房价预测开题报告模板
我国房地产价格统计研究的开题报告
我国房地产价格统计研究的开题报告尊敬的评委、专家、老师，大家好！我将要向大家进行本次论文的开题报告，这是一份关于我国房地产价格统计研究的论文。
首先，我将总结我对中国房地产市场的了解。
随着中国社会和经济的不断发展，房地产市场始终处于持续增长和迅速发展的状态。
近年来，我国的房地产市场呈现出普遍升温和价格上扬的趋势，这使得房地产的价格、质量和供需关系成为了社会关注的热点话题。
因此，探究我国房地产价格的统计研究显得非常重要。
接下来，我将介绍论文的研究内容和重点。
本次论文主要研究我国房地产价格的统计模型和预测模型，着重从房地产市场整体规模、土地市场、房企和购房者等方面对房地产价格进行研究和分析。
我将采用时间序列分析和因子分析方法，利用大量的历史数据和市场信息，构建房地产价格的统计模型，预测市场价格未来的走势并接受检验。
接着，我将阐述我论文的研究意义和社会价值。
首先，本次论文从宏观和微观两个层面研究了我国房地产价格的统计研究，是对我国房地产市场运行机理和规律的深入理解和分析。
其次，本次论文从多方面考察了影响房地产价格的因素，为政府、企业和个人提供有效的参考建议，从而更好地参与到我国房地产市场中，促进我国房地产市场的健康发展和经济增长。
最后，本次论文在统计模型、预测模型和模型应用等方面有较高的参考和借鉴价值。
最后，我将谈论我论文的创新点和研究难点。
本次论文在理论和实践方面都有一定的创新点，特别是在研究方法上的创新，采用因子分析和时间序列分析方法进行研究，有助于提高模型的精度和准确度。
在研究难点方面，主要有数据获取的困难、时间序列分析方法的不稳定性、因子分析方法的结论解释难度等问题，这些将对论文研究带来一定的挑战，需要认真研究和探索。
以上就是本次论文的开题报告，谢谢大家的聆听和支持！。
城市未来房地产价格预测分析的开题报告
[6][美]特瑞斯.M.克ቤተ መጻሕፍቲ ባይዱ瑞特,斯泰西,西蒙.房地产金融原理与实践[M]经济科学出版社.2004(1).
[7]李景国.2010年中国房地产蓝皮书[M].中国社会科学院城市发展与环境研究中心和社会科学文献出版社.2010(5).
[8]吕萍,周涛.土地城市化与价格机制研究[M].中国人民大学出版社.2008(3)
[9]朱贵明.房价必跌?[M].社会科学文献出版社.2010(7)
[10]冯力,陈丽,房地产投资分析[M].化学工业出版社.2010(6)
[11]宗永红.房地产估价[M]科学出版社.2010(6)
2.与选题相关研究的现状分析
曹锦花在《商品房（住宅）价格波动主要影响因素研究》一文中聚焦商品房价格波动对社会和国民经济的影响，对商品房价格的综合影响因素进行了较为全面的分析和总结，从中筛选出价格波动的主要影响因素，分析各因素对价格作用的渠道和方向，总结出各因素变动共同对房价产生的影响。
江茜娅在《基于时间序列的中国房地产价格走势预测》文中采用1998年第一季度至2009年第三季度的全国房屋销售价格指数，建立ARIMA模型，运用AIC准则选择最优模型，根据拟合的模型向后做了4期预测，得出商品房价格指数在未来一段时间平稳上升的预测结果。
2.主要参考文献
[1]王振龙,胡永红.应用时间序列分析[M].科学出版社,2007.
[2]尤梅芳,黄敏,程立.ARIMA模型在房价预测中的应用[J].中国物价,2009,(6).
[3]曹锦花.商品房住宅价格波动主要影响因素研究[D].硕士论文.
[4]牛风瑞,李景国,尚教蔚.中国房地产发展报告[M].社会科学文献出版社.2004(6).
武汉新区住宅房地产市场预测研究的开题报告
武汉新区住宅房地产市场预测研究的开题报告一、选题背景和意义在中国的经济快速发展背景下，房地产市场成为了一个极具潜力的领域。
作为中国的中心城市之一，武汉的房地产市场也在不断的发展。
随着武汉新区的建设，房地产市场的规模和潜力进一步得到了提升。
因此，对武汉新区住宅房地产市场进行预测研究，具有一定的实际意义。
本次研究，旨在为房地产开发商、投资商等提供重要的参考信息，有助于更好地把握住当前市场变化，更加高效地开展业务。
二、研究目的1、了解武汉新区住宅房地产市场的基本情况；2、分析武汉新区住宅房地产市场的现状和趋势；3、评估当前市场风险和机遇，为相关企业提供参考建议；4、预测未来一段时间内武汉新区住宅房地产市场的发展方向和潜力。
三、研究内容和方法1、研究内容（1）武汉新区住宅房地产市场的概述；（2）武汉新区住宅房地产市场现状和趋势分析；（3）武汉新区住宅房地产市场的风险和机遇评估；（4）武汉新区住宅房地产市场未来发展方向和潜力预测。
2、研究方法（1）文献资料法：通过收集相关文献、新闻资料等资料方式，掌握武汉新区住宅房地产市场的情况。
（2）实地调查法：通过实地考察武汉新区住宅房地产市场、调查市场的情况，了解实际市场现状。
（3）统计分析法：通过对市场数据的收集和分析，得出市场的趋势和未来的发展方向。
四、研究目标和预期结果1、研究目标（1）掌握武汉新区住宅房地产市场的基本情况；（2）分析武汉新区住宅房地产市场的现状和趋势；（3）评估当前市场风险和机遇；（4）预测未来一段时间内武汉新区住宅房地产市场的发展方向和潜力。
2、预期结果通过本次研究，可以得到以下预期结果：（1）掌握武汉新区住宅房地产市场的基本情况；（2）分析武汉新区住宅房地产市场的现状和趋势；（3）评估当前市场风险和机遇，为市场参与者提供参考建议；（4）预测未来一段时间内武汉新区住宅房地产市场的发展方向和潜力。
五、论文结构安排（1）引言介绍研究的背景和意义、研究的目的和意义、方法与内容、预期结果等。
大庆住宅房地产价格分析及未来走势研究的开题报告
大庆住宅房地产价格分析及未来走势研究的开题报告一、研究背景房地产市场是中国经济的重要支柱之一，也是我国居民最重要的财富来源之一。
房地产价格受多种因素的影响，如宏观经济环境、政策调控、供求关系等。
近年来，随着我国经济发展进入新常态，房地产市场也出现了诸多变化。
在这一背景下，本文旨在对大庆市住宅房地产价格进行分析，并探讨未来走势。
二、研究目的1. 分析大庆市住宅房地产市场的现状及特点。
2. 探讨影响大庆市住宅房地产价格的因素，以及它们之间的相互作用关系。
3. 预测大庆市住宅房地产价格未来的走势。
三、研究内容和方法1. 研究内容（1）大庆市住宅房地产市场现状分析。
对大庆市住宅房地产市场进行概述，包括市场结构、供求状况、价格水平等方面的情况。
（2）大庆市住宅房地产价格影响因素分析。
从宏观经济因素、政策调控、供求关系等方面进行分析，解析影响大庆市住宅房地产价格的主要因素。
（3）大庆市住宅房地产价格未来走势预测。
基于上述分析，得出大庆市住宅房地产价格未来的走势预测。
2. 研究方法（1）文献资料法：通过查询相关文献、政策法规以及统计数据等，获得大庆市住宅房地产市场的相关信息。
（2）问卷调查法：对大庆市居民进行问卷调查，了解他们对房地产市场的态度、购房意愿以及购房预算等信息。
（3）统计分析法：运用统计学方法对大庆市住宅房地产价格的历史数据进行分析，建立价格预测模型，并进行预测。
四、研究意义本文研究对于了解大庆市住宅房地产市场的现状和特点、分析影响因素及其相互作用、预测未来走势具有重要意义。
从市场参与者的角度，能够帮助房地产开发商、投资者和购房者做出更为明智的决策；从政策制定者和监管者的角度，有助于他们更好地制定和实施政策，维护市场平稳健康发展。
同时，本文研究也可以为相关学科提供研究参考。
房价指数预测开题报告
房价指数预测开题报告房价指数预测开题报告一、引言房价一直以来都是社会关注的焦点之一，尤其是在城市化进程不断加快的背景下，房价的波动对于经济发展和社会稳定具有重要影响。
因此，准确预测房价指数对于政府决策和个人投资都具有重要意义。
本文旨在探讨房价指数预测的可行性和方法，为相关研究提供参考。
二、背景房价指数是衡量房地产市场供需关系和价格变动的重要指标，对于政府部门制定楼市政策、金融机构开展房地产贷款以及个人购房投资都起着重要的参考作用。
然而，房价指数的变动受到多种因素的影响，包括宏观经济因素、政策因素、地区特点等，因此准确预测房价指数是一项具有挑战性的任务。
三、研究目标本研究的目标是通过建立合适的模型，预测未来一段时间内的房价指数变动趋势。
具体来说，我们将尝试使用机器学习算法和时间序列分析方法，结合历史数据和相关因素，构建房价指数预测模型，并对模型进行评估和优化。
四、数据来源房价指数的预测需要大量的历史数据作为基础，以建立模型并进行训练。
本研究将收集包括房价指数、经济指标、政策数据等在内的多种数据来源，包括但不限于国家统计局、房地产开发商、金融机构等。
同时，为了提高预测的准确性，我们还将考虑引入其他相关数据，如人口流动、城市规划等。
五、方法与模型5.1 机器学习算法机器学习算法是一种通过训练数据学习模型并进行预测的方法。
我们将尝试使用回归算法，如线性回归、支持向量机回归等，以及集成学习算法，如随机森林、梯度提升树等，来建立房价指数预测模型。
同时，我们还将使用交叉验证和网格搜索等技术，对模型进行参数调优，提高预测的准确性。
5.2 时间序列分析时间序列分析是一种通过对时间序列数据进行建模和预测的方法。
我们将使用常见的时间序列模型，如ARIMA模型、指数平滑模型等，来预测房价指数的变动趋势。
同时，我们还将考虑引入滞后变量、季节性因素等，以提高模型的拟合度和预测准确性。
六、数据处理与特征选择在建立预测模型之前，我们需要对数据进行处理和特征选择，以提高模型的稳定性和准确性。
基于特征价格模型的上海小区房价研究的开题报告
基于特征价格模型的上海小区房价研究的开题报告一、选题背景和意义随着城市化进程的加速和经济的不断发展，房地产业在中国已成为一个庞大的产业，房价的变动对全社会的影响越来越大，尤其是在城市房地产市场热度愈发高涨的当下，对于购房者和房地产开发商来说，对房价趋势的把握显得尤为重要。
房价本质上是由市场需求和供给条件两方面的因素共同决定的，而需求方和供给方均会受到多个因素的影响。
因此，探究获取地理信息公司（GIS）和不动产估价公司（土地评估公司）的信息，利用现代经济学理论和方法，建立合理的特征价格模型，探讨上海小区房价的影响因素及其作用，在实践中具有很高的应用价值。
二、研究内容和目标本研究旨在通过应用现代经济学思想和方法，建立特征价格模型，分析上海小区的基本特征、区位条件、周边环境、物业管理等与房价的关系，深入解析各因素对房价的影响机理与重要度，全面把握上海小区房价的形成机制，为政府、开发商、投资者以及市民提供参考，提高对上海市房价走势的预测准确性。
具体研究内容如下：1. 梳理上海市房地产市场研究现状和特征价格模型相关理论。
2. 搜集上海市房地产市场和各小区的相关数据，包括基本特征、区位条件、周边环境和物业管理等，对数据进行预处理，筛选相关变量。
3. 建立特征价格模型，探究各因素对房价的影响程度和作用机制，进而分析上海小区房价的形成机制。
4. 利用深度学习算法建立预测模型，预测上海小区未来房价的变化趋势。
5. 提出政策建议，为上海市房地产市场的发展和管理提供参考。
三、研究方法本研究将应用统计学分析和深度学习算法。
1.基于统计学分析，利用正式的回归分析等方法进行分析，通过对相关变量的统计推断，深入探讨各个因素对房价的影响机理。
2.基于深度学习算法，采取卷积神经网络（CNN）模型、循环神经网络（RNN）模型和长短时记忆网络（LSTM）模型等，综合利用各模型所学习到的特征，对未来的房价进行预测。
四、研究进度计划本研究的时间进度安排如下：第一周：搜集上海市房地产市场研究现状和特征价格模型相关理论资料，明确研究内容和目标；第二周到第四周：搜集上海市房地产市场和各小区的相关数据，对数据进行清洗和预处理，并筛选相关变量；第五周到第八周：建立特征价格模型，并进行统计学分析，探究各因素对房价的影响程度和作用机制；第九周到十周：利用深度学习算法建立预测模型，应用卷积神经网络（CNN）模型、循环神经网络（RNN）模型和长短时记忆网络（LSTM）模型等，综合利用各模型所学习到的特征，对未来的房价进行预测；第十一周到第十二周：综合分析研究结果，提出政策建议，为上海市房地产市场的发展和管理提供参考。
中国房地产销售价格指数的预测的开题报告
中国房地产销售价格指数的预测的开题报告标题：中国房地产销售价格指数的预测背景：房地产业是中国经济中的重要组成部分，对国家经济的发展起到至关重要的作用。
随着经济的发展，房地产市场越来越成熟，国内的房地产销售价格指数也逐渐显现出周期性波动的趋势。
因此，对中国房地产销售价格指数的预测具有重要的意义。
研究目的：本研究旨在利用多元时间序列分析模型，预测中国房地产销售价格指数的未来走势，探寻其影响因素和演变规律，为政府和决策者制定相关的房地产政策提供理论参考。
研究内容：1. 对中国房地产销售价格指数进行历史数据调查与分析，探究其变化趋势、周期规律等。
2. 根据房地产市场相关的因素，建立多元时间序列分析模型，预测中国房地产销售价格指数未来走势。
3. 分析中国房地产市场所面临的挑战和机遇，探讨相关的政策推动和监管措施。
研究方法：1. 提取房地产市场相关的因素，包括人口、利率、财政政策等，运用SPSS等统计软件进行相关性分析，确定影响房地产销售价格指数的主要因素。
2. 建立VAR模型、VECM模型或ARIMA模型等多元时间序列分析模型，预测中国房地产销售价格指数未来走势。
3. 运用SWOT矩阵分析法，分析中国房地产市场所面临的机遇和挑战，提出相应的政策建议和调控措施。
预期结果：1. 确定中国房地产销售价格指数的主要影响因素和演变规律。
2. 利用多元时间序列分析模型，预测中国房地产销售价格指数未来走势。
3. 分析中国房地产市场的 SWOT 矩阵，探讨相关政策建议和调控措施。
研究意义：本研究对中国房地产销售价格指数的预测和分析，将有助于政府和决策者实施房地产市场调控政策，促进中国经济的稳定发展。
同时，本研究将为相关学科领域的研究提供理论支持和实证数据。
住房数据分析开题报告(3篇)
第1篇一、研究背景与意义随着我国经济的快速发展，城市化进程不断加快，住房问题已成为社会关注的焦点。
住房不仅关系到人民群众的生活质量和幸福感，也关系到社会的稳定和经济的可持续发展。
因此，对住房市场进行深入分析，揭示其运行规律，为政府决策和行业发展提供科学依据，具有重要的理论意义和现实意义。
二、研究目的与内容1. 研究目的（1）揭示我国住房市场的运行规律和特点；（2）分析住房价格、供给、需求等因素之间的关系；（3）为政府调控政策和行业发展提供决策支持；（4）探索住房市场可持续发展路径。
2. 研究内容（1）住房市场概述：包括住房市场的基本概念、分类、发展阶段等；（2）住房市场供需分析：分析住房市场的供给和需求状况，包括住房类型、面积、价格、区域分布等；（3）住房价格影响因素分析：研究影响住房价格的主要因素，如经济发展水平、人口流动、土地政策等；（4）住房市场政策分析：分析政府住房政策对住房市场的影响，如限购、限贷、限售等；（5）住房市场风险分析：识别和评估住房市场的风险因素，如金融风险、市场风险、政策风险等；（6）住房市场发展趋势预测：基于历史数据和现状分析，预测未来住房市场的发展趋势。
三、研究方法与技术路线1. 研究方法（1）文献研究法：查阅国内外相关文献，了解住房市场研究现状和发展趋势；（2）数据分析法：收集和分析住房市场相关数据，包括住房价格、供给、需求、政策等；（3）比较分析法：比较不同地区、不同类型的住房市场，分析其异同；（4）模型分析法：运用计量经济学模型，分析住房价格、供给、需求等因素之间的关系；（5）案例分析法：选取典型案例，深入分析住房市场的具体问题。
2. 技术路线（1）文献综述：梳理国内外住房市场研究现状，明确研究方向；（2）数据收集：收集住房市场相关数据，包括住房价格、供给、需求、政策等；（3）数据处理：对收集到的数据进行清洗、整理和统计分析；（4）模型构建：运用计量经济学模型，分析住房价格、供给、需求等因素之间的关系；（5）结果分析与讨论：对分析结果进行解读，提出政策建议；（6）撰写研究报告：总结研究成果，撰写研究报告。
未来房价趋势分析报告
未来房价趋势分析报告
一、现状分析
随着经济的发展和人口的增长，房地产市场作为一个重要的经济支柱在不断发展壮大。
近年来，房价持续上涨，尤其是一线城市和部分二线城市的房价涨幅更是惊人，使得购房成本越来越高，让普通家庭难以承受。
房地产市场的波动也直接影响到国家的经济稳定。
二、未来趋势预测
1. 供需关系
未来随着城市化进程的加快，人口向城市集中，房地产需求将持续增加。
与此同时，土地资源的稀缺性和建设用地的限制也将制约房产供给的增长。
因此，未来房地产市场供需关系将继续紧张，房价上涨的压力将难以缓解。
2. 经济发展
经济的发展水平直接影响了人们购房的能力。
未来随着国家经济的持续增长和人民收入水平的提高，购房需求也会随之增加。
而经济的繁荣也会推动房价上涨，因此未来房价趋势将与经济发展密切相关。
3. 政策调控
政府对房地产市场的政策调控也是影响未来房价的重要因素。
未来政府将继续出台各种政策来限制房价过快上涨，促进房地产市场的健康发展。
政府的政策调控举措将直接影响到未来房价的走势。
4. 利率变动
利率水平对购房者的影响非常明显，未来央行将根据经济形势和通胀情况来调整利率水平，从而影响到购房者的负担能力。
未来利率的变动将直接影响到房价的走势。
三、结论
综上所述，未来房价趋势受供需关系、经济发展、政策调控和利率变动等因素的综合影响。
未来房价将继续呈现上涨趋势，但政府将继续通过政策调控来控制房价过快增长，以保障房地产市场的稳定发展。
购房者在未来需谨慎选择购房时机，结合个人情况和市场走势进行理性决策。
上海市房地产价格及其影响因素分析的开题报告
上海市房地产价格及其影响因素分析的开题报告
一、选题意义与背景
上海是中国最具有经济发展实力和城市魅力的城市之一，房地产市场发展迅速，房价在近几年持续上涨，至今已成为全国最高房价地区之一。
该问题已经引起了社会各界的广泛关注。
本文旨在分析上海市房地产价格及其影响因素，以期为研究该问题提供参考。
二、研究目的
本文的研究目的是为了深入分析上海市房地产价格的现状和存在的问题，探讨影响上海市房地产价格的因素并作出预测与建议，为政府管理和市场参与者提供参考和决策依据。
三、研究内容
本文的研究内容主要包括以下几个方面：
1.上海市房地产市场现状的分析，包括房价的历史变化趋势、不同区域、不同类型的房价水平、销售情况等方面。
2.影响上海市房地产价格的主要因素的分析，包括宏观经济因素、政策因素、市场供求因素、土地供应因素等方面，定量分析各个因素对房价的影响程度。
3.根据研究结果提出对上海市房地产市场管理和参与者的建议和预测。
四、研究方法
本文将采用以下研究方法：
1.文献资料法，收集和整理相关文献和数据，对上海市房地产市场的历史发展、政策文件和统计数据进行回顾和分析。
2.实证分析法，将上海市房价与宏观经济、政策等因素进行回归分析，以量化的方式衡量各因素对房价的影响程度。
3.专家访谈法，采访相关专家、学者、从业人员，了解他们对上海
市房价问题的看法和建议，并作为研究结果的重要参考。
五、预期成果
本文的预期成果是深入分析上海市房地产市场的现状和存在的问题，找出影响上海市房地产价格的主要因素，为政府管理和市场参与者提供
参考和决策依据，为上海市房地产市场的稳定发展做出贡献。
贵阳房价预测开题报告
贵阳房价预测开题报告贵阳房价预测开题报告一、引言贵阳作为中国西南地区的重要城市，近年来经济发展迅速，吸引了大量人口涌入。
随着城市化进程的推进和人口增长，房地产市场成为了人们关注的焦点之一。
本文旨在通过对贵阳房价的预测，为购房者、开发商以及政府决策者提供参考依据。
二、背景分析1. 贵阳市的经济发展现状贵阳市近年来经济发展迅速，GDP持续增长，人口逐年增加，城市化进程加快。
这些因素都对房地产市场产生了重要影响。
2. 房地产市场的重要性房地产市场作为一个重要的经济支柱，不仅直接影响着居民的生活质量，还对经济的发展和社会稳定起着重要作用。
因此，对房价的准确预测具有重要的现实意义。
三、研究目标本研究的目标是基于历史数据和相关因素，建立贵阳房价预测模型，以预测未来一段时间内贵阳房价的走势。
四、研究方法1. 数据收集本研究将收集贵阳市过去几年的房价数据，包括二手房和新房的成交价格、面积、地理位置等相关信息。
同时，还将收集与房价相关的宏观经济指标，如GDP增长率、人口增长率等。
2. 数据预处理对收集到的数据进行清洗和整理，去除异常值和缺失值，确保数据的准确性和完整性。
3. 特征选择通过对数据进行分析，选择与房价相关性较高的特征变量，建立合适的预测模型。
4. 模型建立本研究将采用机器学习算法，如线性回归、支持向量机等，建立贵阳房价预测模型。
通过对历史数据的训练和验证，选择最优的模型。
5. 模型评估采用交叉验证等方法对建立的模型进行评估，评估模型的准确性和可靠性。
六、预期结果通过本研究，我们期望能够建立一个准确可靠的贵阳房价预测模型，为购房者、开发商和政府决策者提供科学的参考依据。
同时，我们也希望能够发现影响贵阳房价的主要因素，并对未来的房价走势进行合理预测。
七、研究意义本研究的意义主要体现在以下几个方面：1. 为购房者提供决策依据。
购房者可以根据预测结果，选择合适的购房时机和地点，降低购房风险。
2. 为开发商提供市场参考。
我国房价上涨的影响因素及房价合理性研究的开题报告
我国房价上涨的影响因素及房价合理性研究的开题报告一、选题的背景和意义在我国，房价一直是民众关注的焦点，尤其是近年来，房价不断上涨，引起了社会各界的广泛关注。
房价上涨对人们的生活产生了很大的影响，例如居民购房难、经济负担加重等问题。
因此，研究我国房价上涨的影响因素及房价合理性，对稳定社会经济发展、保障民生具有重要的现实意义。
二、选题的研究目的和内容本研究旨在探究我国房价上涨的影响因素及房价合理性，为政府制定相应的房地产政策提供决策依据。
具体研究内容包括以下两个方面：1. 房价上涨的影响因素本部分将围绕我国房价上涨的原因，阐述各种因素对房价的影响程度及重要性，包括土地价格、市场需求、供给约束、政策调控等方面的因素。
2. 房价合理性的研究本部分将根据当前市场情况，结合各地实际情况，采用标准化评价方法，探讨当前房价的合理性，为制定房地产政策提供科学依据。
三、拟采取的研究方法和步骤本研究将从实证研究和理论研究两个方面入手，采用多种研究方法进行研究。
具体步骤如下：1. 收集相关数据和文献资料，使用统计分析法和回归分析法，对影响我国房价上涨的因素进行量化研究。
2. 根据目前各地房价变化趋势和市场情况，采用标准化评价方法，探讨房价的合理性。
3. 在以上分析基础上，结合政策环境和市场趋势，提出相应的房地产政策建议。
四、论文的预期成果通过本研究的分析和研究，得出以下预期成果：1. 系统、全面地分析我国房价上涨的影响因素。
2. 对当前房价的实际情况进行评价和对比，探讨房价的合理性。
3. 提出相应的房地产政策建议，为政府制定房地产政策提供科学的参考。
5. 论文的研究意义本研究对于理解我国房地产市场的运行规律以及房价的变化趋势具有重要意义，可以对政府的房地产政策以及个人的房产投资决策提供参考。
同时，本研究对于推动我国房地产市场的稳定发展、保障民生具有积极作用，具有理论和现实意义。
房价预测开题报告模板
1．结合毕业论文课题情况，根据所查阅的文献资料，撰写2000字左右的文献综述：文献综述研究背景：在现在经济生活中，房地产市场成为金融、建筑和股市等经济板块发展的重要推动力，其产业的兴衰影响着国民经济的发展状态，商品房价格是房地产市场的最重要和最直接的反映，是商品房价值的货币表现.在我国目前这个特定的紧急发展阶段，商品房市场作为城市经济体系的一个重要组成部分，其发展演变在很大程度上取决与城市的经济状况、城市的发展目标以及城市的相关政策和管制措施.我国的住房问题更多的是与其他大量微观的和宏观的经济和社会问题联系在一起.因此，我国经济高速发展、农村剩余劳动力向城市快速转移、住房产业逐步成为城市经济支柱产业的背景下发展.研究目的和意义：随着住房制度改革的全面深化，住房的商品化消费观念早已深入人心，商品房作为一项产业，其发展的空间非常大，其价格的变动影响也将非常广泛.对商品房地产价格的变动进行科学的研究和预测，对供求双方和政府都具有重要的理论和现实意义.近年来，太原市商品房地产价格过快上升，让人们对房价的变动比较敏感，也让商品房地产价格也成为供需双方共同关注的焦点.就目前情况而言，稳定商品房地产价格是太原房地产市场宏观调控的主要任务.关于未来房价的走势的讨论大多是建立在对商品房价格的感性认识基础上.本文旨在通过对商品房地产价格的形成的理论分析以及太原市商品房价格为例的实证研究，较高精度的预测商品房价格，为太原房地产投资决策管理提供一丁点科学借鉴.国内外房地产预测方法和模型研究现状商品住房是人们生活的必需品，随着住宅房商品化的发展，商品房价格也越来越受到人们的重视，商品房价格的影响因素和预测一直是学者们研究的热门领域，研究并分析其影响因素，从而准确的预测动态价格的变动.国外研究动态：在过去二十多年中，在学术界分析城市住房价格常采用hedonic price methodology 和repeat-sale methodology，国外对房价格变动的分析和研究比较深入1981年，Nellis和Longbottom通过分析英国的数据试图解释英国商品住宅价格的决定因素. 作者将商品住宅的需求定义为人口数量、社区中抵押贷款的资产存量、平均的商品住宅价格、个人收入、消费品价格和抵押贷款利率的真实函数，将供给定义为商品住宅价格和商品住宅存量的函数根据供给和需求相等的原理，得到一个关于平均商品住宅价格的简化公式，从而推导出商品住宅的价格.计量经济学的结论显示，收入是影响商品住宅价格的最重要的因素其次是抵押贷款利率和社区中抵押贷款的资产存量.Mmanning（1989）使用1980年美国94个MSA（Measurement System Analysis）的普查数据建立了住宅价格方程，他认为气候环境等非经济性的价格已被资本化到了土地和住宅价格中.除了人们收入因素、环境因素外，人口因素也经常被用来解释和预测住宅价格变动及其走向，Mankiw和Will（1989）通过研究美国20世纪70年代一些城市的住宅价格，认为二战后生育高峰起出生的一代人进入购房阶段的导致住宅房价格上涨的主要原因.Walden 和Michaek（1990）、Hayes 和Taylor（1996）、Haurin 和B让思念沟通（1996）就住宅附近学区的好坏与住宅价格之间的关系进行了研究，结果表明，学校教学质量与住宅价格之间有明显的相关性，及教学质量越好，附近住宅价格越高.在房价预测方法中美国的Case和Shiller(1990)采用平行数据回归分析，Clapp和Giaccotto(1994)简单的回归进行城市住宅价格的预测，Potepan（1996）采取两阶段最小二乘法进行不同城市价格的预测，Malpezzi（1999）采用平行数据回归分析，对不同的城市并非随机价格和差异性进行预测，针对价格收入比以及房价变化利用误差修正模型得出了前期价格和收入变化对于房价的影响以及短期供给弱弹性的结论[8]；Quigley（1999）采取平行数据回归分析来于经济基本面的相关指标来解释各城市住宅价格走势.Seko通过平行数据回归分析：自回归模型调查了日本46个县的1998-2001年度数据，对日本各地区的住宅价格和经济基本的相关性进行预测.Anglin(2006)一如平均房价增长率的滞后三期以及CPI、住房抵押贷款利率和失业率，建立VAR 模型，预测多伦多房价变动情况.国内研究动态：国内外有关房价预测的方法大体分为两类，一类为定性预测方法，如判断预测法，评估法等；另一类是定量预测方法，如时间序列分析法，回归分析法、状态转移法、经济计量模型分析法和灰色预测模型等。
北京城区住宅价格测度模型及变动趋势研究的开题报告
北京城区住宅价格测度模型及变动趋势研究的开题报告一、研究的背景及意义随着我国经济的快速发展和人民收入的增加，房地产市场已经成为了我国经济增长的重要引擎之一，也是人们投资的主要渠道。
与此同时，北京作为中国的首都和一线城市，其房地产市场显得更加特殊。
北京市区的房价不仅仅是普通民众关注的焦点，也是政府部门需要及时掌握、分析的重要经济指标。
因此，本研究旨在通过建立合理的住宅价格测度模型，对北京市区住宅价格变动趋势进行分析和预测，以期能够对政府部门的决策提供科学的支持，同时对广大购房者提供一个更为准确的市场参考价格。
二、研究的内容及方法本研究将结合政策背景、供需关系、经济背景等因素，建立一种含多维度指标的住宅价格测度模型，通过统计学方法、回归分析等技术手段，对北京市区住宅价格的变动趋势进行研究。
具体而言，本研究将采用以下方法：1. 对北京市区房地产市场的历史数据进行收集和分析，确定模型中的自变量和因变量。
2. 运用波动率模型、VAR模型、灰度预测模型等方法，对影响住宅价格变动的各项因素进行分析和预测。
3. 建立住宅价格测度模型，对北京市区不同区域、不同户型、不同房龄等住宅价格的影响因素进行分析和测算。
4. 使用ARIMA模型、置信区间分析等方法，对住宅价格的未来走势进行预测。
三、研究的预期成果1. 建立一种科学、可靠的住宅价格测度模型，对北京市区住宅价格的变动趋势进行分析和预测，为政府部门提供科学决策支持。
2. 揭示了影响北京市区住宅价格的各个因素之间的关系和影响程度，对购房者参考市场价格提供更为准确的数据。
3. 分析并预测北京市区住宅价格的未来走势，为购房者提供更加有利的理财建议。
四、研究的可行性及局限性本研究的可行性主要体现在：1. 研究数据来源广泛，且数据是权威可靠的。
2. 运用的方法和模型已经在其他领域得到广泛应用，成熟度高且可靠性好。
本研究的局限性主要体现在：1. 建立的住宅价格测度模型中，可能存在某些不可预测的因素，如政策变化等，这些因素可能对研究结论产生一定的影响。
我国的房价合理程度测定与房贷风险研究的开题报告
我国的房价合理程度测定与房贷风险研究的开题报告开题报告一、研究背景和意义中国的房地产市场一直是国内经济的重要组成部分，很多人都买房子当作一种理财方式或是退休的保障。
房价的稳定性和合理性对人们的生活、经济发展和金融稳定等方面都有重要的影响，因此，对中国房价合理程度的研究十分必要。
过度上涨的房价会导致房地产泡沫的出现，这会带来严重的金融和经济风险，如贷款违约、金融危机等。
为了预测房贷风险，必须先建立一种房价合理程度的评估指标，以此判断是否存在泡沫、是否存在风险，从而采取相应措施防范风险。
在此背景下，本文旨在研究我国房价的合理程度，并探讨其与房贷风险的关系，为政策制定者、银行和投资者等提供有关房价和房贷风险的决策参考。
二、研究内容和方法本研究主要分为两个部分：房价合理程度的测定和房贷风险研究。
（一）房价合理程度的测定1.收集房价、地价和人均收入等数据。
2.采用传统文献综述法和统计分析法，分析国内外房价合理性研究现状和我国房价涨势的原因。
3.用协整模型对数据进行计量分析，并建立我国房价合理性评估模型，得出我国房价合理程度的判断。
（二）房贷风险研究1.对当前我国房贷市场进行调查，收集房贷利率、贷款额度、担保情况和违约率等数据。
2.在评估房价合理程度的基础上，探讨房价和房贷风险的关系。
3.采用回归分析法和面板数据模型，构建我国房贷风险评估模型，提出防范房贷风险的对策建议。
三、预期成果通过研究，预计得出以下成果：（一）房价合理程度的测定1.得出我国房价的合理性评估指标。
2.分析我国房价合理程度的基本特征及其变化趋势。
3.对我国房价的合理程度做出判断。
（二）房贷风险研究1.对我国房贷市场的现状和存在的问题做出分析。
2.探讨房价和房贷风险的关系。
3.建立我国房贷风险评估模型，提出防范房贷风险的对策建议。
四、研究进度和时间安排本研究计划用两年时间完成，具体时间安排如下：第一年1.第一学期：调研前期文献资料，制定研究计划和方案。
中国房地产价格的分析及预测的开题报告
中国房地产价格的分析及预测的开题报告中国房地产市场是世界上最大的房地产市场之一，近年来一直受到广泛关注。
然而，随着房地产市场的高速增长，其价格也吸引了全世界的注意力。
本文拟通过分析中国房地产市场的价格走势以及对这一市场未来的预测，从宏观和微观层面了解中国房地产市场价格的变化。
本文分为以下几个方面：1. 研究背景中国房地产市场的高速增长，吸引了全球投资人士的关注。
中国的房地产市场价格变化也引起了很多人的关注，尤其是在过去几年间房地产市场的持续波动，引发了社会普遍的担忧。
在这种情况下，了解中国房地产市场的价格走势以及对未来的预测对于业界和学术界都具有重要意义。
2. 研究目的本论文旨在分析中国房地产市场的价格走势，了解市场波动的原因并预测未来价格的趋势。
通过这些分析和预测，可以为房地产市场的投资者和政策制定者提供有用的参考，同时也为学术界提供相关数据和参考。
3. 研究内容本文将从以下几个方面展开研究：（1）中国房地产市场的发展概况与现状介绍中国房地产市场的历史和现状，包括市场规模、结构等方面。
同时重点分析房地产市场对经济的影响。
（2）中国房地产市场价格的走势通过收集大量的数据和资料，分析房地产市场价格的走势。
其中将包括价格波动的原因和主要因素。
（3）中国房地产市场未来价格的预测通过考虑各种因素和趋势，预测未来的房地产市场价格走势。
4. 研究方法为了达成以上研究目的，本文将采用以下研究方法：（1）文献资料法通过选择相关文献，包括季度和年度报告、新闻报道、学术论文、公司年报等，对中国房地产市场的历史、现状和趋势进行研究。
（2）统计分析法通过对中国房地产市场的历史数据进行分析，如房价指数等，探究房地产市场价格波动的原因和趋势。
（3）模型预测法通过使用时间序列分析、回归分析等方法，预测未来房地产市场价格的变化趋势。
5. 预期成果通过本研究，预计可以得出以下成果：（1）探究中国房地产市场的历史、现状和趋势，分析房地产市场价格波动的原因。
对浙江各城市房价的理性思考的开题报告
对浙江各城市房价的理性思考的开题报告一、选题背景近年来，全国的房价始终没有停止飙升的趋势，其中浙江省更是一个最具代表性的地区。
据浙江省统计局数据显示，2019年全省房价平均价格达到每平方米14986.46元，同比上涨11.07%，日益走高。
浙江省是一个经济发达的省份，在这样的基础上，各地的房地产市场也有着明显的表现，尤其是杭州、宁波、温州、绍兴等城市的房价一直居高不下。
而此类房价高企的城市又很难吸引到来自外部的人才和资本，形成“恶性循环”。
房价过高可能导致社会不稳定、人口流失，对于这个问题的解决，对学校、政府、企业等部门来说都十分重要。
因此，对于浙江省内各城市房价的研究具有现实意义，也是引起广泛关注的一个热门领域。
二、研究目的本文旨在通过探讨和分析浙江省各城市的房价情况，以期得出一些具有参考价值的结论和建议，为政府和开发商提供一些决策支持和参考，并为广大市民提供一些实用的信息。
三、研究内容和方法为达到研究目的，本文将分别探讨浙江省杭州、宁波、温州、绍兴等城市的房价情况，并对其背后的原因进行深入剖析，同时还将对政府和市场应对房价过高的策略进行评估和建议。
研究方法方面，本文将主要采用文献资料法、统计方法、问卷调查等多种研究手段，通过对现有数据/材料的加工和分析，建立相应的模型和计算公式，得出相关结论，最终形成一份完整、具有逻辑严谨性的结论，并给出相应的建议。
四、研究意义本文深入探讨浙江省内各城市房价情况，旨在发掘各城市房价涨势背后的治理因素和中长期发展潜力，对于缓解浙江省房价过高的问题，对于政府、企业和居民都具有重要意义。
同时，本文不仅具有中国现状的代表性，同时也可以为其他城市的研究提供借鉴和参考。
基于以上目的和方法，本文将从浙江省各城市房价的现状分析入手，深入挖掘背后的原因，探究政府和市场应对房价过高的策略，并以统计数据和实地调研为基础，提出合理的建议和方案，为解决浙江省的房屋市场问题提供新的思路和方向。
中国的房价：理论、实证和政策分析的开题报告
中国的房价：理论、实证和政策分析的开题报告一、研究背景和意义随着中国经济的快速发展，房地产市场也得到了快速的增长和繁荣。
但随之而来的是中国房价的持续上涨和波动，引起了人们的广泛关注和讨论。
房价问题不仅与普通百姓的居住需求息息相关，也影响到经济的稳定和可持续发展。
因此，对中国房价进行理论、实证和政策分析具有重要的研究意义。
二、研究目的本文旨在通过对中国房价的理论、实证和政策分析，探究其上涨和波动的原因和规律，为相关政策的制定和实施提供理论支持和决策参考。
三、研究内容和方法本文将涉及以下方面的内容：1. 房价理论分析：通过对房价形成机制、供需关系和价格弹性等理论模型的分析，探讨中国房价的基本特征和原因。
2. 房价实证分析：基于相关统计数据和经验实证的方法，研究中国房价的历史走势、影响因素以及市场波动的规律。
3. 房价政策分析：从宏观调控、税收政策、金融政策等多个方面出发，分析政策对房价的影响，并对当前房地产调控政策的效果进行评估。
研究方法主要包括文献研究、统计分析和实证研究等。
四、预期成果和创新点本文预期可以：1. 分析中国房价上涨和波动的原因和规律，揭示其基本特征和市场运作机制。
2. 对当前房地产调控政策的效果进行评估，提出改进和完善的建议。
3. 指导相关部门和市场参与者更好地理解和应对房价变动，促进房地产市场健康稳定发展。
创新点在于本文将通过多维度的理论、实证和政策分析，为中国房价的上涨和波动问题提供全面、客观的研究视角。
同时，对房地产调控政策进行评估，有助于促进政策更加科学有效地制定和实施。
分析房价的开题报告
分析房价的开题报告1. 研究背景和目的在现代城市化进程中，房地产市场一直是一个关键的领域。
房价的上涨和下跌对经济发展、社会稳定以及个人财富都有重大影响。
因此，了解房价的变动规律和影响因素对政府、企业和个人都具有重要意义。
本研究将要分析房价的主要影响因素，并试图构建一个预测模型，以帮助各方更好地理解和预测房价变动。
具体的目标如下：•分析历史房价数据，找出关键特征和趋势；•探索房价与经济指标、人口变化、政策调整等因素之间的关系；•构建一个房价预测模型，并进行验证和评估。
2. 数据来源和处理方法本研究的数据主要来自于房地产交易报告、宏观经济数据和人口统计数据。
具体的处理方法如下：1.收集历史房价数据，包括房价指数、房屋成交量、土地供应量等信息。
这些数据将作为我们分析的主要指标。
2.收集与房价相关的宏观经济数据，如GDP增长率、利率、房贷利率、居民收入等。
这些数据将用于探索房价与经济因素之间的关系。
3.收集人口统计数据，如人口数量、人口密度、人口流动性等。
这些数据将用于分析房价与人口因素之间的关系。
4.对收集到的数据进行清洗和预处理，包括缺失值处理、异常值处理、数据标准化等。
5.根据不同的研究目标和需求，采用合适的统计和机器学习方法进行数据分析和建模。
3. 分析方法和预期结果本研究将采用以下分析方法和技术进行房价分析和预测：1.描述性统计分析：对历史房价数据进行统计分析，包括均值、方差、最大值、最小值等，以了解房价的分布和趋势。
2.相关性分析：对房价与其他因素间的关系进行相关性分析，找出与房价关联较强的因素。
3.回归分析：构建线性回归模型，探索房价与经济指标、人口变化等因素之间的关系。
4.时间序列分析：基于历史房价数据构建时间序列模型，预测未来房价的走势。
5.机器学习方法：使用机器学习算法构建预测模型，包括决策树、随机森林、支持向量机等。
预期结果包括以下方面：•发现房价的核心特征和趋势；•揭示房价与经济、人口因素之间的关系；•构建一个准确可靠的房价预测模型。
分析房价的开题报告
分析房价的开题报告分析房价的开题报告一、引言房价一直是社会关注的焦点之一，对于购房者、开发商、政府等各方都具有重要意义。
本报告旨在分析房价的形成原因、影响因素以及未来发展趋势，为相关利益方提供决策参考。
二、房价的形成原因1.供需关系：房价的形成首先与市场供求关系密切相关。
当购房需求增加，而供应不足时，房价往往会上涨。
相反，供应过剩时，房价可能下跌。
2.经济因素：经济发展水平、就业状况、人口流动等因素也会对房价产生影响。
经济繁荣时，人们购买力增强，推动房价上涨；而经济衰退时，购买力下降，房价可能受到压制。
3.政策因素：政府的宏观调控政策对房价有着直接影响。
例如，调整利率、限购政策、土地供应等都会对房价产生较大的影响。
三、影响房价的因素1.地理位置：地理位置是影响房价的重要因素之一。
例如，位于城市中心、交通便利、配套设施完善的房产往往价格较高。
2.房屋品质：房屋的建筑质量、装修水平、楼层高度等也会对房价产生影响。
品质较高的房屋往往价格较高。
3.人口流动：人口流动对房价的影响也是不可忽视的。
当某个城市或地区人口流入增加时，房价可能上涨；相反，人口流出增加时，房价可能下跌。
4.政策调控：政府的调控政策对房价的影响也非常重要。
例如，限购政策可以抑制需求，从而对房价产生影响。
四、房价的未来发展趋势1.城市化进程：随着城市化进程的推进，人口流入城市的趋势将会持续。
这将推动城市房价的上涨。
2.政策调控：政府将继续加强对房地产市场的调控，以避免出现过热现象。
这可能对房价产生一定的抑制作用。
3.经济发展：经济的持续发展将提升人们的购买力，可能推动房价上涨。
4.产业发展：随着新兴产业的发展，一些城市或地区的房价可能会出现较大幅度的上涨。
五、结论房价的形成受到供需关系、经济因素和政策因素的综合影响。
地理位置、房屋品质、人口流动和政策调控都会对房价产生影响。
未来，城市化进程、政府调控政策、经济发展和产业发展等因素将继续对房价产生影响。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1．结合毕业论文课题情况，根据所查阅的文献资料，撰写2000字左右的文献综述：
文献综述
研究背景：
在现在经济生活中，房地产市场成为金融、建筑和股市等经济板块发展的重要推动力，其产业的兴衰影响着国民经济的发展状态，商品房价格是房地产市场的最重要和最直接的反映，是商品房价值的货币表现.
在我国目前这个特定的紧急发展阶段，商品房市场作为城市经济体系的一个重要组成部分，其发展演变在很大程度上取决与城市的经济状况、城市的发展目标以及城市的相关政策和管制措施.我国的住房问题更多的是与其他大量微观的和宏观的经济和社会问题联系在一起.因此，我国经济高速发展、农村剩余劳动力向城市快速转移、住房产业逐步成为城市经济支柱产业的背景下发展.
研究目的和意义：
随着住房制度改革的全面深化，住房的商品化消费观念早已深入人心，商品房作为一项产业，其发展的空间非常大，其价格的变动影响也将非常广泛.对商品房地产价格的变动进行科学的研究和预测，对供求双方和政府都具有重要的理论和现实意义.
近年来，太原市商品房地产价格过快上升，让人们对房价的变动比较敏感，也让商品房地产价格也成为供需双方共同关注的焦点.就目前情况而言，稳定商品房地产价格是太原房地产市场宏观调控的主要任务.关于未来房价的走势的讨论大多是建立在对商品房价格的感性认识基础上.本文旨在通过对商品房地产价格的形成的理论分析以及太原市商品房价格为例的实证研究，较高精度的预测商品房价格，为太原房地产投资决策管理提供一丁点科学借鉴.
国内外房地产预测方法和模型研究现状
商品住房是人们生活的必需品，随着住宅房商品化的发展，商品房价格也越来越受到人们的重视，商品房价格的影响因素和预测一直是学者们研究的热门领域，研究并分析其影响因素，从而准确的预测动态价格的变动.
国外研究动态：
在过去二十多年中，在学术界分析城市住房价格常采用hedonic price methodology 和repeat-sale methodology，国外对房价格变动的分析和研究比较深入1981年，Nellis和Longbottom通过分析英国的数据试图解释英国商品住宅价格的决定因素. 作者将商品住宅的需求定义为人口数量、社区中抵押贷款的资产存量、平均的商品住宅价格、个人收入、消费品价格和抵押贷款利率的真实函数，将供给定义为商品住宅价格和商品住宅存量的函数根据供给和需求相等的原理，得到一个关于平均商品住宅价格的简化公式，从而推导出商品住宅的价格.计量经济学的结论显示，收入是影响商品住宅价格的最重要的因素其次是抵押贷款利率和社区中抵押贷款的资产存量.
Mmanning（1989）使用1980年美国94个MSA（Measurement System Analysis）的普查数据建立了住宅价格方程，他认为气候环境等非经济性的价格已被资本化到了土地和住宅价格中.除了人们收入因素、环境因素外，人口因素也经常被用来解释和预测住宅价格变动及其走向，Mankiw和Will（1989）通过研究美国20世纪70年代一些城市的住宅价格，认为二战后生育高峰起出生的一代人进入购房阶段的导致住宅房价格上涨的主要原因.
Walden 和Michaek（1990）、Hayes 和Taylor（1996）、Haurin 和B让思念沟通（1996）就住宅附近学区的好坏与住宅价格之间的关系进行了研究，结果表明，学校教学质量与住宅价格之间有明显的相关性，及教学质量越好，附近住宅价格越高.
在房价预测方法中美国的Case和Shiller(1990)采用平行数据回归分析，Clapp和Giaccotto(1994)简单的回归进行城市住宅价格的预测，Potepan（1996）采取两阶段最小二乘法进行不同城市价格的预测，Malpezzi（1999）采用平行数据回归分析，对不同的城市并非随机价格和差异性进行预测，针对价格收入比以及房价变化利用误差修正模型得出了前期价格和收入变化对于房价的影响以及短期供给弱弹性的结论[8]；Quigley（1999）采取平行数据回归分析来于经济基本面的相关指标来解释各城市住宅价格走势.Seko通
过平行数据回归分析：自回归模型调查了日本46个县的1998-2001年度数据，对日本各地区的住宅价格和经济基本的相关性进行预测.Anglin(2006)一如平均房价增长率的滞后
三期以及CPI、住房抵押贷款利率和失业率，建立VAR 模型，预测多伦多房价变动情况.国内研究动态：
国内外有关房价预测的方法大体分为两类，一类为定性预测方法，如判断预测法，评估法等；另一类是定量预测方法，如时间序列分析法，回归分析法、状态转移法、经
济计量模型分析法和灰色预测模型等。
此外还有多元回归、ARMA模型、ARIMA模型、灰色序列预测、BP网络预测、模糊神经网络、马尔科夫预测等方法.
有较多学者采用趋势外推法、多元线性和非线性回归等数学分析方法，考虑了更多的影响因素和变量，也尝试着将灰色预测理论和神经网络模型引入商品住宅市场需求预测进行了有益的探索，如蒋达强对1990年到2000年上海市的城镇住房需求给出了一个描述性的统计分析.王金明和高铁梅利用可变参数模型对我国房地产市场需求和供给进行了动态的定量分析，分析表明，在影响房屋需求的诸因素中，收入弹性最大，其次是价格、利率弹性；在影响供给的因素中，价格和利率弹性都较大.罗兆烈等人（1998）利用收入、人口和旧房淘汰量等建立多元线性回归模型对我国城镇商品住宅需求量进行了预测.赵黎明等人（2001）在对天津商品住宅市场需求预测中对神经网络、灰色模型预测方法进行了开创性的探索.
李国柱（2004）基于资产定价视觉来考察中国房地产市场价格波动数量研究；王婧和田澎（2005）采用小波神经网络对中房上海价格指数的月度数据进行预测；吴秀丽和张峰（2007）采用时间序列分析法，以广州市几个有代表性的行政区的房价数据为分析对象来建立预测模型，并经过残差分析，队误差进行检验，结果预测值与实际观测值基本吻合，达到了预测的目的.
毕业论文开题报告
２．本课题要研究或解决的问题和拟采用的研究手段（途径）：
2.1本课题要研究和解决的问题:
本研究主要研究占太原房地产市场中较大比例的商品房住宅市场，并不涉及房地产市场其他的领域，建立的太原市商品房价格预测模型，对太原未来短期内的商品房住宅市场进行合理预测，为居民在购买住房时提供一定的依据.
2.2本课题拟采用的研究手段:
本研究主要以西方经济学理论为支撑，采用理论分析、定性分析与定量分析，密切联系上太原的商品房市场实际，充分利用相关年份的统计数据，并采用MATLAB、SPSS 软件对大量的数据信息进行处理，采用计量经济学模型加以分析影响一个城市的商品住宅价格上涨的主要经济因素，借助有关图表加以分析说明，建立灰色系统GM(1,1)模型、回归模型，直接用价格进行预测，用不同种方法分析比较，最后得出综合的预测价格。