XXXX年中国住宅销售价格预测VIP免费

2011年中国住宅销售价格预测统计0801班高杉20081910108摘要：本文通过分析房价随时间变化的过程，揭示其发展变化规律，并对其未来房价走势进行预测。引用的数据为从2008年5月份到2010年12月份的中国住宅销售价格指数统计表。所用的变量为住宅销售价格指数。本文选取的是时间序列数据故采用时间序列的分析方法，运用SAS软件进行数据处理和预测的工作。关键词：时间序列分析法；住宅销售价格；预测；对策；Abstract：Thisarticlebyanalyzingthepricestrendedovertime,theprocessofchange,andfuturetrendsinforecastingtheprice.thedatafromthe2008and2010chinaindecemberofthehousingsalespriceindexstatistics.theargumentforthehousingsalespriceindex.thistapisthetimesequencedataweusethetimesequenceofanalysisandsassoftwarefordataprocessingandpredictable.Keywords：Timesequenceofanalysis；thehousingsalesprice；forecast；countermeasures；一、引言住房问题，关系民生之根本，在2010年的两会上，这个话题根式被炒的沸沸扬扬。当今，对中国房地产市场的看法，几乎是个“万花筒”。宏观决策者、地方政府、开发商企业、行业主管、投资投机者、低收入百姓及各种媒体，对过去和当下的房价与房价政策，众说纷纭，公婆说理各有一套。过去不一样，现在仍不一样。一边是一些人在喋喋不休宣传“刚性需求”，一边是低收入百姓拼命感叹房价太高，“一套房子消灭一个中产者的一生消费”；一边在查囤地、增加土地供应，一边不断出现创新高的“地王”，等等。当两会召开期间，中央和地方推出一些针对性措施，更是使得房地产问题成热点问题的榜首。房价问题从没有像今年这样备受关注，在各大网站的两会民意调查中，“住房问题”也都位居前列。房价是影响居民购买力、家庭理财、教育投资和制定决策的重要考虑因素，而随着近年来房价的上下波动，人们在决定是否购房问题上总是犹豫不决。本文通过分析房价随时间变化的过程，揭示其发展变化规律，并对其未来房价走势进行预测。二、而相关数据收集本文引用的数据为从2008年5月份到2010年12月份的中国住宅销售价格指数统计表。所用的变量为住宅销售价格指数。住宅销售价格指数是综合反映住宅商品价格水平总体变化趋势和变化幅度的相对数。中国住宅销售价格指数由70个大中城市的新建住宅销售价格指数和二手住宅销售价格指数组成。（数据来源：新浪财经网：宏观数据price：住房销售价格指数）时间2008.052008.062008.072008.082008.092008.102008.112008.122009.012009.022009.3Price100.2100.1100.199.999.799.799.499.399.799.8100.1时间2009.042009.052009.062009.072009.082009.092009.102009.112009.122010.012010.02Price100.3100.7100.8101.1101.1100.8100.9101.5101.9101.7101.3时间2010.032010.042010.052010.062010.072010.082010.092010.0102010.112010.12Price101.2101.4100.4100100100100.5100.3100.4100.3三、方法理论介绍因为本文选取的是时间序列数据故采用时间序列的分析方法，运用SAS软件进行数据处理和预测的工作。首先对数据进行了处理和检验，分别作了平稳性检验和白噪声检验，在确定序列是平非白噪声序列后，拟合模型。ARIMA模型，即自回归平均移动模型，是目前最常用的拟合平稳序列的模型，本文的研究就以ARIMA模型为方向进行，在模型拟合时最终确定了AR模型为最优拟合p0t01t122=+......tptptxxxx2s()0ar()=()0sttttEVE，，，0,stExst模型。AR模型介绍ARIMA模型为AR模型、MA模型和ARMA模型三大类。AR(p)—p阶自回归模型四、数据检验1、平稳性检验：绘制2008—2010年中国住宅销售价格指数序列的时序图和自相关图。图（1）时序图显示中国住宅销售价格指数序列在99.3~101.8之间波动，变动幅度较小，且围绕100.5周围随机波动，没有明显的趋势或周期，初步可以视为平稳序列。图（2）图（2）横轴表示自相关系数，纵轴表示延迟时期数，用水平方向的垂线表示自相关系数的大小。从图中我们发现序列的自相关系数递减到零的速度较快，在延迟期数为6的时候接近零，而后为负...