（3）环境因素。房屋所处位置是在城区还是在郊区，交通便利的繁华地段还是背街小巷，交通、文化教育和社区服务设施都对房屋价格产生很大的影响。
（4）国家政策。房屋价格受政策因素的影响很大，在某种情况下，政策因素往往成为房屋价格的决定因素。例如:国十条的出台；加快工租房的建设，抑制投机需求；全面叫停第三套住房公积金贷款等等。
（5）还有一些人的投机心理，想利用房价上涨来捞一把，想以房屋增殖来赚取利润。 以上几个因素对住宅价格都有一定的影响，但由于时间仓促和能力有限，不能对诸多因素进行一一考虑，仅考虑了影响比较大的因素。由此我们采用的是“把握主要矛盾，忽略次要矛盾”的方法，因此该模型仍然具有一种普遍性和代表性，在此基础上在考虑其他因素时，此方法仍然是适用的。
其次，确定模型参数的样本序列仅仅有13组数据，在应用统计规律中，因为统计规律本来只是适用于一些大样本甚至是无穷大序列，如果在样本很小的情况下应用，结果误差可能会很大。而在提出该模型时也确实参考很多的数据，才将之间的个各因素确定为线性的。在计算时为了节省时间又能够说明问题，所以只选用了几组数据。
针对以模型中存在的问题，我们提出如下改进建议。 （1）本模型选取了13个代表性城市的数据进行分析，如果对更多的城市的统计数据（样本）进行模型运算，可以保证精度会更高。
（2）本模型建立过程中忽略了众多因素对房价的影响，如考虑建成面积、流动人口、国家调控等因素等，应综合考虑各方面因素，以减小误差。 （3）本模型建立过程中考虑各个因素与房价呈线性关系，但实际上线性不一定是最好的选择，还可以考虑2次、多次等回归关系，所建立的模型会误差更小。
参考文献
[1]. 中华人民共和国国家统计局—年度数据，http://www.stats.gov.cn/tjsj/ndsj/，2011.5
[2].毛国君等编著，《数据挖掘原理与算法（第二版）》，北京：清华大学出版社，2007.12, P123。
[3].魏宗舒等编著，《概率论与数理统计》，北京：高等教育出版社，2008.4。
[4].徐萃薇、孙绳武编著，《计算方法引论》，北京：高等教育出版社，2007.4, P47-P52，P54-P58。
[5].徐滇庆，《房价与泡沫经济》，北京:机械工业出版社，2006.8， P33,P181-P198,P369-P371。
[6].金勇进主编，《数字中国》，北京：人民出版社，2008.11，P299。
[7].郝益东，《中国住房观察与国际比较（第二版）》，北京：中国建筑工业出版社，2010，P24,P60,P125-P134,P175-P177。
- 25 -
附录：
MATLAB程序
1．因素确定相关程序
M=[
5225.5 3.50 21105.61 83601.71 2219.07 551.99 2337.7 13799 2240.1 2.60 14389.10 39781.95 2642.37 450.48 735.2 6886 7751.0 6.50 9830.57 19263.99 1851.67 187.24 1520.0 3263 5719.9 2.70 23172.36 71355.13 2923.56 991.08 1462.1 12840 43307.5 2.56 13480.72 25994.34 2147.98 512.11 3338.5 4983 40239.7 4.63 16701.04 34427.49 2049.83 652.20 2254.3 7826 10280.7 3.48 10331.51 14271.78 1881.15 289.00 1200.4 3532 10073.8 6.11 9854.09 12191.34 1667.34 315.10 1084.6 2680 11393.5 2.72 10132.43 14141.95 1403.38 314.46 1588.4 3509 3128.2 4.00 10775.37 17878.61 1865.76 243.32 941.6 3223 3771.2 6.08 9641.68 10213.56 1564.40 432.74 737.5 2931 177.5 10.24 13326.40 7805.05 999.54 105.27 15.7 2452 7435.1 6.20 14211.49 19516.98 1509.06 469.24 1136.3 5427 ]; N=[ ]; for j=1:8
a=sum(M(:,j))/13; for i=1:13
if M(i,j)>=a N(i,j)=1; else
N(i,j)=0; end end end disp(N)
2. 主要因素与房价关系图画法程序
x=[ ]; %[ ]中输入与房价相关的因素数值，以列矩阵输入% y=[ ]; %[ ]中输入选取的城市当年的房价，以列矩阵输入% p=polyfit(x,y,1);
x2=9000:100:24000; %选取x轴的范围% y2=polyval(p,x2); figure(1)
plot(x,y,'o',x2,y2) grid on title(' ') %' '中输入某因素与房价的关系图% xlabel(' ') %' '中输入所选取的因素% ylabel('商品房平均销售价(元/平方米)')
- 26 -
3.两因素协方差求解程序 Y=[ ]; %[ ]中输入△Y, △A,△B,△C,△D, 以列矩阵输入% X=[ ]; %[ ]中输入△Y, △A,△B,△C,△D, 以列矩阵输入% pjY= ; pjX= ; r1=Y-pjY; r2=X-pjX; r=r1.*r2; μxy=sum(r); disp(μxy);
4. 回归方程系数求解程序
A=[2.3326e+008 1.1461e+009 1.7483e+007 9.8190e+006; 1.1461e+009 6.7575e+009 1.1038e+008 4.8191e+007; 1.7483e+007 1.1038e+008 3.1654e+006 1.0633e+006;
9.8190e+006 4.8191e+007 1.0633e+006 6.3300e+005]; %输入协方差矩阵% B=[1.9062e+008 1.0607e+009 1.6910e+007 8.4238e+006]; %输入协方差矩阵% a=inv(A)*B;
disp(a); %以列矩阵输出a1,a,a3,a4%
5.残差计算及数据图画法程序 Y=13799; A=21105.61; B=83601.71; C=2219.07; D=551.99; %输入一个城市Y,A,B,C,D% M=Y-5642.4-[0.1197*(A-13611.7)+0.1281*(B-28495.7)-0.8191*(C-1901.9)+3.0715*(D-424.2); disp(M);
6. 实际房价与计算价格比较 A=[ ]; B=[ ]; C=[ ];
D=[ ]; %输入13个城市的A,B,C,D,以列矩阵输入%
Y=0.1197*(A-13611.7)+0.1281*(B-28495.7)-0.8191*(C-1901.9)+3.0715*(D-424.2)+5642.4; disp(Y); %输出13个城市的计算房价%
X=[ ]; %输入13个城市的实际房价,以列矩阵输入% disp((X-Y)./X); %输出误差百分比%
- 27 -
7. 对影响北京房价的四个因素的预测
7.1一次拟合曲线程序：
t=[1 2 3 4 5 6 7]'; y=[10152.14 11590.45 13666.34 16284.17 17318.72 18738.96 21105.61 ];
X1=[ones(size(t)) t]; a=X1\\y; disp(a); x2=1:7;
p=polyfit(t,y,1); y2=polyval(p,x2); figure(1)
plot(t,y,'o',x2,y2)
title('工薪收入与年份拟合曲线') xlabel('年份序号')
ylabel('工薪收入（元）')
7.2二次拟合曲线程序：
t=[1 2 3 4 5 6 7] ';; y=[ ]; X1=[ones(size(t)) t t.^2]; a=X1\\y; disp(a); x2=1:7;
p=polyfit(t,y,2); y2=polyval(p,x2); figure(1)
plot(t,y, 'o',x2,y2)
title('??与年份拟合曲线') xlabel('年份序号') ylabel('??')
%输入所求解因素03—09年实际数据，以列矩阵输入% %做二次拟合曲线% %??代表所输入的因素% - 28 -
8.房价预测
8.1.1 2011年—2014年的房价预测程序
A=[24624 26438 28253 30068 ];
B=[117495 134660 153385 173670 ];
C=[1929.8 1682.8 1374.8 1005.8 ];
D=[541.2464 520.0259 492.095 457.4537 ];
Y=0.1197*(A-13611.7)+0.1281*(B-28495.7)-0.8191*(C-1901.9)+3.0715*(D-424.2)+5642.4; disp(Y)
8.1.2 房价走势拟合曲线图画法程序
t=[1 2 3 4 5 6 7 9 10 11 12] '; y=[4737.00 5052.93 6788.09 8279.51 11553 12418 13799 18698 21251 24034 27045 ];
X1=[ones(size(t)) t t.^2];
- 29 -
a=X1\\y; disp(a); x2=1:12;
p=polyfit(t,y,2); y2=polyval(p,x2); figure(1)
plot(t,y, 'o',x2,y2)
title('房价走势拟合曲线') xlabel('年份序号') ylabel('房价（元）')
- 30 -