城镇居民人均可支配收入与当地商品房价格的相关性研究 毕业论文.docx

城镇居民人均可支配收入与当地商品房价格的相关性研究摘要：一个城市或地区的商品房销售价格与当地居民的收入，社会经济发展水平和宏观政策有关。为此，本文仅选取城镇居民可支配收入这一项因素，研究其与商品房销售价格的关系。在假设全国主要城市的城镇居民人均可支配收入与当地住房价格不存在线性关系的情况下，根据一元线性回归模型研究居民可支配收入与房价之间的关系，运用excel表格中的回归分析功能，求解出商品房销售价格与当地居民的收入的线性模型，以及相关系数，检验其显著性，发现居民可支配收入与房价之间存在线性关系，但商品房价格不完全由居民收入水平决定。关键词：居民收入、商品房价格、线性回归分析1 问题提出与分析自我国进行住房改革以来，住房市场蓬勃发展，越来越多的城镇居民通过购买普通商品房和其他政策性住房等市场方式改善了居住条件。但我国商品房价格的连续上涨己经使越来越多的居民感到了购房的压力，引起的社会各界的广泛重视。对于影响房价的诸多因素如国家经济发展水平、经济增长状况、就业状况、居民收入水平等进行选择，主要研究居民收入水平与房价的关系。通常来说，一个国家或地区经济发展水平越高，经济增长越快，居民的收入水平也越高，房价相对也越高。但是一个城市的城镇居民人均可支配收入与当地商品房平均价格是否有线性关系，需进行线性回归分析。2 数据描述本文分析全国主要城市的城镇居民人均可支配收入（元/年）与当地的商品房平均销售价格（元/m2）的数据是2011年全国主要城市的城镇居民人均可支配收入1和2012年1月当地商品房平均价格2的数据，样本总数为41。表2.1给出了我国主要城市的城镇居民人均可支配收入和当地同时期的商品房平均价格。表1 各城市人均可支配收入与商品房价格城市城镇人均可支配收入（元）商品房平均价格（元/）东莞39,5136,875 深圳36,500 18,245 上海36,230 24,547 温州35,431 23,326 广州34,300 15,100 苏州34,617 9,781 杭州34,065 17,790 宁波34,058 14,997 绍兴31,368 10,451 厦门33,565 15,061 北京32,903 24,828 南京32,200 13,859 台州32,127 10,711 无锡31,638 8,241 嘉兴31,520 7,170 佛山30,705 7,645 常州29,829 7,477 金华29,729 10,561 包头29,628 5,269 呼和浩特28,877 6,312 济南28,866 8,110 泉州28,703 7,580 珠海28,690 10,788 青岛28,567 12,526 中山27,699 5,208 天津26,921 13,172 南通26,778 8,912 惠州26,500 5,621 烟台26,431 6,864 长沙26,235 6,528 福州26,050 11,208 西安25,981 7,675 威海25,280 4,909 淄博24,955 5,278 扬州24,700 6,975 大连24,300 11,272 成都23,932 8,808 武汉23,738 7,793 徐州23,600 6,993 沈阳23,320 7,663 重庆20,250 7,071 3 模型建立3.1提出假设在城镇居民人均可支配收入与当地商品房平均价格的关系中，可假设城镇居民的人均可支配收入为自变量，用表示；当地商品房平均价格为因变量，用表示。并且假设与线性相关。3.2模型构建根据中国统计年鉴的资料整理出2011年全国主要城市城镇人均可支配收入和当地商品房平均价格的相关数据，运用一元线性回归模型：(1)其中，、称为回归系数，常数、均未知3。3.3模型求解运用excel表格中的回归分析工具对城镇人均可支配收入和当地商品房平均价格的关系建立线性回归模型，其结果为，。所以其线性回归方程为：（2）根据统计数据，将节点传输数据包成功率与该节点自身功率的分布情况绘制于图3.1中，图中菱形点即为统计数据，正方形点为预测值。图3.1 商品房平均价格与城镇人均可支配收入的拟合曲线4 计算方法设计和计算机实现4.1 线性回归分析的计算方法设计回归参数、的求解，运用最小二乘估计，设为取得的一组实验数据，如表2.1所示。那么得到回归参数的最小二乘估计3为：(3)其中，且记（4） (5) (6)因此，当时，的预测值为 （7）4.2线性回归分析的计算机实现运用excel2007表格中的回归分析工具对城镇人均可支配收入和当地商品房平均价格的关系建立线性回归模型。本文采用excel2007的数据分析工具。如果excel表格中的“数据”没有“数据分析”这一功能项，则需加载分析工具库。加载步骤如下：（1）单击“microsoft office 按钮”，然后单击“excel 选项”。 （2）单击“加载项”，然后在“管理”框中，选择“excel 加载宏”，单击“转到”。 （3）在“可用加载宏”框中，选中“分析工具库”复选框，然后单击“确定”。 如果“可用加载宏”框中未列出“分析工具库”，请单击“浏览”以找到它。 如果系统提示计算机当前未安装分析工具库，请单击“是”以安装它。 加载分析工具库之后，“数据分析”命令将出现在“数据”选项卡上的“分析”组中。 最小二乘估计的计算机实现步骤：（1）在excel表格中选择“数据”选项卡上的“分析”组中的“数据分析”命令图4.1 excel表格数据分析（2）点击“数据分析”会出现数据分析对话框，在菜单中选择“回归”，点击确定。图4.2 数据分析对话框（3） 在回归分析对话框里选择y值的输入区域，在这里选择各主要城市商品房的每平方米平均价格，选择x值的输入区域，在本文中选择各主要城市居民每年的可支配收入。置信度选择0.95，勾选“线性拟合图”。最后点击“确定”，得到最小二乘估计的结果，线性拟合图，采样样本相关系数等内容。图4.3 回归分析对话框5 主要的结论或发现通过线性回归分析过的数据拟合曲线，可以发现商品房价格与当地居民的人均可支配收入存在一定的线性关系，但是这种关系很弱。可以推知商品房价格并不是完全由居民收入这一项因素所决定，必然存在其他因素，如这个城市或地区的地理位置，社会经济发展情况以及国家的宏观政策有关系。6 结果分析与检验6.1 线性回归显著性检验设统计假设为（1）：与线性无关；：与线性相关（2）选择统计量为，拒绝域 （7）（3）查表得，计算出，落在拒绝域之内，拒绝原假设，认为商品房价格与当地居民可支配收入线性相关。6.2 结果分析在显著性水平0.05下，城镇居民可支配收入与当地商品房平均价格成弱的线性关系。参考文献1 2011年全国城市城镇居民人均可支配收入前50强排名db/ol. 2012,5,7./view/xiaocainiao