上海商品住宅价格测度方法研究

房地产业的相关行业众多,其对社会经济发展的正向关系显著,且与广大市民的日常生活密切相关,同时反映房地产业发展的一系列统计指标正越来越受到社会各界的重视,而反映房地产价格变化的统计指标更是倍受关注。本文在梳理上海现有各种房价测度指标的基础上,借鉴国内外主要房价测度指标的经验,提出了建立套中位数房价测度方法的设想。     

基于主成分分析的汽车特征价格模型初探

特征价格模型建立过程中,特征变量的选取是一个重要问题。实证研究中,为消除特征变量问的多重共线性,研究者通常采用逐步回归分析法来筛选变量,这样进入模型的特征变量往往比较少。因此。本文将主成分分析法引入于特征价格模型。利用我国汽车数据,建立了基于汽车特征因素主成分分析的特征价格模型,不仅解决了汽车特征变量间存在的多重共线性问题,而且有效改善了用逐步回归分析法筛选变量选取较少变量的情形。     

我国房地产价格的统计方法研究

近年来,我国的房地产价格的统计问题一直都是舆论焦点,公布的房价相关指数由于与民众感受差异较大而受到社会质疑,公众呼吁统计部门采用新的房地产价格统计方法。在这种形势下,探索新的适合我国的房价统计方法十分必要。文章对国际上通用的四种房价统计方法进行了评述;在考虑了我国国情和经费限制等问题后,确定了符合我国的房价特征变量,并使用加入时间哑元、分区和最优抽样等方法改进了房地产特征价格法,从而得到了优化后的各类房地产价格指数。     

房地产价格波动对中国物价的影响——基于投入产出价格影响模型

本文以中国135部门投入产出表为数据基础,应用投入产出价格影响模型测算了房地产价格变动对中国物价总水平和各部门产品价格的影响程度,分析了房地产价格上涨对中国经济的影响,并提出了相关政策和建议。     

基于carey模型的商品住宅价格波动机理及实证研究

文章针对近年来商品住宅价格波动较大这一特征,利用carey模型从商品住宅市场需求、供给及均衡价格为出发点研究商品住宅价格的波动机理,进而运用EVIEW软件对1998～2007年我国商品住宅平均价格进行实证检验,结论认为在商品住宅市场的价格决定及波动过程中,城镇居民可支配收入水平、土地成本、建材成本、心理预期以及投机炒作,是商品住宅价格的波动的主要影响因素。     

基于海量交易数据的房地产特征价格模型的构建

文章以大连市商品住宅市场海量交易数据为基础,综合考虑各住宅特征信息的可获得性,从建筑特征、邻里特征和区位特征等三个方面,确定了22项影响住宅价格的特征变量及大连市"标准商品住宅"的标准;并据此构建了大连市商品住宅特征价格模型,进而对各住宅特征对住宅价格的影响方向、影响数值及影响程度进行了分析和比较。     

住宅房地产批量评估模型的构建

我国住宅房地产的批量评估需要在不同地区建立不同的评估模型.文章以黑龙江省哈尔滨市的样本数据为例,阐述住宅房地产批量评估的数据收集和量化过程,并说明评估模型的设定与估计、检验与校准、直至最终确定的过程,为我国住宅房地产的批量评估提供理论依据和方法指导.     

中国农业生产资料价格的波动特征研究——基于GED分布下EGARCH-M模型

运用X12-ARIMA模型、HP滤波法和基于GED分布下的EGARCH-M模型对中国农资价格波动的一些主要统计特征进行了拟合分析,结果表明:农资价格波动存在显著的季节效应;考察期间农资价格呈现出5个波动性周期,平均周期长度在48个月左右;农资价格波动还存在显著聚集性和非对称性,但其市场并没有表现出高风险高回报的特征;相较于正态分布,GED分布能更好地对模型进行估计和描述中国农资价格的波动特征。     

我国房地产价格统计方法探讨

近年来,国家多次出台宏观调控政策,促进房地产行业健康稳定发展,但房地产价格指数本身失真,相关政策没有起到预期作用。为此改进和完善中国现行的房地产价格统计调查方法十分紧迫。基于这种状态,对房地产价格的统计问题进行调查分析,以期研究出最佳的房地产统计方法,为国家房地产政策的制定和调整提供可操作的理论依据。     

基于Elman神经网络的房地产价格预测

文章针对房地产价格的动态特性,提出了基于Elman神经网络的房地产价格预测方法,并通过其对上海市房地产价格的预测,证明了该方法的有效性,为房地产价格预测提供了一条新的方法。     

基于马尔柯夫模型的商品房价格波动研究

 已有的关于房地产价格的文献大部分是基于线性框架的。那么一个很及时的问题是：房地产价格是否表现出非线性的特点呢？我们利用基于非线性的马尔科夫机制转换模型对我国的房地产价格进行了研究。发现我国的房地产价格呈现出非线性的特点;马尔科夫机制转换模型的非线性估计很好地解释了我国房地产价格的特点;不同的状态具有不同的转换概率;两个状态分别具有2.2个季度和1.2个季度的持续期。     

运用分位回归特征价格模型构建住房价格指数

文章采用上海市新建住房及二手住房交易数据,在特征价格模型的基础上,运用分位回归编制住房价格指数,并通过与OLS回归结果对比,验证其必要性及可行性。结果发现,不同层次的住房价格波动存在显著差异,房价上涨率从低端住房向高端住房递减,低分位点的房价指数波动更大。     

中国农产品价格波动特征的实证研究——基于广义误差分布的ARCH类模型

近年来农产品价格波动频繁,结构特征明显,主要是因为受到生猪、棉花、大豆、胶脂果实类林产品和稻谷等农作物价格波动的影响.利用广义误差分布的ARCH类模型对主要农产品价格波动特征进行分析,结果表明:棉花价格没有显著的异方差效应;生猪、大豆和稻谷的价格波动具有显著的集聚性,但其市场并没有表现出高风险高回报的特征;稻谷价格波动具有显著的非对称性,但大豆和生猪的价格波动没有显著的非对称性.基于GED的ARCH类模型提高了模型的拟合效果,可以更好地分析中国主要农产品价格波动特征.     

房地产价格时间序列预测的B P神经网络方法

文章阐述了BP神经网络的原理及其改进方式,提出了一种基于BP神经网络的时间序列预测方法。研究实例表明,无论是从拟合情况,还是检测、预测情况来看,该方法都有着很高的精度,可以作为房地产价格预测的一种行之有效的方法。     

对现行房地产价格统计方法制度的探析

房地产价格统计是关系到国计民生的国民经济综合统计的重要组成部分,其价格变动趋势和程度及公信度备受各级政府及领导的关注,成为社会公众关心和热议的焦点。现行的方法制度到底能不能反映客观实际情况?房价统计到底是哪出了问题?房价统计制度如何改革?这一系列问题已成为我们思考的当务之急。     

价格波动的研究方法及其模型

在价格理论与实践中,经济学家们试图建立严密的数学模型来研究和分析时间序列经济周期和误差修正等价格波动问题。文章参考有关时间序列分析方面的研究成果,系统阐释了应用于价格波动相关的计算方法及其模型。     

国内重点城市商品住宅价格影响因素实证研究

文章根据价格形成机理.从需求和供给两方面分析了影响国内重点城市商品住宅价格的因素,并据此构建了价格模型.检验结果表明,主要成本因素、人口数量因素是影响商品住宅价格的主要因素,主要成本(尤其是土地成本)对住宅价格存在明显的成本推动效应,较好地解释了目前地方政府的土地财政现象:常住人口数量对住宅价格具有需求拉动效应,是因为重点城市的城市价值较大.外地人才的大量涌入使常住人口猛增,住房需求也快速增长,最终拉高了房价.实证研究结果与重点城市的现实情况基本相符.     

商品住宅价格上涨的空间自回归模型及其实证

文章以空间计量经济模型为基础,选取1998~2009年以北京为中心的8个城市的面板数据,检验城市之间商品住宅价格是否存在空间依赖性并进一步分析影响商品住宅价格上涨的主要因素,最后对这8个城市商品住宅价格进行Granger因果检验。研究结论既能为商品住宅价格的形成机理奠定了理论基础,同时为政府宏观调控提供参考。     

横截面数据变量的规模特征:特征价格建模分析

本文通过对截面数据排序这样一种创新的简单建模实验,将经济变量间关系的一个基本特征——非线性规模效应纳入到截面数据模型设定中。本文以特征价格模型为实验案例,具体的分析对象是汽车和电脑的特征价格模型。实验得出的主要结论有:由于忽略了截面数据样本中潜在的非线性规模效应,传统模型得出的特征价格指数很可能存在系统偏差;基于规模解释变量的数据排序方法是滤出截面数据样本中非线性信息的一种简易而有效的途径;截面数据一经排序,便可采用现有的系统动态建模方法来实现对变量间这种非线性规模信息的滤出。     

本市房地产价格走势分析

在过去的十年里,上海房地产业迅速发展。房地产业增加值占上海国内生产总值（GDP）的比重不断扩大,2000年房地产业完成增加值240亿元,同比增长14％,占上海GDP的5.3％,比1990年增加了4.7个百分点。同时,1999年和2000年两年房地产业对GDP增长的平均贡献率也达到了6.5％。