期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
南京市二手房房价影响因素的多元线性回归分析
被引量:
2
1
作者
刘冰
金跃强
王书营
《南京工业职业技术学院学报》
2017年第1期17-19,共3页
通过分析南京市8个区12479个二手房数据,建立了影响单位面积房价的多元回归模型。通过比较8个变量对单位面积房价的影响,得到区域和是否有电梯对单位面积房价影响较大,面积及卧室数对单位面积房价影响较小的结论。
关键词
单位面积
房价
0—1变量
多元回归模型
房价影响因素
在线阅读
下载PDF
职称材料
基于人工神经网络的安徽省房价影响因素分析
被引量:
1
2
作者
高凤伟
李耀红
《蚌埠学院学报》
2016年第4期81-84,共4页
分析了影响安徽省房地产价格的因素,从供给和需求角度分别选取了安徽省商品房销售面积、房地产开发投资总额、安徽省商品房销售面积、城市人口密度、城镇家庭人均可支配收入和安徽省生产总值6个指标作为BP神经网络模型的输入变量,以安...
分析了影响安徽省房地产价格的因素,从供给和需求角度分别选取了安徽省商品房销售面积、房地产开发投资总额、安徽省商品房销售面积、城市人口密度、城镇家庭人均可支配收入和安徽省生产总值6个指标作为BP神经网络模型的输入变量,以安徽省平均商品房销售价格作为目标变量,采用安徽省1995-2014年数据对BP神经网络模型进行了训练。运用训练好的神经网络,通过对影响因素施加微扰观察对输出变量的影响来识别各影响因素的解释程度。通过实证分析发现,城市人口密度和生产总值对房价的解释程度较大,进而提出在人口政策放开背景下房价和人口数量实现协调发展的必要性。
展开更多
关键词
房地产价格
BP人工神经网络
房价影响因素
在线阅读
下载PDF
职称材料
南京市二手房房价影响因素的主成分回归分析
3
作者
刘冰
朱建国
金跃强
《南通职业大学学报》
2020年第2期66-68,共3页
通过分析15 980个南京市二手房数据,建立了影响单位面积房价的多元回归模型,再利用主成分分析提取了包含8个原始变量90%以上的信息,最终得出了影响南京市二手房房价的主成分回归模型。通过比较8个变量对单位面积房价的影响,得到是否有...
通过分析15 980个南京市二手房数据,建立了影响单位面积房价的多元回归模型,再利用主成分分析提取了包含8个原始变量90%以上的信息,最终得出了影响南京市二手房房价的主成分回归模型。通过比较8个变量对单位面积房价的影响,得到是否有学区和是否装修对单位面积房价影响较大,卧室数及房屋总面积对单位面积房价影响较小以及房龄与单位面积房价负相关的结论,以期对二手房合理定价提供参考。
展开更多
关键词
单位面积
房价
相关性分析
房价影响因素
主成分回归
南京市二手房
在线阅读
下载PDF
职称材料
大数据下基于房屋交易网站的数据获取的二手房价格走势分析——以上海为例
4
作者
张汉中
张倩
+2 位作者
董起航
周小平
王斌
《科学技术创新》
2017年第21期142-144,共3页
随着城市化进程的不断加深,互联网技术的飞速发展,以及人们对于便于工作的住房需求,致使房屋交易日趋活跃。房价是房地产市场健康稳定的重要指标。预测房价的变化有助于对房地产市场有一个清醒的认识。本文通过利用Python语言,自动提取...
随着城市化进程的不断加深,互联网技术的飞速发展,以及人们对于便于工作的住房需求,致使房屋交易日趋活跃。房价是房地产市场健康稳定的重要指标。预测房价的变化有助于对房地产市场有一个清醒的认识。本文通过利用Python语言,自动提取二手房屋交易信息,并针对房屋成交量、成交户型、看房人数等多种因素进行分析,通过统计图表分析上海市某一地区的房屋交易的价格变化以及相应地区的交易活跃度,从而对二手房价走势作出预测。
展开更多
关键词
房屋交易网站
网络爬虫
房价影响因素
在线阅读
下载PDF
职称材料
“房住不炒”政策下房地产行业的现状及发展趋势分析
5
作者
方俊铬
周雪刚
《造纸装备及材料》
2022年第4期219-221,共3页
“房住不炒”定位下的政策效应已成为社会关注的热点问题,也是建立、完善与实施房地产长效机制的基础性问题,文章从房地产经济的发展现状入手,分析房地产行业现存的诸多问题及房价影响因素,对房价变动进行综合性分析,结合“房住不炒”...
“房住不炒”定位下的政策效应已成为社会关注的热点问题,也是建立、完善与实施房地产长效机制的基础性问题,文章从房地产经济的发展现状入手,分析房地产行业现存的诸多问题及房价影响因素,对房价变动进行综合性分析,结合“房住不炒”政策实施后取得的一系列成就,对未来房地产行业发展趋势做出预判。在未来很长一段时间,坚持“房住不炒”政策定位不变是房地产行业政策的长期趋势。
展开更多
关键词
“房住不炒”政策
房价影响因素
房价
房地产行业
在线阅读
下载PDF
职称材料
题名
南京市二手房房价影响因素的多元线性回归分析
被引量:
2
1
作者
刘冰
金跃强
王书营
机构
南京工业职业技术学院公共基础课部
出处
《南京工业职业技术学院学报》
2017年第1期17-19,共3页
基金
南京工业职业技术学院2015年科研基金项目"基于PLS-SFA的商业银行投入产出效率模型的构建"(编号:YK15-05-04)
文摘
通过分析南京市8个区12479个二手房数据,建立了影响单位面积房价的多元回归模型。通过比较8个变量对单位面积房价的影响,得到区域和是否有电梯对单位面积房价影响较大,面积及卧室数对单位面积房价影响较小的结论。
关键词
单位面积
房价
0—1变量
多元回归模型
房价影响因素
Keywords
unit house price
0 - 1 variable
multiple linear regression
factors affecting house prices
分类号
F299.23 [经济管理—国民经济]
在线阅读
下载PDF
职称材料
题名
基于人工神经网络的安徽省房价影响因素分析
被引量:
1
2
作者
高凤伟
李耀红
机构
宿州学院数学与统计学院
出处
《蚌埠学院学报》
2016年第4期81-84,共4页
基金
宿州学院校企合作项目(SZXYSJJD201205)
宿州学院校级示范实验实训中心项目(SZXYSFZX201402)
安徽省省级大学生创新创业训练计划入选项目(AH201410379074)
文摘
分析了影响安徽省房地产价格的因素,从供给和需求角度分别选取了安徽省商品房销售面积、房地产开发投资总额、安徽省商品房销售面积、城市人口密度、城镇家庭人均可支配收入和安徽省生产总值6个指标作为BP神经网络模型的输入变量,以安徽省平均商品房销售价格作为目标变量,采用安徽省1995-2014年数据对BP神经网络模型进行了训练。运用训练好的神经网络,通过对影响因素施加微扰观察对输出变量的影响来识别各影响因素的解释程度。通过实证分析发现,城市人口密度和生产总值对房价的解释程度较大,进而提出在人口政策放开背景下房价和人口数量实现协调发展的必要性。
关键词
房地产价格
BP人工神经网络
房价影响因素
Keywords
housing price
BP artical neural network
influence factors for the housing price
分类号
F293.3 [经济管理—国民经济]
F224 [经济管理—国民经济]
在线阅读
下载PDF
职称材料
题名
南京市二手房房价影响因素的主成分回归分析
3
作者
刘冰
朱建国
金跃强
机构
南京工业职业技术学院公共基础课部
出处
《南通职业大学学报》
2020年第2期66-68,共3页
基金
中国高等教育学会职业技术教育分会2018年度一般课题(GZYY2018053)
南京工业职业技术学院2017年校级重点科研基金项目(YK17-10-02)。
文摘
通过分析15 980个南京市二手房数据,建立了影响单位面积房价的多元回归模型,再利用主成分分析提取了包含8个原始变量90%以上的信息,最终得出了影响南京市二手房房价的主成分回归模型。通过比较8个变量对单位面积房价的影响,得到是否有学区和是否装修对单位面积房价影响较大,卧室数及房屋总面积对单位面积房价影响较小以及房龄与单位面积房价负相关的结论,以期对二手房合理定价提供参考。
关键词
单位面积
房价
相关性分析
房价影响因素
主成分回归
南京市二手房
Keywords
house price per unit area
correlation analysis
factors influencing house price
principal component regression
second-hand house in Nanjing
分类号
F293.35 [经济管理—国民经济]
在线阅读
下载PDF
职称材料
题名
大数据下基于房屋交易网站的数据获取的二手房价格走势分析——以上海为例
4
作者
张汉中
张倩
董起航
周小平
王斌
机构
上海师范大学信息与机电工程学院
青岛大学数据科学与软件工程学院
出处
《科学技术创新》
2017年第21期142-144,共3页
文摘
随着城市化进程的不断加深,互联网技术的飞速发展,以及人们对于便于工作的住房需求,致使房屋交易日趋活跃。房价是房地产市场健康稳定的重要指标。预测房价的变化有助于对房地产市场有一个清醒的认识。本文通过利用Python语言,自动提取二手房屋交易信息,并针对房屋成交量、成交户型、看房人数等多种因素进行分析,通过统计图表分析上海市某一地区的房屋交易的价格变化以及相应地区的交易活跃度,从而对二手房价走势作出预测。
关键词
房屋交易网站
网络爬虫
房价影响因素
Keywords
Real estate transactional websites
Website spiders
Element of affecting housing prices
分类号
TU746.3 [建筑科学—建筑技术科学]
在线阅读
下载PDF
职称材料
题名
“房住不炒”政策下房地产行业的现状及发展趋势分析
5
作者
方俊铬
周雪刚
机构
广东金融学院金融数学与统计学院
出处
《造纸装备及材料》
2022年第4期219-221,共3页
基金
国家自然科学基金面上项目(61877014)
2020年广东金融学院国家级大学生创新创业训练计划项目(202011540005)。
文摘
“房住不炒”定位下的政策效应已成为社会关注的热点问题,也是建立、完善与实施房地产长效机制的基础性问题,文章从房地产经济的发展现状入手,分析房地产行业现存的诸多问题及房价影响因素,对房价变动进行综合性分析,结合“房住不炒”政策实施后取得的一系列成就,对未来房地产行业发展趋势做出预判。在未来很长一段时间,坚持“房住不炒”政策定位不变是房地产行业政策的长期趋势。
关键词
“房住不炒”政策
房价影响因素
房价
房地产行业
分类号
F299.23 [经济管理—国民经济]
F832.51 [经济管理—金融学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
南京市二手房房价影响因素的多元线性回归分析
刘冰
金跃强
王书营
《南京工业职业技术学院学报》
2017
2
在线阅读
下载PDF
职称材料
2
基于人工神经网络的安徽省房价影响因素分析
高凤伟
李耀红
《蚌埠学院学报》
2016
1
在线阅读
下载PDF
职称材料
3
南京市二手房房价影响因素的主成分回归分析
刘冰
朱建国
金跃强
《南通职业大学学报》
2020
0
在线阅读
下载PDF
职称材料
4
大数据下基于房屋交易网站的数据获取的二手房价格走势分析——以上海为例
张汉中
张倩
董起航
周小平
王斌
《科学技术创新》
2017
0
在线阅读
下载PDF
职称材料
5
“房住不炒”政策下房地产行业的现状及发展趋势分析
方俊铬
周雪刚
《造纸装备及材料》
2022
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部