关于线性回归论文范文资料 与基于多元线性回归的城市商品房预测有关论文参考文献

《基于多元线性回归的城市商品房预测》：此文是一篇线性回归论文范文,为你的毕业论文写作提供有价值的参考。

摘 要：根据 2008～2016 连续 9 年的历史数据对浙江省10个主要城市的商品房与居民消费水平、固定投资额、城市基础建设投资、人均总值等7个因素建立多元线性回归模型,通过在 95 %置信水平下的 F检验与 t 检验,分别确定了总体线性相关的显著性和各个变量影响的显著性,为识别影响房价走势的关键因素以及总体把握房地产市场的变化、完善房地产宏观调控具有重要的意义.

关键词：多元线性回归；显著性检验；房地产调控；影响因素；商品房房价

中图分类号：F293.3 文献标志码： A 文章编号：1009-3044（2018）14-0266-03

Abstract： After historical data in nine consecutive years （from 2008 to 2016） witnessed the relevance between the price of commodity houses of 10 major cities （Zhejiang Province） and other 7 factors like consumption level, fixed investment, investment of city’s infrastructure construction and per capita, a multiple linear regression model was modelled. F-test and T-test under 95% confidence level respectively determined the significance of overall linear correlation and of each variable’s influence. All these are meaningful for recognizing the key factors that influence real estate tend and for mastering overall changes in real estate so as to improve macro-control on real property.

Key words： multiple linear regression； overall linearity； significant test； real estate regulation； influence factors； housing price

1 商品房和影响因素

中国房地产行业自2017年“3·17”政策变天开始,各种限制性手段无所不用其极,并将防范房地产泡沫列为中国经济的五大风险.这意味着,房地产作为最好投资的历史基本宣告结束.房地产市场的不稳定促使需要从定性分析转变为定量分析.比起定性分析,定量分析更接近于事实,更能直观的体现影响商品房变动的因素.因此,本文探讨了影响房地产需求的各个因素,并对各个因素对房地产的影响程度进行了分析.

影响商品房的因素复杂多样,本文选取商品房的平均销售（y）、居民消费水平（x1）、固定投资额（x2）、城市基础建设投资（x3）、人均总值（x4）、商品房销售面积（x5）、房地产开发投资额（x6）、财政收入（x7）作为主要因素,作为回归模型的解释变量.假设决策变量 Y 与解释变量 x1,x2,x3,x4,x5,x6,x7之间呈线性关系,则有七元线性回归模型：

其中,β0,β1,β2,β3,β4,β5,β6,β7为待估参数,ε 为随机干扰项.以我省杭州、寧波、温州、绍兴、台州、嘉兴、金华、湖州、衢州、丽水、舟山等10个城市2010～2016 年连续6年的数据.以杭州为例,建立以为样本,数据分别对应商品房当年的,居民消费水平、固定投资额、城市基础建设投资、人均总值、商品房销售面积、房地产开发投资额、财政收入.

2 模型的基本原理

研究在线性关系相关性条件下,两个或者两个以上自变量对一个因变量,为多元线性回归分析,表现这一数量关系的数学公式,称为多元线性回归模型.多元线性回归模型是一元线性回归模型的扩展,其基本原理与一元线性回归模型类似,只是在计算上很复杂需借助计算机来完成.

1）计算公式如下：

设随机y与一般变量x1,x2,等xk的线性回归模型为：

其中β0～βk为k+1个未知参数,β0为回归常数,β1～βk称为回归系数；y称为被解释变量；x1～xk是k个精确可控制的一般变量,称为解释变量.当k≥2时,上式就称为多元线性回归模型.ε是随机误差,通常假设E（ε）等于0,var（ε）等于[σ2].

2）多元线性回归模型的检验

由样本数据所建立的回归方程需要通过方程的拟合度、检验回归方程、方程系数的显著性等的检验后,才可用于实际解释解决实际问题.

在判定一个线性回归直线的拟合优度的好坏时,相关系数（[R2]）的平方是一个重要的判定指标.本项目使用Conway的著作《机器学习使用案例解析》中利用2个RMSE（RMSE是预测值与真实值的误差平方根的均值）的比值来计算[R2]的方法.具体见如下python函数：

其中y_test为实际测试集合,y_true为模型预测集合,y_mean为y_true集合取均值的结果.

当[R2]越接近1时,说明回归直线的拟合优度越好.

3）RMSE

F检验主要是检验因变量同多个自变量的整体线性关系是否显著.当检验被解释变量yt与一组解释变量x1, x2 , ... , xk -1是否存在回归关系时,给出的零假设：

线性回归论文参考资料：

回归分析论文

结论：基于多元线性回归的城市商品房预测为关于对写作线性回归论文范文与课题研究的大学硕士、相关本科毕业论文线性回归论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。