方案，对某一城市的下一阶段房地产投资进行了分析并提出了最优的投资方案。
在投资住房初期，通过构建价格需求函数并且利用最小二乘法和matlab工具来确定购房时的房产最优价格。
通过查阅近期数据,利用上述方式求得最小二乘解为2元／，该解符合实际生活，具有相当的可信度。
5591m2.本问题中考虑到由于该市各地区的地域不同，造成在投资初期买入房价的不同，因而分为城东、城西、城南、城北和城内进行分析计算。
在购入房产之后，通过分析先前政府公布的数据并且利用matlab中的数据拟合方法来预测一年之后的房产价格，进而确定出售房的利润收入，然后通过假定房间租赁价格恒定来确定选择租房方式时的利润，根据投资者的不同需求提出投资建议。
计算租赁利润时我们引入了房屋折旧率，并且考虑了房屋装修费用，采用java语言进行了编程计算，求得租赁20年之间的总收入与利润收入（由于之后若干年政府政策的不确定性与金融市场的周期波动性，我们暂不考虑国家的通货膨胀对房产收益造成的影响）发现在租赁若干年后利润才会超过售房利润收入。
因此，在实际投资中，需要根据实际年限进行分析，以确定最优化的解决方案。
另外，经过查阅近年来金融市场状况，认定现阶段股票投资风险性过大，极容易出现资金亏损，因此不建议投资者在近期进行股票方面的投资；自05年以来，基金平均收益率高达52.25%，但是伴随着极大的风险性，故建议对市场变化敏感、经验丰富的投资者选择基金投资渠道。
第一章问题重述在缺乏可靠投资渠道的情况下，有些家庭选择利用余钱或贷款购置房屋进行投资。
数学建模房价预测
一、问题重述1.1背景分析自1998年我国实行住房改革以来，房地产行业已经逐渐成长为拉动中国经济增长的龙头产业。
近几年在国家积极的财政政策刺激下，我国房地产市场处于不断发展阶段。
然而，与美国等发达国家住房市场进入成熟期不同，我国正处在城市化和工业化进程加速阶段，住房水平低和需求比较旺盛，这是我国住房市场快速发展的重要基础。
中国房地产一方面在快速发展之时，在总体上对经济社会的发展确实起到了促进作用；另一方面由于不规范的房的销售价格行为、地价的上升造成放的开发成本提高等因素造成房价不断上涨，严重超出了普通居民的购买能力，给其造成了巨大的购房压力。
1.2问题重述根据近几年中国沈阳房地产市场现状，解决以下四个问题：(1)结合对房地产的了解，收集近几年沈阳房地产的价格走势，预测未来沈阳房价的状况。
(2)结合对上海市近几年来房价的了解，分析并建立合理的数学模型，得出“国五条”具体怎样影响房价。
二、问题分析2.1对于问题一的分析问题一要求根据近几年上海房地产的价格走势，来预测未来三年上海房价的情况。
首先，通过在《沈阳统计年鉴》找到上海近几年的房价, 为得到较为准确的预测，我们选取了最近十年上海的房价，因为长时间的数据能反映更多更合理的问题，不会太过片面对结果造成较大偏差。
历时十年，期间政府的宏观调控或制定的稳定物价等等措施必然会对房价造成影响，如果考虑政策措施和其他因素的影响，问题将变得非常复杂。
反而，我们可以将这些因素看作市场经济的调控，房价因受到这些因素影响而产生变化。
那么，实际呈现出来的房价变化就应该是有效的房价变化。
我们在模型的假设部分阐述了不考虑政府的政策措施对近几年房价的影响。
综合了以上分析，我们将搜集到的数据整理制成表格，绘制出年份-房价变化折线图，可以发现随着年份的增长，上海房价也在不断增长，且在一条直线周围上下波动，因此我们建立一元线性回归模型，来寻求上海房价与年份的线性关系。
然后根据最小二乘法来确定其中参数（一次项系数和常数项）的值，最终确定此回归方程。
房价预测论文(设计)
数据：年份平均房价（元/㎡）2001 1872 2002 1975 2003 2096 2004 2868 2005 3219 2006 3678 2007 4276 2008 48572009 49232010 59372011 6675时间序列分析1一般概念：系统中某一变量的观测值按时间顺序（时间间隔相同）排列成一个数值序列，展示研究对象在一定时期内的变动过程，从中寻找和分析事物的变化特征、发展趋势和规律。
它是系统中某一变量受其它各种因素影响的总结果。
研究实质：通过处理预测目标本身的时间序列数据，获得事物随时间过程的演变特性与规律，进而预测事物的未来发展。
它不研究事物之间相互依存的因果关系。
假设基础：惯性原则。
即在一定条件下，被预测事物的过去变化趋势会延续到未来。
暗示着历史数据存在着某些信息，利用它们可以解释与预测时间序列的现在和未来。
近大远小原理（时间越近的数据影响力越大）和无季节性、无趋势性、线性、常数方差等。
(4)研究意义：许多经济、金融、商业等方面的数据都是时间序列数据。
时间序列的预测和评估技术相对完善，其预测情景相对明确。
尤其关注预测目标可用数据的数量和质量，即时间序列的长度和预测的频率。
自回归时间序列分析：利用前期若干时刻的随机变量的线性组合来描述以后某时刻随机变量的线性回归模型。
2.变动特点(1)趋势性：某个变量随着时间进展或自变量变化，呈现一种比较缓慢而长期的持续上升、下降、停留的同性质变动趋向，但变动幅度可能不等。
(2)周期性：某因素由于外部影响随着自然季节的交替出现高峰与低谷的规律。
(3)随机性：个别为随机变动，整体呈统计规律。
(4)综合性：实际变化情况一般是几种变动的叠加或组合。
预测时一般设法过滤除去不规则变动，突出反映趋势性和周期性变动。
3. 特征识别认识时间序列所具有的变动特征，以便在系统预测时选择采用不同的方法。
(1)随机性：均匀分布、无规则分布，可能符合某统计分布。
大学生数学建模_房价预测
大学生数学建模_房价预测
一、问题的提出房地产问题一直是人们的热议话题，尤其是近几年更是成为人们关注的问题。
不错，房地产作为一个行业，不仅关系国家经济命脉，它还是影响民生问题的主要因素，所以搞好房产建设不仅是国家与房产商的任务，我们也应了解其中的一些运作原理来帮助我们更好的适应社会环境。
为此，对房产业的了解就显得颇为紧急，而房价问题一直是人们关注的首要问题，下面我们将用数学模型来解决房产中的以下实际问题，仔细分析影响房价的因素以及它们之间的关系。
问题一：通过分析找出影响房价的主要原因并且通过建立一个城市房价的数学模型对其进行细致的分析。
问题二：分析影响房价主要因素随时间的变化关系，并且预测其下一阶段的变化和走势。
问题三：选择某一地区(以西安为例)，通过分析____年至____年房价变化与影响因素之间的关系，预测下一阶段该地区房价的走势。
问题四：通过分析结果，给出房产商和购房者的一些合理建议。
二、模型假设和符号说明假设假设
一、房地产产品具有一定的生产周期假设
二、房价的计算只考虑人均可支配收入和生产成本假设
三、理想房价是仅基于成本得到的房价，不考虑供求假设
四、成本的花费包括地价(地面地价)、建筑费用和各种税收假设
五、不考虑其他影响如(地理位置，环境等)符号说明：_1代表人均可支配收入，_2代表建造成本，y为房产均价,其中a和
三、模型建立与求解我们主要用到的是数学模型是用最小二乘法对影响房价的各个因素进行拟合，从而解除出性方程组，其中用到的主要数学软件是matla。
房价问题的数学建模论文
一、问题重述房价问题事关国计民生，对国家经济发展和社会稳定有重大影响，一直是各国政府大力关注的问题。
我国自从取消福利分房制度以来，随着房价的不断飙升，房价问题已经成为全民关注的焦点议题之一，从国家领导人、地方政府官员，到开发商、专家学者、普通百姓通过各种媒体表达各种观点，但对于房价是否合理、未来房价的走势等关键问题，至今尚未形成统一的认识。
由于住房是人们的一项基本需求，同时住房花费又在总支出中占有很大比例，因此房屋价格势必对人们生活乃至社会稳定产生重大影响。
关于房地产的研究主要集中于以下问题：问题一：从我国一线、二线、三线城市中分别取北京、重庆、呼和浩特为样本，分析其房价是否合理。
问题二：分别对北京、重庆、呼和浩特的房地产价格进行预测。
问题三：探讨使得房价合理的具体措施，以及可能对经济发展产生的影响。
二、问题分析2—1. 问题1分析本问是要我们通过分析相关数据，找出影响房价合理性的主要因素，然后根据这些因素建立一个城市合理房价的数学模型。
针对本问，通过查阅相关资料并根据已有的数据，确定出某城市房地产价格合理性主要由：经济形势（由固定资产投资表示），人民生活水平（由该城市人均可支配收入表示），消费者对房地产价格的预期（由国家房地产景气指数表示），实际贷款利率，共四个可量化的因素影响，通过这四个因素，我们通过建立经济学的合理价格模型，最终求得该城市房地产合理价格。
2—2. 问题2分析本问是对房价走势进行预测分析，住房作为商品，还兼具生活享受品和投资品的特征，因此，影响房价的因素不仅仅是成本和简单的供需要求，还包括更重要的市场因素、经济因素（如人均收入、政府调控等），建立具体的分析模型比较困难，我们可以借助灰色模型来分析房价走势。
在此，我们选取国内比较有代表性的几个城市来预测整体房价走势灰色模型可简单理解为：如果一个系统具有层次、结构关系的模糊性，动态变化的随机性，指标数据的不完备或不确定性，则称这些特性为灰色性。
- 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)。
2010—2011学年第二学期数学建模海市房价预测模型摘要威海地处山东半岛东北角，地理位置特殊。
作为一个沿海城市，威海市积极响应国家政策，经济发展水平不断提高，威海作为最适宜人类居住的城市吸引了一大批人们来这里定居。
同时威海与韩国、日本交流频繁，留学生、外国友人也在这座城市里留下了足迹。
作为一个发展中的城市，房价是影响人们在此定居的一个很重要的因素。
加之全国房价一直在高速上升，在这几年过程，一直有关于房价拐点的争论。
是否楼市的拐点真的到来？我们决定建立数学模型，分析一下威海市的房价发展趋势，给相关机构提供参考。
我们都知道影响房价的因素众多，大的方面有，国家的宏观经济环境，国家的宏观调控，地方政府对宏观调控的执行力，人民的住房需求，热钱的投机。
而宏观调控的手段众多，如廉租房建设，经济适用房建设，提高税收，打击投机，企业房贷资金紧缩，提高准备金率，不批准房地产企业上市圈钱等等。
影响房价的因素不同地区各不相同，影响威海市房价的主要因素是什么？是怎样影响房价的？我们希望通过这次建模找到答案。
关键字：线性模型居民人均年收入建房成本房价一、问题重述全国房价一直在高速上升，威海市也是如此，在这几年过程，一直有关于房价拐点的争论。
是否楼市的拐点真的到来？需要建立模型进行推测。
影响房价的因素众多，大的方面有，国家的宏观经济环境，国家的宏观调控，地方政府对宏观调控的执行力，人民的住房需求，热钱的投机。
而宏观调控的手段众多，如廉租房建设，经济适用房建设，提高税收，打击投机，企业房贷资金紧缩，提高准备金率，不批准房地产企业上市圈钱等等。
除去宏观调控政策，还有城市的自身因素，比如建材价格水平，城市发展水平，GDP总量等等，都会对房价产生影响。
找出影响房价的主要因素对于建立房价短期预测模型尤为重要。
二、问题分析数据收集：影响建模的因素众多，需要忽略次要因素，提取出主要因素建立模型，经过数据分析，我们得出影响房价水平的三个因素，一个是人均存储，一个是GDP水平,，最后一个是建房成本。
收集数据如下：①影响因素：表2.1 影响因素②房价水平：表2.2房价水平房价与时间关系图：20042005200620072008200920102011表2.3 房价与时间【数据来源】威海统计信息网（/）三、模型的建立引起房地产市场波动的因素有很多，居民收入、供求比例、空置率、货币政策、建设成本、国家政策和人口结构及变化趋势等众多因素。
我们从中提取重要因素对次要因素作出如下假设：1、城市消费状况用人均收入来代替。
2、忽略消费成本如交通费用、物业费用、停车费用等对住房价格的影响。
3、在同一地区房价为销售均价，没有街道区域差异。
4、房型对房价没有影响。
5、确定主要三个决定因素：gdp、人均储存、建房成本。
3.1 模型假设我们利用线性叠加定理确定房价模型应为Y=Q1*x1+Q2*x2+Q3*x3+Q4其中x1、x2、x3是主要影响房价的三大因素，他们也是时间的函数。
通过matlAB的lsqcurvefit函数求解系数，得到Y=A1*x1*x1*x1+A2*x2+A3*x3*x3+A43.2符号说明：x1代表建房成本平局值x2代表GDPx3代表人均储存y带表房价r表示相关系数q1 q2 q3 q4代表线性系数a1 a2 a3 a4 为最终拟合系数3.3建模计算3.3.1各因素与房价的线性估计。
建房成本与房价的线性拟合（这里我们只需要体现出线性相关系数，代码见附录）求解得：可以看出线性非常强。
同理可以计算，GDP与房价相关系数：人均存贮和房价的线性相关系数：所以我们可以运用线性叠加来求解来表示房价关系。
3.3.2各因素与时间的拟合3.3.2.1建房成本与时间的3次拟合图3.1建房成本与时间的3次拟合求得系数矩阵为：p =1.0e+010 *-0.0000 0.0000 -0.0105 7.0206 3.3.2.2GDP与时间的1次拟合拟合图像如下：图3.2GDP与时间的1次拟合线性相关度：r =1.0000 0.95390.9539 1.0000系数矩阵：p =1.0e+007 *0.0006 -1.16413.3.2.3人均存贮与时间的2次拟合拟合图像如下：图3.3人均存贮与时间的2次拟合系数矩阵：p =1.0e+009 *0.0000 -0.0013 1.30293.3.2.4利用lsqcurvefit函数求解q（系数）矩阵得最终表达式为0.0002-1.14150.019710.0000带入Y=A1*x1*x1*x1+A2*x2+A3*x3*x3+A4，所以我们可以解得最终房价与时间的图像为图3.4利用lsqcurvefit函数求解q（系数）四、人口预测经过matlab计算可得函数的Y=A1*x1*x1*x1+A2*x2+A3*x3*x3+A4最终表达式为t的函数为其中系数矩阵a为a =0.0002-1.14150.019710.0000那么我们可以进行房价的预测了：其中2012年的房价为ans =5.4930e+0032013年的房价为ans =5.8607e+003下图为到2100年的房价预测：图4.1 房价预测四、拐点分析：图4.1 拐点分析经过我们的仔细分析，排除了一些次要因素，分析了几个主要因素，得出了上图所示的图形，从图中可以清楚的看到房价在2070年—2080年之间出现了拐点，当然我们的模型得出的有偶然性，因为影响房价的因素实在是太多，尤其是政府的宏观调控，我们并没有考虑在内，因为我们搜集的数据有限，只是在搜集到的数据基础上建立的模型，对威海市未来房价走势的预测有一定的参考价值。
房价拐点在短时期之内不会到来，未来几年房价走势还是继续上升，其中影响因素众多，其中与威海特殊的地理位置、政府的宏观调控有很大关系，威海市发展中的城市，经济很活跃，各种因素错综复杂，做出一个准确的预测很难。
加之房地产业异常活跃，成为投机者谋取利益的一个重要砝码。
居民收入是影响消费的首要因素，在我们的建模里用人居存储来表示。
随着居民收入的大幅度上升，居民的消费观念在一定程度上从储蓄转化为投资，而购置房产则是居民较理性的投资选择，因而对房屋的需求显著增加。
尤其在在住房制度改革的推动下，住房的有效需求得以更大程度地释放，家庭结构的变化和城镇化的推进又扩大了住房需求。
这是房价保持上涨态势最显而易见的原因。
根据市场导向原则，需求的增加必然会导致投资的增加，投资力度的加大必然是在给房地产行业升温，房价被进一步拉高。
房价就在消费需求、投资需求、投机需求的共同推动下不断攀升，早买房、买大房的住房消费行为成为居民应对房价快速上涨的选择。
另外，随着居民收入的增加，人均可支配收入也会相应增加，就会在一定程度上刺激消费。
越来越多的人民币会从银行转出，投入市场。
从市场角度看，由与经济的有关公式：人民币币值=人民币的需求量/纸币的供给量，市场对纸币在短期内的需求量是一定的，而消费的增加会使大量的纸币涌入市场，因此纸币的币值即纸币的购买力下降，物价水平必然会上涨。
因而建造房屋的材料成本同样会上升，当然房价也会上涨。
城市的GDP水平对房价的影响很重要。
GDP发展水平影响居民生活的方方面，必然会对房价产生重要影响。
建筑成本是另一个重要因素，它是以房地产开发项目有关的各种费用,包括土地成本、材料成本以及劳动力成本等因素。
随着物价水平的上涨，土地成本、材料成本以及劳动力成本等均有了不同程度的增加，各种因素加权起来对房价上涨的推动力量是不容忽视的。
各种因素的影响不是单方面起作用的，都是互相影响，共同推动房价增长。
由于我们对经济方面只是了解有限，只能做一些肤浅的分析，参考了部分书籍，对我们分析模型产生了很大的影响。
同时我们也希望用我们的只是给买房者提供一些参考意见：建议一：建立合理的消费意识，不盲目投资。
很多人把房产当成固定资产来增值保值，盲目追求当前利益，而忽略市场因素的作用，很可能到最后两手空空。
建议二：对于收入水平不高的群体，可以通过买二手房的方式取得房产。
毕竟威海市房价近几年会有增无减，合理安排收入成为很大一部分人的必然选择。
建议三：注意房子质量问题。
房价短时期内会持续增长，很多投机主义者想在房产投资方面捞一把，难免会出现豆腐渣工程，因此对于买房者来说，不贪图眼前的小利益显得很重要。
建议四：对房地产基本知识有一个初步了解，不要听信一些花言巧语。
掌握的信息量不够时，很可能被别人的思想所左右，比如会被售楼小姐的推销政策影响。
五、模型评价1、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；2、本模型建立过程中忽略了众多因素对房价的影响，导致模型的结果与真实值之间存在一定误差；3、本模型建立过程中考虑各个因素与房价呈线性关系，但实际上线性关系不一定是最好的选择，还可以考虑2次、多次等关系，所建立的模型会更加复杂。
4、模型建立过程中，适当在加入一些参数可能会使模型更加精细，更符合实际情况。
六、附录：程序：①MA TLAB中求解相关系数代码建房成本x1=[848.0 805.5 962.7 988.2 1120.9 1432.4 1320.6];y=[1712.5 1928.0 2278.5 2705.0 3328.8 3645.0 3586.0];r=corrcoef(x1,y)gdpx2=[40667 46988 54741 63226 63519 70047 76778];y=[1712.5 1928.0 2278.5 2705.0 3328.8 3645.0 3586.0];r=corrcoef(x2,y)人均存储x3=[15898 18362 20998 27773 32667 37426];y=[1712.5 1928.0 2278.5 3328.8 3645.0 3586.0];r=corrcoef(x3,y)②MA TLAB中建房成本与时间的3次拟合代码：x1=[848.0 805.5 962.7 988.2 1120.9 1432.4 1320.6];t=2004:1:2010;r=corrcoef(t,x1)p=polyfit(t,x1,3)y1=polyval(p,t);plot(t,x1,':o',t,y1,'-*')③MA TLAB中建gdp与时间的1次拟合代码：t=2004:1:2010;x2=[40667 46988 54741 63226 63519 70047 76778];r=corrcoef(t,x2)p=polyfit(t,x2,1)y2=polyval(p,6)y1=polyval(p,t);plot(t,x2,':o',t,y1,'-*')④MATLAB中人均存储与时间的2次拟合代码：t=2004:1:2010;x3=[15898 18362 20998 23247 27773 32667 37426];p=polyfit(t,x3,2)y1=polyval(p,t);plot(t,x3,':c',t,y1,'-*')r=corrcoef(t,x3)⑤MATLAB中求解系数代码：t=2004:1:2011;y=[1712.5 1928.0 2278.5 3705.0 3328.8 3645.0 3586.0 4168];a=lsqcurvefit('fangjia2',[1;10;0;10],t,y);a'y1=a(1)*(-8.68*t.*t.*t+85.7369*t.*t-118.2*t+885.2619)+a(2)*(5830*t+41 935)+a(3)*(t.*t*325+1619*t+16111)+a(4);plot(t,y,'c+:',t,y1,'-*')⑥MATLAB中预测函数代码t=2004:1:2100;a;y1=a(1)*(-8.68*t.*t.*t+85.7369*t.*t-118.2*t+885.2619)+a(2)*(5830*t+41 935)+a(3)*(t.*t*325+1619*t+16111)+a(4);plot(t,y1,'c+:')y1(11)y1(12)参考文献：【1】姜启源，谢金星，叶俊。