甘肃省商品房房价影响因素研究——基于多元线性回归模型的分析被引量：3

在线阅读下载PDF

导出

摘要本文收集了甘肃省近十六年来的商品房平均房价,研究其中商品房平均销售价格与商品房销售面积、房地产住宅投资、年末常住人口、地区生产总值、房地产开发企业个数之间的关系,建立了预测商品房房价的多元线性回归模型,并对该模型进行多重共线性、序列相关性以及异方差性检验和检验,从而得到最优模型。

作者白招弟史佼佼裴芳蓉闫丽莉李媛媛

机构地区甘肃农业大学

出处《广西质量监督导报》 2020年第10期198-199,共2页

关键词商品房房价影响因素多元线性回归

分类号 F299.23 [经济管理—国民经济]

作者简介白招弟(1999-),女,学生,本科,甘肃农业大学,研究方向:经济学。;史佼佼(1997-),女,学生,本科,甘肃农业大学,研究方向:经济学。

引文网络
相关文献

参考文献5

1薄鑫,孙英隽.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[J].农场经济管理,2018(5):38-41. 被引量：4
2赵志君.我国房地产市场特征和影响房价的因素分析[J].新疆财经,2019(1):5-12. 被引量：6
3刘丽泽.基于多元线性回归模型及ARIMA模型的北京市房价预测[J].科技经济导刊,2018(29):176-177. 被引量：6
4何承朔.基于多元线性回归建模的武汉市房价预测[J].科技经济导刊,2018(28):213-213. 被引量：3
5李丹,朱家明,李薇,徐亮.基于多元回归模型的房价影响因素研究[J].辽宁工业大学学报（自然科学版）,2019,39(3):206-210. 被引量：7

二级参考文献27

1孙明春,陈家瑶,孙驰.中国房地产泡沫开始破灭[J].金融发展评论,2010(8):27-32. 被引量：1
2顾云昌,王霖.中国房地产业现在高火未来防过火[J].房地产导刊,2002,0(Z1):22-27. 被引量：1
3谢国忠,谈璐.泡沫共存的石油和房地产[J].财经界,2004(9):16-17. 被引量：1
4倪鹏飞.中国房地产:徘徊在泡沫边缘[J].财经界,2004(11):66-68. 被引量：2
5陆晓逊.中国房价高是必然的[J].沪港经济,2004(12):47-47. 被引量：3
6朱小棣.美国“双轨制”住房政策和它对中国住房改革的启示[J].中国房地产金融,1999(6):42-44. 被引量：4
7杨德才.东南亚金融危机对中国房地产开发的启示[J].中国房地产,1998(6):70-72. 被引量：4
8吴坤岭.对摩根士丹利首席经济学家说“不”[J].住宅产业,2004,0(10):79-81. 被引量：2
9高波,赵奉军.中国商业地产业发展的实证分析[J].产业经济研究,2009(4):44-52. 被引量：18
10叶楚华.房产泡沫撑不过四年[J].西部论丛,2010(9):44-46. 被引量：2

共引文献19

1王璐,张亚东,朱家明.基于空间计量模型的房价影响因素研究[J].邵阳学院学报（社会科学版）,2019,18(2):76-82. 被引量：1
2唐文广,王梦茹.多元线性回归模型在房地产评估中的应用[J].科技和产业,2019,19(6):89-94. 被引量：3
3刘玥,张高境.高铁数据与回归分析拟合上海和郑州高铁最优数量研究[J].数字技术与应用,2019,37(6):88-89. 被引量：1
4戴上闳.基于多元回归模型对房价的探索[J].全国流通经济,2019,0(18):128-130.
5李梦欢,杨鹏辉,朱家明.基于多元线性回归对海南省商品住宅价格的分析[J].景德镇学院学报,2019,34(5):29-34. 被引量：1
6孙婷婷,沈毅,赵亮.一种基于BP神经网络的房价预测模型[J].电脑知识与技术,2019,15(10):215-218. 被引量：4
7刘云芬,张小思,杨奥莉,李茸,李志超.基于模糊聚类和房价扰动的城市排名问题研究[J].湖北理工学院学报,2020,36(1):58-61.
8杜渐.河北省房地产价格影响因素分析[J].市场研究,2020(1):50-51. 被引量：2
9刘钰,莫舒华,李颖婷,李文辉,杨小雄.2015年~2018年南宁市房地产市场特征及走势研究[J].现代商业,2020(12):63-65.
10王璇,朱家明.基于ARIMA模型探析垃圾分类影响因素及总量预测[J].兰州工业学院学报,2020,27(3):68-72.

同被引文献28

1张爱琳,白丽娜.基于GM(1,1)模型的包头市房地产价格预测[J].建筑经济,2020(S02):266-269. 被引量：10
2彭丽花.基于Hedonic模型的物业管理对广州市天河区房地产价格的影响分析[J].房地产世界,2021(11):16-19. 被引量：2
3钟皓凡,吕华鲜.基于Eviews的贵阳市旅游业影响因素分析[J].武汉商学院学报,2020(3):5-9. 被引量：3
4高玉明,张仁津.基于遗传算法和BP神经网络的房价预测分析[J].计算机工程,2014,40(4):187-191. 被引量：102
5汤文彬.我国房地产价格影响因素实证分析[J].价格理论与实践,2016(1):119-121. 被引量：31
6周琴.基于人工神经网络BP算法的莆田市房价预测[J].赤峰学院学报（自然科学版）,2016,32(10):180-182. 被引量：3
7王筱欣,高攀.基于BP神经网络的重庆市房价验证与预测[J].重庆理工大学学报（社会科学）,2016,30(9):49-53. 被引量：19
8李春生,李霄野,张可佳.基于遗传算法改进的BP神经网络房价预测分析[J].计算机技术与发展,2018,28(8):144-147. 被引量：13
9高文,李富星,牛永洁.基于BP神经网络对房价预测的研究[J].延安大学学报（自然科学版）,2018,37(3):37-40. 被引量：7
10刘智禄,王慧丽.基于GM模型和BP神经网络的西安市房价分析与预测[J].西安石油大学学报（社会科学版）,2019,28(5):9-14. 被引量：10

引证文献3

1谢睿,杜悦,朱家明.基于多元回归对安徽房价影响因素的计量分析[J].哈尔滨师范大学自然科学学报,2022,38(4):36-42. 被引量：1
2荣洽.基于多元回归模型的货币政策实施效果[J].科技经济市场,2021(6):40-41.
3江雨燕,刘昊.基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型[J].南阳理工学院学报,2023,15(2):1-6. 被引量：1

二级引证文献2

1毛晨希,董可扬,宋瑾钰.基于线性回归的房产分析与展示系统设计[J].软件导刊,2023,22(7):104-111.
2宋阳.基于梯度提升决策树的房价预测模型[J].现代计算机,2024,30(17):81-84.

1数字快报[J].四川省情,2020(12):8-9.
22020年1~6月份全国房地产开发投资和销售情况[J].房地产世界,2020(15):3-6.
32020年1-10月份全国房地产开发投资同比增长6.3%[J].企业决策参考,2020(31):15-16.
4张和新,阎虎勤.基于灰色GM(1,1)模型的商品房销售价格预测[J].应用数学进展,2020,9(6):825-830. 被引量：2
5沈东明,蔡建涛,何锐,黄晓明.基于统计软件R的安全壳泄漏率试验数据有效性分析[J].核动力工程,2020,41(5):99-103. 被引量：9
6赵立杰,王佳,黄明忠,王国刚.基于偏最小二乘随机配置网络的污水水质指标估计[J].化工学报,2020,71(12):5672-5680. 被引量：6
7刘菲,张健,常伟.大跨度管型母线挠度的计算及控制方式研究[J].电子元器件与信息技术,2020,4(9):69-71. 被引量：5
8马国林,丁建丽,韩礼敬,张子鹏.基于变量优选与机器学习的干旱区湿地土壤盐渍化数字制图[J].农业工程学报,2020,36(19):124-131. 被引量：17

广西质量监督导报

2020年第10期

浏览历史

内容加载中请稍等...

甘肃省商品房房价影响因素研究——基于多元线性回归模型的分析被引量：3

参考文献5

二级参考文献27

共引文献19

同被引文献28

引证文献3

二级引证文献2

相关作者

相关机构

相关主题

浏览历史

甘肃省商品房房价影响因素研究——基于多元线性回归模型的分析 被引量：3

参考文献5

二级参考文献27

共引文献19

同被引文献28

引证文献3

二级引证文献2

相关作者

相关机构

相关主题

浏览历史

甘肃省商品房房价影响因素研究——基于多元线性回归模型的分析被引量：3