南京房地产价格指数预测分析

1、 可修改 欢送下载 精品 Word 可修改 欢送下载 精品 Word 可修改 欢送下载 精品 Word目 录中文(zhngwn)摘要.1英文摘要(zhiyo).11引言(ynyn).22南京(nn jn)房地产价格指数的预测与相关(xinggun)分析 22.1南京的房屋销售价格指数预测.32.2南京与全国房屋销售价格指数的相关性分析.72.3南京居民家庭可支配收入与南京房屋销售价格指数的相关性分析92.4土地交易价格指数和房屋销售价格指数的相关性分析.112.5房屋租凭价格指数和房屋销售价格指数的相关性分析.123 从房地产市场供求关系来推测房价走势154 调控政策及建议16参考文献.18附

2、录.19致谢.21南京(nn jn)房地产价格指数预测分析摘要(zhiyo):近几年来,随着(su zhe)房地产价格持续上涨，整个(zhngg)社会对于房地产市场的开展(kizhn)都非常关注,尤其是关注房地产市场的价格。众所周知,改革开放之后,中国的房地产市场无论制度还是规模都发生了巨大的变化,南京房地产市场的价格水平也一路走高。然而,现在房地产的价格有没有完全反映市场的真实供求。本文主要以南京市为例,通过近年来该市的各类房地产价格指数统计数据作预测分析，并结合南京居民家庭可支配收入情况和南京房屋销售价格指数做相关分析以及地价对房价的相关性影响,对近几年南京房地产市场的开展做一分析,由此提

3、出一些相关调控政策建议，并研究了南京今后的房地产走势。关键词:房屋销售价格指数，人均可支配收入，房屋租凭价格指数Abstract：Recently, the whole society pays more attention to the development of the real estate market, especially to the price of premises, as the price of the real estate price rises continuously, .As we all know, since the opening and reform,

4、 great changes has been taken place in both system and scale of the real estate market, with the rising of the market price of Nanjing. However, many people thought that the price didnt reflect the real supply and demand of the market. This paper mainly uses Nanjing as an example, to predict and ana

5、lysis the various statistics of real estate price index in recent years, and do the correlation analysis by combining the condition of Nanjing households disposable income with the housing sales price index of Nanjing, and analyze the correlation impacts between land prices and housing prices. Then

6、this paper will analyze the development of the real estate market in recent years. From the data, some control policy advice will be given, and this paper has researched the future trend of the Nanjing real estate.Keywords：Housing sales price index，Per capita disposable income，Housing lease price in

7、dex 1引言(ynyn)众所周知(zhng su zhu zh)，房地产业是国民经济的重要组成局部(jb)，其创造的增加值在GDP中的比重(bzhng)逐步提高，又由于其根底(gnd)性，先导性产业的地位及其特点，房地产业的开展对整个江苏省乃至全国的经济增长发挥着重要的作用，而且对全省居民百姓的生活质量也有着至关重要的影响。由此，房地产问题也愈来愈成为全社会乃至居民百姓所关注的问题，大家关注的不仅仅是整个房地产的开展，更注重的是房地产价格以及房地产价格指数，居民的住房买房问题无不与房价及相关房价指数密切相关。本文主要以房地产市场价格指数为中心，以各年房地产价格指数为根底数据，运用相关统计方法

8、并结合统计分析软件作一定的预测分析和各指标间的相关性分析，对江苏省今后几年的房地产业的开展趋势作一定的探索。2、南京房地产价格指数的预测与相关分析以下进行南京房地产市场价格指数预测分析以及讨论该指数与南京假设干指标之间的关系。房地产价格指数：反映房地产价格变动趋势和变动程度的相对数。它是通过百分数的形式来反映房价在不同时期的涨跌幅度。房地产价格指数的种类主要有以下三个：1房屋销售价格指数；2房屋租凭价格指数；3土地交易价格指数。该指数一般采用重点调查与典型调查相结合的方法取得被调查工程的价格资料，然后采用由下到上逐级汇总的方法编制。即由细项到小类，由小类到中类，再由中类到大类，最后由大类汇出总

9、指数。对没有细项或小类的局部，其起始类就是小类或中类。中类以下含中类指数采用样本资料作权数的加权调和平均公式计算，大类和总指数采用固定权数加权的算术平均公式计算。以房屋销售价格指数为例，具体的计算方法如下：首先(shuxin)，计算细项、小类、中类价格指数，计算公式为：K细、小、中 为细项中第i个调查(dio ch)对象的价格指数；代表(dibio)权数，即不同调查对象的报告期销售额。其次(qc)，计算大类价格指数，计算公式为：K中为该大类下某中类的价格指数；W中为中类权数，即某中类上年(shngnin)的销售额占全社会销售额的比重。最后，根据计算出商品房销售、公房销售和私房销售三大类的类指数

10、，计算房屋销售价格总指数，计算公式为：、为商品房销售、公房销售和私房销售三大类类指数；、为权数，表示上年度商品房销售、公房销售和私房销售的金额占全社会总金额的比重。2.1 南京的房屋销售价格指数预测在房地产市场(shchng)中，房地产价格是对市场状况最根本(gnbn)、最直接的反映，但由受到国内经济(jngj)、市场竞争程度以及干系人自身等各种因素的影响，总是处在不停的波动变化之中，而且各种因素对其影响又是极其复杂的。科学合理地预测未来的住宅交易价格，准确把握其未来走势，有利于政府、开发商和消费者理性把握市场动态，防止(fngzh)市场预期(yq)的大起大落带来房价的大起大落。从近几年南京房

11、价的变化趋势来看，房价上涨呈现出一定的规律性。针对这个变化的特征，本文采用灰色GM1，1预测模型对南京房地产价格指数的未来走势进行预测，为南京经济可持续开展提供参考。灰色GM1，1模型的构建灰色系统GM(1,1)预测模型是针对贫信息量、少数据资料且呈单调趋势波动不大的一类问题进行中长期预测的有效方法。但对波动性较大的数据列那么拟合效果较差，预测精度较低。而GM(1,1)残差修正预测的优势在于可对波动性较大数据序列有较好的预测效果，它是根据GM(1,1)残差屡次修正来预测系统未来变化，反映了各状态之间转移的内在规律和各种随机因素的影响程度。因此，GM(1,1)残差修正预测正好可以弥补GM(1,1

12、)模型的局限性，将两种方法合二为一，取长补短，用GM(1,1)模型来揭示经济现象长期开展变化的某种总趋势，而用GM(1,1)残差修正预测模型，对房地产价格进行具体预测探讨，从而可以大大提高预测精度。房地产市场的特殊性就在于住房既是普通的商品,同时又是一种投资品,可以作为投资的对象。因此,对于房地产市场的讨论就不能够仅仅按照一般商品去讨论,其住房需求的构成也就不是单一的生活需求,还包括投资需求以及投机需求等等。住房作为一种商品,其价格弹性是不高的,表现为缺乏弹性。这也就是说,在价格变动时,短时间内,住房的供给水平不会有太大的变化,需求也是如此。我们先来看看南京最近几年的房屋销售价格指数 表1：南

13、京最近几年的房屋销售价格指数年份南京房屋销售价格指数2001100.520021032003109.82004115.32005108.12006104.3注：该数据(shj)来自国统计年鉴(ninjin)下面(xi mian)由DPS统计(tngj)软件，采用(ciyng)GM1，1模型对南京未来几年的房屋销售价格指数作预测：100.5103109.8115108.1104.3计算结果 当前日期 2008-5-28 下午 03:08:13模型参数: a=-0.000808 b=107.740759 x(t+1)=133468.905556e0.000808t+-133368.405556 N

14、o. 观察值 拟合值 误差 % X( 2) 103.00000107.86551-4.86551-4.72379X( 3) 109.80000107.952681.84732 1.68244X( 4) 115.00000108.039936.96007 6.05223X( 5) 108.10000108.12724-0.02724-0.02520X( 6) 104.30000108.21463-3.91463-3.75323对当前模型的评价: C=0.8878不好 p=0.4000不好 未来3个时刻预测值: X(t+1)= 108.30208 X(t+2)= 108.38961 X(t+3)=

15、 108.47721 Qmin=-4.86551 * 继续对残差序列进行建模分析 * 第1次残差序列分析结果: 模型参数: a=-0.227665 b=1.744958 x(t+1)=12.530112e0.227665t+-7.664601 No. 观察(gunch)值 拟合值 误差 % X( 2) 103.00000106.20350-3.20350-3.11019X( 3) 109.80000111.97520-2.17520-1.98106X( 4) 115.00000111.243543.756463.26648X( 5) 108.10000105.662132.437872.255

16、20X( 6) 104.30000107.39825-3.09825-2.97051对当前模型(mxng)的评价: C=0.6153一般(ybn) p=0.4000不好(b ho) 未来(wili)3个时刻预测值: X(t+1)= 113.43638 X(t+2)= 116.08050 X(t+3)= 119.37832 Qmin=-5.37870 * 继续对残差序列进行建模分析 * 第2次残差序列分析结果: 模型参数: a=-0.221176 b=0.526878 x(t+1)=7.760867e0.221176t+-2.382166 No. 观察值 拟合值 误差 % X( 2) 103.0

17、0000102.745940.254060.24666X( 3) 109.80000112.19671-2.39671-2.18280X( 4) 115.00000114.233540.766460.66648X( 5) 108.10000105.635822.464182.27953X( 6) 104.30000105.85744-1.55744-1.49323对当前模型的评价: C=0.3590 好 p=1.0000很好 未来3个时刻预测值: X(t+1)= 113.86315 X(t+2)= 117.94438 X(t+3)= 123.03504 Qmin=-2.14266 从预测结果(

18、ji gu)我们得到未来3年2007，2021，2021年的南京房屋(fngw)销售价格指数预测分别为113.86315, 117.94438, 123.03504。2.2 南京与全国(qun u)房屋销售价格指数的相关性分析1数据(shj)表2：全国(qun u)最近几年的房屋销售价格指数年份房屋销售价格指数住宅销售价格指数非住宅销售价格指数2001102.2101.9101.22002103.7104101.32003104.8105.7102.72004109.7109.4107.12005107.6108.4105.62006105.5105.8104注：该数据来自国家统计年鉴由于南京

19、房屋销售价格指数和全国房屋销售价格指数在每年的指数上都比拟相近，我们看下表3：表3年份南京房屋销售价格指数全国房屋销售价格指数2001100.5102.22002103103.72003109.8104.82004115.3109.72005108.1107.62006104.3105.5注：该数据(shj)来自国统年鉴2相关性分析(fnx)下面运用(ynyng)DPS统计软件对二者做相关性分析：最大差值max=0.08106 A 和其它因子的关联序 : No. 因子 关联系数 X2 B 0.4096最大差值max=0.08106 B 和其它因子的关联序 : No. 因子 关联系数 X1 A

20、0.4096关联矩阵 A B A 1.00000.4096B 0.40961.0000从分析结果(ji gu)可以得到：南京(nn jn)房屋销售价格指数和全国房屋销售价格指数通过灰色关联度分析得到二者的相关性为0.4096，应该说相关性不是很大，毕竟全国房屋销售价格指数是全国平均下来的指数，而南京从近年数据可以看到涨幅明显高于全国见图1。图1由表1，2图1中数据(shj)可以(ky)看出,从20012004年,南京(nn jn)房屋(fngw)销售价格指数一直呈上涨趋势, 2004年的该市的房屋(fngw)销售价格指数的涨幅到达最高，比全国要高出5.6个百分点，尽管2005到2006年的涨幅

21、略微减小，但实际房价数据说明，南京的房价还在持续上涨中，2005到2006年的房价涨幅减小也可能受到南京的房地产销售政策有关。 2.3 南京居民家庭可支配收入与南京房屋销售价格指数的相关性分析由于南京市的GDP 和居民家庭人均可支配收入的变动必然会对南京房屋销售价格指数的变动有一定的影响，该市GDP的增加必然意味着南京居民家庭人均可支配收入增加了，理论上来说人均可支配收入增加了，那么肯定会刺激房地产市场的需求，从而对该市房屋销售价格指数产生影响，但是房屋销售价格的弹性较小，我们先看下表：表4：年份人均可支配收入元/人南京房屋销售价格指数20018848.2100.520029157.08103

22、200310195.56109.8200411601.68115.3200514997.47108.1200617537.72104.3注：该数据来自国统(u tn)年鉴下面对南京(nn jn)居民家庭可支配收入与南京房屋销售价格指数做相关分析，通过DPS 统计分析软件(run jin)得到(d do)：最大差值max=0.43661 X1 和其它因子的关联序 : No. 因子 关联系数 X2 X2 0.1984最大差值max=0.43661 X2 和其它因子的关联序 : No. 因子 关联系数 X1 X1 0.1984关联矩阵 X1 X2 X1 1.00000.1984X2 0.19841.

23、0000从结果(ji gu)我们可以得到：人均可支配收入与南京房屋销售价格指数的相关性为0.1984，应该说二者的关联度也不是很高，因为房屋价格的弹性不是很大，所以说尽管近几年来居民可支配收入不断增加，但房屋需求因素相对居民整体的可支配收入的提高变化也不会太大，导致房屋销售价格指数随居民可支配收入的增加变化也不大。可以看出, 2001到2006年南京居民家庭人均可支配收入的增长速度相当快,尤其是人均可支配收入在2006年时更是比2001翻了一倍。这些对房地产市场的作用主要表现在下面几点:一是GDP的增长而且是较快的增长显示出我国经济运行的良好态势,对于很多投资者来说,这无疑是一个好消息。因为,

24、在整个宏观经济一路走高的情况下,投资的利好倾向比拟明显,容易刺激银行的存款进入市场,也即大量的资金投资到市场中来。而房地产市场是全国各类市场中最为热门的一个市场,同时,由于住宅的两种属性,人们不会认为房屋会随着经济的开展而贬值,因此,对于房地产市场的投资就明显的加快,从而,进一步推动了房地产市场的开展。另一方面,居民人均可支配收入的增加,无疑扩大了需求,使得住房消费成为居民消费的主要组成部且具有不可(bk)移动性,因此,短期内,其供给(gngj)根本(gnbn)上保持不变,但同期的需求却可以加很多,因此,居民人均可支配收入的增加,增大了对住宅(zhzhi)的需求,一定程度上促进了房价的走高。同

25、时,房屋作为一种商品具有保值增值的特点,因此,很多人购房是出于一种投资需求,但是,这种投资需求却给那些没有住房需要住房的人带来了房价过高的问题。2.4 土地交易价格指数和房屋销售(xioshu)价格指数的相关性分析土地交易价格指数的含义：房地产开发商或其他建设单位在进行商品房开发之前，为取得土地使用权而实际支付的价格的变动趋势和程度的相对数表5：年份土地交易价格指数20011002002107.72003121.12004135.12005149注：该数据来自国统年鉴表6：年份南京房屋销售价格指数土地交易价格指数2001100.51002002103107.72003109.8121.1200

26、4115.3135.12005108.11492006104.3注：该数据来自国统(u tn)年鉴下面(xi mian)对二者对相关性分析：计算结果当前日期 2021-5-30 15:52:27变量 平均值 标准差 相关 X(1) X(2) X(1) 105.34003.53591.00000.3149X(2) 124.940015.47210.31491.0000相关系数临界值,a=0.05时, r=0.8783 a=0.01时,r=0.9587 偏相关 X(1) X(2) X(1) 0.3149X(2) 0.3149从计算结果我们可以(ky)得到：土地交易价格指数和南京房屋(fngw)销售

27、价格指数相关性为0.3149，可以看到,从2001到2005年间，土地交易价格指数一直呈上涨趋势,与整个国民经济的开展(kizhn)趋势是一致的。土地交易价格指数的上涨,实际上就意味着是房地产投资的本钱在增长,而且,土地交易的价格指数增幅要明显的高于同期的房屋销售价格指数。因此,在投资利好的消息下,投资者不会因为本钱的增加而放弃投资,而是为了获得预期的利润,把这种本钱的增加转嫁到消费者身上,也就是表现为房价的增长。2.5 房屋租凭价格指数和房屋销售(xioshu)价格指数的相关性分析数据(shj)表7：南京(nn jn)房屋租凭价格指数年份房屋租凭价格指数住宅租凭价格指数2001104.710

28、2.62002100.6103.92003104.4104.720041051032005100102.82006100.4103注：该数据来自国统(u tn)年鉴表8：年份房屋租凭价格指数南京房屋销售价格指数2001104.7100.52002100.61032003104.4109.82004105115.32005100108.12006100.4104.3注：该数据(shj)来自国统年鉴下文对二者做相关性分析：计算结果当前日期 2021-5-30 15:54:48变量 平均值 标准差 相关 X(1) X(2) X(1) 100.35003.17691.00000.4788X(2) 10

29、6.45007.04480.47881.0000相关系数临界值,a=0.05时, r=0.8114 a=0.01时,r=0.9172 偏相关 X(1) X(2) X(1) 0.4788X(2) 0.4788从计算结果可以(ky)得到：房屋(fngw)租凭价格指数和房屋销售价格指数的相关性为0.4788，可以看出(kn ch),房屋租赁价格指数也是逐年递增的,尤其是住宅租赁价格指数,增幅要高于平均值。这反映出在房屋销售价格不断增长的同时,房屋的租金也在不断上涨。租金上涨,反映出来的是对租房的需求在扩大,而租房需求的很大一局部(jb)是来源于无力(wl)购房的中低收入者,也就是说,租房对买房形成了

30、一种替代关系,而这种替代关系是因为房价超过了中低收入者的购置力。由表1的二手住宅销售价格指数上也可以得到类似的规律。总的来说,经过上述分析,我们认为,中国的房地产市场还将继续热下去,房地产市场的价格也将保持上涨趋势。由于国家的宏观调控,这种上涨趋势将得到一定的抑制,形成一种稳步上扬的趋势。综合以上的分析,由于我国经济开展状况目前形势一片大好,投资需求十分旺盛,那么利润丰厚的房地产市场自然成为广阔投资者青睐的对象,从而,房地产投资依旧会继续增大,房地产市场的炽热程度不会降低;其次,由于最近一段时间尤其是近一年来,我国股市的持续上涨,很容易形成股市楼市的联动效应,股市涨,楼市涨,从而推动房价上涨;

31、再者,房地产投资的资金很大一局部来自于银行贷款,而且我国参加WTO时对开放金融市场的承诺已经开始兑现。如果房地产市场开始大幅降温,进入房地产市场的巨大的银行贷款将大幅缩水,这对银行来说无疑是一个巨大的灾难,同时,来自于国际金融机构的竞争压力,也会使得银行必须保证其投入到房地产市场中的资金能够保值增值。从防范金融风险的角度来说,我国的 房地产市场依旧会继续开展,房价依旧会继续升高。但是,也应当看到,最近政府一直在对房地产市场进行宏观调控,主要原因是房价的持续上涨已经使得很多中低收入者越来越难以满足住房需求。从上面的分析我们也知道,城镇居民的人均可支配收入是逐年增加的,但是,与此同时,房屋销售价格

32、也是不断(bdun)递增的。然而,人均可支配收入的基数相对于房屋销售价格来说,相差太大,因此,即使人均可支配收入增幅比房屋销售价格要高,但是其增长的绝对量却比房屋销售价格要低很多。年复一年,广阔(gungku)的中低收入者就更加(gnji)买不起房。3从房地产市场(shchng)供求关系来推测房价走势从市场供求关系我们也可以(ky)对房价进行大概的推测，以判断房价的整体走势，由市场需求供给曲线得到下列图：图2：房地产市场供求关系示意图 如图2所示, D1、S1分别表示几年前的住宅需求和供给, D2、S2分别表示几年后的住宅需求和供给。在这里为了说明问题,我们将需求曲线和供给曲线都理想为直线型的

33、。由前面的讨论我们知道,对于房地产市场来说,随着经济的开展,需求长的比供给要快,同时,由于房屋这种商品的价格弹性较小,因此,图中的需求曲线和供给曲线都较陡。S1与D1的交点为市场供求的均衡点,记为E1。当市场的需求随着经济开展,主要是由于居民人均可支配收入增长,拉动了对房屋的需求,因此,需求曲线从D1移动到了D2,需求增加。在需求增加的刺激下,市场会做出供给增加的反响。但是由于房屋这种商品的生产周期较长,因而,房屋的供给水平就没有同期的需求水平增加的快,表现在图中,即是供给曲线由S1移动到了S2,但是移动的距离要小于需求曲线。新的需求曲线D2与新的供给曲线S2相交在新的均衡点E2。比拟E1与E

34、2,我们很容易能够发现, E2的价格要高于E1的价格。同时,在E2点的供给量要大于E1点的供给量。表现出,房子越多,价格越高的一种现象。4 调控(dio kn)政策建议(jiny)根据(gnj)以上的分析结果，下文给出如下政策(zhngc)建议：1南京作为(zuwi)江苏省的省会城市，其有着六朝古都的美誉。但就城市影响力而言，南京房地产业起步及成熟相对较晚，作为江苏省的政治、经济、文化中心的区域型定位也影响和限制了南京城市的辐射水平，其城市的辐射能力仅限于由南京而扩散至江苏省，辐射力和城市影响力远不及上海和杭州。南京政府在实施政策调控方面的做法主要集中在以下三点:1.进一步改善供给状况，优化市

35、场供给结构，促进总量和结构的平衡。2限制期房转让工作。于4月1日正式实施?加强商品房预售管理实施细那么?。实施实名购房等抑制房价过快上涨的政策。3建立健全多层次的住房保障体系，保证居民居者有其屋的目标。2货币政策调控房价货币政策变量与房价指数有着长期稳定的关系,可以通过货币供给量与利率的调节来调控房价。尽管我国货币政策对房价调控有一定程度的影响,但调控能力有限,利率与货币供给量对房价的解释能力短期内都比拟弱。另外,运用货币政策调控房价还存在3-4个月的滞后期。相对而言,利率工具要优于货币数量工具,随着时间的推延,利率手段将会发挥越来越大的作用,今后的货币政策应该通过不断完善利率政策来调控房价。

36、因此,中央银行在今后的政策选择中,需要结合以下两个方面的问题考虑:1 市场宏观调控的政策(zhngc)设计应该因地制宜,因人而异,分类指导。这要求商业银行实行区域化的信贷投放政策和层次化的产品策略,划分信贷开展(kizhn)的重点区域、拓展(tu zhn)区域、稳定开展(kizhn)区域以及限制区域;在业务品种层次化上,以经济适用房、定向开发商品房等为主,优先支持销售市场稳定(wndng)、销售价格合理的房地产开发工程,加强银行资金的管理,强化资金监控力度。调整个人住房贷款利率不仅在数量上调整,而是要在机制上改革,根据不同的贷款方式、不同的信用等级即综合的贷款平安等级确定不同的贷款利率,实现货

37、币政策稳定性与灵活性的统一。2加强与各有关部门以及地方政府的协调沟通，充分调动多种货币政策工具,积极探索各种工具的最优组合方式,与有关部门密切合作,联手进行调控,实现货币政策市场目标与其他目标相互协调,将房地产市场治理调控和预防性调控有结合起来。致力于解决一些地区存在的供给结构不合理、市场秩序比拟混乱等突出问题,为货币政策调控房价创造良好的外部环境。比方,合理引导住房消费观念,提倡根据消费能力“租、购并举的科学消费模式,培育住房梯度消费;提供多道的投资形式,引导楼市资金合理分流;开征房地产保有税,增加住房的保有本钱;建立完善的信息披露制度等。参考文献1凌传荣,施寒.住宅市场供需价格差异原因(y

38、unyn)分析及对策研究J.重庆建筑大学报, 2000, (3).2李红云.我国住宅资产价格过高的成因分析及对策(duc)建议J.武汉金融高等专科学校学报, 2000, (4).3刘学成.国内房地产周期(zhuq)研究综述J.中国房地产, 2001, (5).4沈悦,刘洪玉.房地产价格与宏观经济指标(zhbio)关系的研究J.价格理论与实践, 2004, (11).5薛磊.房地产信贷对房地产价格影响(yngxing)的实证分析J.广西金融研究, 2006, (4).6周惠中.微观经济学.上海人民出版社, 2005.7Matteo Iacoviello,Raoul Minetti.Financi

39、al Liberalization andthe SensitivityofHouse Prices toMonetaryPolicy:TheoryandEvidenceJ.The Manchester School.2003,71,(1):20-34.8陈淮,郑翔.利率政策调整的经济背景及其对房地产市场的影响J.新金融,2005,(3).9易宪容.银行加息对抑制投资过热的有效性分析J.财经理论与实践,2004,(7).10崔新明.城市住宅价格的动力因素及其实证研究M.北京:经济科学出版社, 2005.11野口悠纪雄.土地经济学M.北京:商务印书馆, 1997.12包宗华.住宅(zhzhi)与

40、房地产M.北京:中国建筑工业出版社, 2002.13 Kwong C K, Bai H. A fuzzy AHP approach to the determination of importance weights of customer requirements in quality function deploymentJ. Journal of Intelligent Manufacturing, 2002. 14 贺胜兵. 我国房地产价格(jig)假设(jish)干影响(yngxing)因素的实证研究D. 华中师范大学 , 2006. 15 刘润秋,蒋永穆. 论房价决定(judng)地价兼论当前房地产宏观调控政策J. 社会科学研究, 2005, (06). 附 录附录1：模型参数: a=-0.000808 b=107.740759 x(t+1)=133468.905556e0.000808t+-133368.405556 No. 观察值 拟合值 误差 % X( 2) 103.00000107.86551-4.86551-4.72379X( 3) 109.80000107.952