吴先敏[1]2005年在《前期策划阶段房地产市场分析》文中研究指明房地产市场逐渐由买方市场过渡到卖方市场,企业取得一块地就能制胜的神话已经远去,房地产市场逐步由以往暴利阶段转变到微利时期,激烈的竞争需要企业在项目开始前就进行项目的需求分析,因此完善房地产市场需求理论和方法对促进房地产业的健康发展以及增强房地产企业的竞争能力具有重要的理论和实践意义。 通过查阅国内外房地产市场需求理论的现状及其发展历史,发现国内在前期策划阶段市场分析的理论和实践比较欠缺,对此阶段的市场分析不够重视,导致了空置面积和房价的大幅上升,引起了诸多的矛盾。所以本文结合国内外前期市场的研究成果,讨论了在前期策划阶段影响房地产市场需求的因素。首先通过对城市规划的研究发现线状和面状基础设施对房价影响较大,线状的影响集中在建设期,面状影响比较平稳;结合规划的特点对房地产企业提出了要根据基础设施的类型来确定投资时期和重点。 在需求方面,结合大连市房地产的调查资料提出了把房地产消费者用马斯洛模型进行分层分析,通过分析各个阶层目标消费者的特征,得出了影响各阶层的关键因素。 结合前几章的市场影响因素的分析,利用灰色关联理论计算出了影响大连市房地产市场需求的主成因素:房地产价格和支配收入,通过计量经济学组合预测理论和利用SPSS逐步统计分析,以房地产价格和支配收入为主成因素建立了大连市六区的房地产市场需求的初步模型,再结合各因素之间的相关分析表,简化了模型,提高模型各因素之间的独立性,计算出了大连市的房地产市场需求量。结果表明大连市房地产市场需求增量比较稳定,土地供应不稳定,房地产企业平均开发量较低等。所预测结果为大连市房地产企业和政府机构提供参考,促进大连房地产市场的健康发展。
刘海旺[2]2004年在《大连市住宅市场需求预测研究》文中研究指明住宅产业无论对整个房地产产业，还是对关联产业、人居环境和社会经济的影响都非常明显，所以，建立科学的预测模型对住宅市场需求进行预测，对于政府来说无论是对住宅市场发展进行短期控制和平衡，还是对整个住宅产业的长期发展进行规划都有重要的价值。 论文以大连市住宅市场为研究目标，通过定量和定性的研究方法，深入分析其影响因素和变动特点，以灰色系统理论和市场需求理论为基础，分别构建了住宅市场短期和长期需求预测模型，对大连市住宅市场的短期和长期需求进行了预测。 首先，论文对大连市住宅市场发展的各个阶段住宅市场需求变动特点和一般性住宅需求影响因素进行了分析，在此基础上，通过灰色系统关联度法对大连市住宅市场长期需求和不同阶段住宅市场需求主要影响因素进行了定量分析，得出大连市住宅需求市场是一个动态的复杂系统的结论。根据非线性预测理论对于动态复杂系统的研究结论，论文采用了定量的短期预测和定量加定性的长期住宅市场需求预测的研究思路。 其次，根据大连市住宅市场需求系统的属性和灰色系统理论的特点，引入灰色系统理论建立了大连市住宅市场短期需求预测模型，并对大连市住宅市场短期需求进行了预测。 再次，以市场需求预测理论为基础，在两个假设的基础上，建立了住宅市场长期需求预测的理论模型，通过对预测指标的转化和细化，给出了住宅市场长期需求预测的一般性应用模型，同时探讨了模型中各个指标的测算方法。然后在对大连市相关指标分析、测算的基础上，对大连市住宅市场长期需求进行了预测。 最后，得出了住房价格、人均居住面积、GDP和家庭收入是影响大连市住宅市场长期需求的主要影响因素，大连市住宅市场长期需求潜力巨大和短期趋于过热的结论。给出了注重住宅市场发展的结构性平衡、住宅市场与经济协调发展、进行住宅市场短期控制与做好长期规划的政策建议。 论文对大连市住宅市场短期需求预测的思想和长期需求预测模型不局限于在大连市住宅市场的应用，应具有普遍适用意义，可以为其它住宅市场需求预测所应用。
江涛, 陈小鸣[3]2006年在《基于BP神经网络的住宅需求预测研究》文中研究说明影响住宅需求的因素众多、错综复杂,因此住宅需求预测问题是一个非常复杂的非线性问题。分析了住宅需求的影响因素,建立了住宅市场需求的BP神经网络预测模型。根据14组大连市有关统计数据,借助M atlab6.5软件进行预测,结果表明应用BP神经网络对住宅需求进行预测,具有可行性和高效性。
戴莹[4]2007年在《城市住宅市场需求规模与需求结构研究》文中研究表明住宅市场是市场经济的重要组成部分。住宅业对整个房地产业，对关联产业以及对社会经济的影响都非常明显，所以，建立科学的预测模型对住宅市场需求进行预测，明确住宅供给、需求的真实状况，找出市场规模和结构上存在的问题及其影响因素，将有助于形成对未来住宅市场的合理预期，在为城市政府经济管理和发展策略等政策制订提供参考的同时，也将有利于推动城市经济的整体发展、居民居住水平的提高和房地产业的持续稳定发展。本文在借鉴、应用国内外住宅理论的基础上，以昆明市住宅市场为研究目标，以定性分析为指导，定量分析为龙头，通过深入分析影响住宅需求的因素，构建城市住宅市场需求预测的理论模型，预测了昆明市未来十年住宅市场的需求规模；并在此预测结果的基础上，分考虑和不考虑“国六条”的影响两种情况，对昆明市2006年—2015年的住宅需求结构进行了预测；最后针对昆明市住宅市场现状和未来变动的趋势，对市场参与者和政府管理者提出相关建议。通过研究，本文发现国内外相关的预测方法和理论模型较多，影响住宅需求的因素也较多，根据昆明市相关历史数据分析表明，昆明市住宅需求规模与人均GDP、人均可支配收入、住宅价格、利率、人均住宅消费支出、恩格尔系数、城市人口、家庭规模、城市化率以及人均居住面积的都显着相关，其中，与利率、恩格尔系数和家庭规模呈负相关关系。因此，定义昆明市住宅需求规模的理论模型为：HD=f(HP·AG·AI·AC·AS·R·P·N·E·C)，并在理论模型基础上，根据对历史数据的定量分析，得出了昆明市住宅需求规模的计算公式和预测结果。
黄延[5]2001年在《大连市住宅建设发展战略研究》文中研究表明近年来，大连市的住宅产业发展迅速，影响很大，已经成为城市面貌改观和经济发展的“原动力”和“晴雨表”。总结我市住宅建设发展历程，吸收发达国家的成功经验，分析预测住宅市场的需求与供给，在此基础上确定未来我市住宅产业的发展战略，对于迈向21世纪、励志成为现代化国际名城的大连意义深远。 探讨大连市住宅建设发展问题要紧紧围绕两个基本点和叁个主要目标。即：把切实提高城镇居民的居住水平、以住宅投资与消费拉动经济持续稳定增长做为基本出发点。在此基础上，科学地预测大连市住宅建设发展规模，促进已初步形成的买方市场进一步完善，实现住宅产业的高度市场化；认真研究提高居住整体质量的措施，真正做到让“居者优其屋”；大力推进住宅产业现代化，营造生态居住环境，努力建设一个与现代化国际名城相适应的绿色家园。为此，本文提出大连市住宅建设发展的战略目标要定位于形成一个与现代化国际性城市相适应的、高度市场化的住宅产业，建设一个让“居者优其屋”的绿色家园。本文采用一元线性回归方法，对未来大连市住宅市场的供求情况进行预测，对定量分析大连市住宅建设发展问题进行初步尝试。
柳欣欣[6]2005年在《大连住宅价格影响因素分析及实证研究》文中认为城市是人类社会长期发展的结果,而城市住房是城市一切生产和经营活动不可缺少的基本要素。在市场经济条件下,城市住房这一重要资源只有在市场机制的作用下才能实现最佳配置,城市住房价格则是城市住房市场运行的中心环节。因此,研究城市住房价格影响因素及其作用机制具有十分重要的意义。 由于住宅产品是一种异质性商品,产品之间在构成使用价值的各个特征之间有明显的差异,国外往往从特征价格(hedonic price)的视角出发构建模型进行研究。而国内学者对住宅价格问题,大多数从住宅市场的供求关系、住宅价格的构成、住宅政策等方面出发进行定性研究。到目前为止,国内还没有人通过对住宅购买者在区位条件、建筑结构、邻里环境等方面的偏好进行调查,实证研究住宅特征和住宅价格之间的数量关系。如何把特征价格理论应用于我国的住宅价格分析,构建住宅特征价格模型研究城市的住宅市场,这正是本文试图解决的问题。 论文较为系统地总结了特征价格理论和模型,文献表明,特征价格理论主要包括两方面内容,即Lancaster偏好理论和Rosen的特征市场均衡分析;住宅的特征主要分为建筑特征、邻里特征、区位特征叁大类。在此基础上,我们从计量经济学角度构建了住宅特征价格理论模型,并结合大连市的实际情况,采用了272个住宅样本验证了特征价格模型的可行性,最后选择了15个住宅特征作为模型的自变量。其中:建筑特征变量4个;区位特征变量4个;邻里特征变量7个。通过基本模型分别得到了15个住宅特征的特征价格。实证研究表明,住宅特征对住宅价格的影响程度是有差异的。影响程度最大的是建筑面积,最小的是所在楼层。 关于城市住宅特征价格的研究在国内还只是刚刚起步,本文的研究在一定意义上具有探索性,并且实证研究只限于大连市范围,样本的时间跨度也不够长,研究结论的可靠性和普适性还有待检验。未来的研究可以从模型函数形式的选优、市场细分方法的比较以及特征价格的应用等方面展开,进行更多的实证研究。
林溯[7]2011年在《大连市商品住宅价格影响因素分析》文中认为近年来,我国大部分城市商品住宅价格上涨较快,大连市也在其中,房价问题已经成为一个引起社会各界广泛关注的热点。房地产行是我国国民经济的重要支柱产业,其健康发展对整个国民经济和民生都起着至关重要的作用。目前对大连市商品住宅价格影响因素的相关研究很少,而分析大连市商品住宅价格的影响因素,不仅能帮助房地产市场主体(如消费者,开发商,投资商,代理服务机构等)了解大连商品住宅市场,进而做出正确的投资经营决策,也为政府制定相应的政策引导房地产行业合理可持续发展提供依据。本文从商品住宅价格的基本概念和理论出发,结合大连市商品住宅市场的实际情况,从供给和需求两个方面,对影响大连市商品住宅平均价格的因素和大连市商品住宅价格持续走高的原因进行了定性分析。在定性分析的基础上,本文选取9个可量化因素：商品住宅竣工面积、商品住宅销售面积、地区生产总值(GDP)、年底全市总人口、城镇居民人均可支配收入、住宅完成投资额、城镇家庭户数、竣工住宅建造成本和15年期公积金贷款年利率,依据大连市2001年-2010年的《大连统计年鉴》上记录的相关数据,对大连市商品住宅平均价格和其影响因素,运用社会统计软件SPSS19进行了简单相关分析,结果显示,影响大连市商品住宅平均价格的主要因素是全市人口数量。说明大连市商品住宅平均价格主要由需求拉动,与商品住宅建筑面积及借款成本等因素无关。文章进一步给出了大连市商品住宅平均价格与全市人口数量的回归模型。本文研究理清了大连市商品住宅价格与其主要影响因素之间的关系,并结合大连市的实际情况,提出了稳定大连市商品住宅价格的建议。
薛元龙[8]2017年在《人口结构因素对大连市住宅价格影响的实证研究》文中进行了进一步梳理房地产市场的平稳发展关乎国计民生,作为国家的支柱行业,其对社会的重要性不言而喻。中国人口众多、地域分布较广、城乡差距较大,住宅市场的发展因地区不同而差异较大。如今国内的一线城市,如北京、上海、广州、深圳,住宅价格居高不下,房地产市场虽经国家政策的多次调整,仍表现过热。西部地区城市及中部叁、四线城市库存高居不下,“去库存”成为当今市场主题。对于我国来说,一线城市聚集大量优质资源,是人才汇聚的地方,人口高度集中。中西部及叁、四线城市就业资源、教育资源、医疗资源等相对匮乏,无法吸引并留住人才,因此属于人口流失的地方。住宅需求可分为刚性需求、改善性需求以及投机性需求,且无论哪种需求均可以以人作为首要考虑的因素。人作为住宅需求的消费行为主体,人口数量可直接决定有效住宅需求量的大小;适婚年龄人口增多会增加购房的刚性需求;中年人口增多会增加改善性购房需求;老年人口增多会增加养老住宅的购房需求。人口的空间分布同样会对住宅价格带来差异,一般而言,人口流动较为频繁的地区,购房投机性需求较多。因此把人口结构作为研究住宅价格的影响因素十分重要。本文以大连市作为研究对象,通过定性分析及定量研究相结合的方法,研究了大连市2001年-2015年间人口结构因素对大连市住宅价格的影响。根据人口学相关理论,将人口结构分为叁个子结构,即人口自然结构、人口社会经济结构、人口地域结构,并按照实际情况分别选用人口性别比、劳动力占比作为衡量人口自然结构的指标;家庭规模、人口产业结构、人均可支配收入作为衡量人口社会经济结构的指标;市区人口占比、人口迁移结构作为衡量人口地域结构的指标。首先对各人口子结构的衡量指标根据大连市统计年鉴中获取的数据进行定性分析,得出大连市住宅价格的波动情况。然后分别对各人口子结构建立计量经济学模型,进行定量分析。本文采用VAR模型实证研究各人口子结构对住宅价格的影响。得出如下结论:均衡的人口性别比对住宅价格有推动作用;劳动力与住宅价格之间互为引导,住宅价格是吸引劳动力落户大连的关键因素;家庭规模及人口产业结构对住宅价格波动的影响较大,人均可支配收入对住宅价格波动的影响短期内有推动作用,长期内该影响并不显着;人口迁移结构短期内对住宅价格影响不显着,长期影响较为显着,对住宅价格有明显的推动作用。最后对大连市住宅市场的健康平稳发展提出一些建议。根据本文实证得出的结论,对大连市住宅市场的健康平稳发展提出以下几点建议:(1)男女比例失衡会导致结婚率的下降、新建家庭数目的减少,从而导致住宅需求的减少。因此要合理引导人口性别比,保持男女比例平衡;(2)大连市的家庭规模呈现逐渐缩小的趋势,可对新建住宅的面积进行合理控制,市场上多推出小户型、精品型住宅。在满足小规模家庭的住宅需求外,还能增加有效供给,从而稳定住宅价格;(3)人口迁移结构长期来看对住宅价格的影响较大,对住宅市场长期发展有明显的促进作用,大连市高校众多,可在鼓励外来人才落户大连的同时,给大连本地高校人才落户大连提供更多优惠政策;(4)积极推动大连市传统产业向智能、科技、金融、服务等行业转型,通过产业转型升级吸引更多的人才流入,整体提升大连市的市场竞争力;(5)社会上不同收入群体的住房需求各有不同,购房能力也千差万别。构建完善的保障房体系不仅可以解决市民居住问题,而且能够抑制住宅价格过快增长、稳定住宅价格。
王玫元[9]2014年在《西安市住宅市场的需求预测研究》文中指出住宅产业作为房地产业中最为重要的组成部分,其带动性强、关联度高的行业特点使其发展状况对整个国家及地区的其他各行各业影响巨大。住宅市场的发展总是以住宅需求的变化作为导向,研究住宅市场需求可以掌握住宅市场运行的真实状况,是政府制定宏观调控政策的重要依据,也为开发商、投资者以及消费者进行住宅投资和消费决策提供参考。随着经济水平的高速发展,住宅这个与人们的日常生活息息相关的产业在社会经济发展中的重要性越来越突现,住宅需求的妥善解决对整个社会的长治久安起到非常关键的作用,人们对住宅需求的有效满足将带动整个国民经济的快速发展。本文以西安市住宅市场需求为研究对象。首先,分析了西安市住宅市场的发展现状及存在的问题；其次,在研读了本领域相关文献的基础上对影响住宅市场需求的因素进行归纳总结,从经济因素和非经济因素两方面对西安市住宅市场需求的影响因素进行定性分析,特别要说明的是,本文将城镇化对住宅需求的影响单独分析,原因是十八大以后,积极稳妥的推进城镇化建设成为我国主攻战略目标,在政策的推动下,快速发展的城镇化进程将会大量带动城镇购房需求,城镇化未来可能会是影响住宅需求关键因素；考虑到影响因素的可量化性,本文收集了11个影响因素指标从2004年到2012年的数据,运用灰色系统理论中的灰关联分析法对各量化指标的相关性进行排序,结果显示近十年与西安住宅需求关联性最大的前四个指标分别是,地区生产总值、城镇居民人均可支配收入、住宅均价及住宅开发投资额。而人均居住面积、住宅竣工面积、家庭户数、城镇常住人口数量、城镇化率、五年以上贷款利率对住宅需求的影响相对较小；再次,通过灰色GM(1,1)模型和多元线性回归模型分别对西安2013年到2017年五年的住宅销售面积进行预测,通过比较,得出两种预测结果相差不大,总体为增长趋势。考虑如果宏观政策短期内不发生较大变动,西安住宅市场未来短期内的需求量将会持续增加,且增加量很大可能会介于二种预测结果之间；最后,根据前文的研究结论,对西安住宅市场的发展提出政策建议,希望政府继续调控增加西安市住宅的有效供给,加大中低价位,小户型的商品房及保障性住房的供应量以满足中低收入阶层居民的住房需求。鼓励并引导消费者建立科学住房观念,理性消费,选择最适住房,并建立健全住宅市场监控和预警机制,准确把握市场脉搏,增强对市场变化的反应能力。本文对西安住宅市场需求实证分析方法和预测模型具有普遍的适用性,可以运用到研究其他城市的住宅需求中,不仅仅局限于对西安住宅需求的分析及预测。但是由于预测过程中没有考虑政策变化的影响,而房地产业是一个政策性比较强的产业,未来政策的变化将会不同程度的影响预测结果的准确度,本文只就政策影响下明显可预见的未来西安城镇化进程将会加快将会带来大量住房需求进行了定性分析,包括涌入城镇的大量农业人口带来的首次置业需求；城镇化建设中因拆迁改建等本来有住宅的居民带来的被动型自住需求以及相当部分城市居民由于经济发展,收入增加而产生的改善性住房需求。
曾月[10]2015年在《基于粗糙集和灰色理论的商品住宅需求预测研究》文中研究说明住宅需求和供给是商品住宅市场中两个基本要素,其中住宅需求又是影响住宅市场的关键性和主导性因素。只有对住宅需求进行精确的预测,我们才有可能对住宅市场未来的发展规律和趋势做出准确的分析和判断,进而为政府相关部门合理制定调控政策提供理论支持,以确保住宅产业朝着健康的方向发展。本文选取南昌市商品住宅需求作为研究的对象,首先,对商品住宅需求预测模型的国内外研究成果进行较为系统的归纳整理和分析研究,并对商品住宅需求及相关理论进行了较为系统的介绍;其次,结合南昌市商品住宅市场实际情况,对影响南昌市商品住宅的各影响因素进行定性分析,并在收集整理2005-2012年南昌市相关统计数据的基础上,选取了10个可定量化的影响因素,利用粗糙集对这10个影响因素进行约简分析,最终确定出4个关键影响因素;再次,通过实证检验发现:GM(0,N)和GM(1,1)的组合模型不仅可行,而且该组合模型较单项的GM(0,N)模型、GM(1,1)模型预测出的结果更加准确和理想;最后,利用该组合模型对南昌市2013-2016年商品住宅需求进行预测,结果显示未来几年南昌市商品住宅需求将保持增长趋势。本文通过实证检验证实了该组合模型的可行性,该组合模型不仅仅可用于对南昌市商品住宅需求进行预测,对其他城市的商品住宅需求预测同样也适用,因此,该组合模型具有较高的实际应用价值。
参考文献：
[1]. 前期策划阶段房地产市场分析[D]. 吴先敏. 大连理工大学. 2005
[2]. 大连市住宅市场需求预测研究[D]. 刘海旺. 大连理工大学. 2004
[3]. 基于BP神经网络的住宅需求预测研究[J]. 江涛, 陈小鸣. 武汉理工大学学报(信息与管理工程版). 2006
[4]. 城市住宅市场需求规模与需求结构研究[D]. 戴莹. 浙江大学. 2007
[5]. 大连市住宅建设发展战略研究[D]. 黄延. 大连理工大学. 2001
[6]. 大连住宅价格影响因素分析及实证研究[D]. 柳欣欣. 大连理工大学. 2005
[7]. 大连市商品住宅价格影响因素分析[D]. 林溯. 大连理工大学. 2011
[8]. 人口结构因素对大连市住宅价格影响的实证研究[D]. 薛元龙. 东北财经大学. 2017
[9]. 西安市住宅市场的需求预测研究[D]. 王玫元. 陕西师范大学. 2014
[10]. 基于粗糙集和灰色理论的商品住宅需求预测研究[D]. 曾月. 江西理工大学. 2015
标签：宏观经济管理与可持续发展论文; 投资论文; 商品房论文; 家庭结构论文; 政策影响论文; 人口问题论文; 经济论文; 房地产业论文;