导读:本文包含了房价模型论文开题报告文献综述及选题提纲参考文献，主要关键词:经济政策不确定性,货币政策,房地产价格,LT-TVP-VAR模型
房价模型论文文献综述
刘金全,毕振豫[1]（2019）在《不确定性会影响货币政策对房价的调控效应吗?——基于LT-TVP-VAR模型的实证检验》一文中研究指出我国房地产市场素有"政策市"之称,而频繁的宏观调控不可避免地会产生政策不确定性的问题。本文在经济政策不确定性的视角下,通过LT-TVP-VAR模型研究了货币政策对房地产价格的调控效应以及不确定性对房价的溢出效应。研究结果显示,货币政策对房价的调控效果具有显着的时变特征与非对称性,经济政策不确定性会削弱货币政策对房价的调控效果。同时,不确定性本身也会对房价产生明显的溢出效应。为此,政府应当加强预期管理,保持政策的连贯性与一致性,以降低经济政策不确定性对货币政策以及房地产市场的影响。(本文来源于《吉林大学数量经济优秀成果汇编（2018年卷）》期刊2019-11-01）
鲍刚,吴婷婷,方园,张康伟,李捷[2]（2019）在《基于改进PSR模型的限购政策对房价影响研究——以海南省为例》一文中研究指出运用2018年全国研究生电工杯数学建模竞赛B题的数据资料,针对海南省主要城市商品住宅价格问题的第四问展开研究.在前叁问中,首先通过搜集数据并对数据进行合理的处理,对海南省(主要考虑海口和叁亚)商品住宅价格的影响因素进行定量分析,得出各因素之间的关系.问题四中,考虑限购政策,在综合分析房价影响因素的基础上,筛选新的指标,构建了基于改进粒子群算法模糊层次分析法——PSR模型的房地产调控政策对于房价影响的评价体系,得到了海南省的房地产宏观调控政策的对房价上涨的影响结果.最后,根据建立的评价体系利用matlab神经网络工具箱按月预测了2018年6月-2019年5月海南省(主要考虑海口和叁亚)商品住宅价格.(本文来源于《数学的实践与认识》期刊2019年20期）
刘智禄,王慧丽[3]（2019）在《基于GM模型和BP神经网络的西安市房价分析与预测》一文中研究指出基于西安市2001—2017年有关房价的历史数据,建立了Adaptive-Lasso变量选择模型,分析并识别影响房价的关键因素,构建灰色预测模型与BP神经网络的组合模型来预测西安市2018年—2020年的房价。结果发现,西安市生产总值GDP、财政收入、城镇居民人均可支配收入、城镇居民家庭的恩格尔系数、城镇居民人口和住宅销售面积等6个因素对西安市住宅价格的变动影响较大,最后通过灰色GM(1,1)预测模型与灰色预测和BP神经网络的组合模型预测结果的比较,验证了模型的有效性。(本文来源于《西安石油大学学报(社会科学版)》期刊2019年05期）
孙婷婷,沈毅,赵亮[4]（2019）在《一种基于BP神经网络的房价预测模型》一文中研究指出房价复杂多变,具有非线性特性,因此利用非线性模型预测房价走势受到学者们的关注。而在非线性模型中,BP(Back Propagation)神经网络具有较强的非线性映射能力。因此,该文基于BP神经网络构造房价预测模型。在模型的具体实现中,首先基于特征选择方法提取影响房价变化的典型经济要素;然后针对房价要素特点构建BP网络模型,通过已有数据对BP神经网络模型进行深度训练、校验,预测今后房屋价格的走势。理论分析与实验结果表明,本文提出的模型优于现有一些线性和非线性预测模型,能够对房价变化进行有效预测。(本文来源于《电脑知识与技术》期刊2019年28期）
刘建江,石大千[5]（2019）在《高房价对企业创新的影响:是挤出还是挤入?——基于双边随机前沿模型的测算》一文中研究指出本文以兼具消费品与投资品属性的住房双重属性为基础,从供求两方面详解高房价对企业创新的双边作用机制,基于省级面板数据,利用双边随机前沿模型测算了房价影响企业创新的挤出效应、挤入效应及其净效应。研究结果表明:①房价的挤出效应(27. 46%)和挤入效应(18. 21%)相互作用最终导致实际企业创新水平低于前沿企业创新水平9. 25%;②房价对企业创新影响的净效应为负,房价的挤出效应仍然占主导地位;③基于政府行为角度,从土地供应和金融发展两个层面分析房价对企业创新的异质性影响。结果表明,土地供应量减少强化了房价对企业创新水平的抑制作用,而金融发展水平和金融发展效率提高弱化了房价对企业创新水平的抑制作用。本文的政策启示在于:①要着重从供给侧解决房价过快上涨问题,增加土地供应量,改善土地供应偏向性,释放住房需求,从而弱化房价过快上涨带来的负效应;②促进企业创新着力点在于缓解企业融资约束,要加快金融市场化进程,降低金融抑制和金融垄断,提高金融市场发展效率,通过缓解企业融资约束促进创新。(本文来源于《中国软科学》期刊2019年09期）
张馨月[6]（2019）在《房价上涨影响银行部门和非金融部门风险的实证分析——基于TVP-VAR模型》一文中研究指出本文基于我国2006年第1季度～2018年第1季度的时间序列数据,刻画了房地产市场、银行部门和非金融部门中风险的变化情况,并利用TVP-VAR模型综合分析了房价上涨对银行和非金融部门风险的动态影响。结果表明:(1)房价上涨冲击在短期内会推动银行部门风险的上升,但中长期冲击影响会逐渐减弱。(2)房价上涨冲击对非金融部门风险的正向影响不存在"时滞"性,并且随着时间的推移,这种推动作用将会逐渐减弱。(3)非金融部门债务风险的上升冲击会促使银行部门风险上升,因此房价上涨还可以通过"房价上涨—非金融部门负债增加—银行部门风险上升"这一机制对银行部门风险产生影响。(4)政府宽松的房地产调控政策与货币政策对各部门间的风险传递有放大作用,因此政府应谨慎地制定相关政策。(本文来源于《制度经济学研究》期刊2019年02期）
向为民,李新刚[7]（2019）在《我国城市基础设施对房价影响的区域差异——基于动态面板差分GMM模型的经验研究》一文中研究指出选取2005—2017年省级面板数据,运用动态面板差分GMM模型,分析我国城市基础设施对房价的影响及其区域差异。结果发现:无论是全国层面还是东、中、西部地区的估计结果,均显示基础设施对房价产生显着影响,对不同区域房价的影响呈现空间异质性。其中,能源动力设施对中部房价影响显着为正,而对东、西部房价影响甚微;供水污水处理设施对东部房价具有抑制作用,对中部房价产生促进作用,对西部房价影响尚不明显;道路交通设施对东、西部房价具有负向影响,对中部房价影响不显着;邮电通信设施对中、西部房价均产生推动作用,对东部房价影响不显着;生态环保设施对东部房价影响显着为负,而对中、西部房价影响不显着。对不同类别城市的分析也得出城市基础设施对一线、新一线、二线、叁线城市房价影响具有显着差异的结论。(本文来源于《重庆理工大学学报(社会科学)》期刊2019年08期）
宋哲昊,屠苏南[8]（2019）在《单中心城区中低价小区“房价—交通便利性”模型研究——以绍兴为例》一文中研究指出城市公共交通明显改善了城市的交通便利性,进而影响了住宅小区分布。中低价小区中的大量城市居民,相对更易受到公共交通的影响。本研究以绍兴为例,观察单中心城区中中低价小区的分布,并分析其与公共交通的关系,并对中低价小区房价与交通便利性的关系建立函数模型进行研究,从而依据函数模型探讨单中心城区的规划方向。(本文来源于《城市建筑》期刊2019年22期）
陈甬军,李环环[9]（2019）在《房价、产业结构升级和人力资本结构——基于PVAR模型的动态分析》一文中研究指出本文基于2003～2017年的中国省级面板数据,运用面板向量自回归模型,从全国和区域两个层面对房价、产业结构和人力资本结构的动态关系进行了实证分析。研究发现:房价与产业结构升级之间存在相互的正向作用,且二者之间的相互作用在中西部地区更强;房价对人力资本结构没有显着的影响,反过来,人力资本结构优化对房价有正向影响,但该影响仅在东部地区显着;产业结构升级对人力资本结构的影响不显着,而人力资本结构优化对产业结构升级有推动作用,但是该作用在中西部地区不显着。此外,中西部地区政府支出增加有助于推动人力资本结构优化,这一作用在东部地区不显着。(本文来源于《工业技术经济》期刊2019年08期）
翟少轩[10]（2019）在《国际资本流动,货币供给剪刀差与房价——基于SVAR模型的实证研究》一文中研究指出本文使用我国2000年2月至2018年12月的月度数据,建立SVAR模型,研究了国际资本流动、货币供给剪刀差(M1、M2增速差)和房地产价格之间的关系。通过实证研究,得到以下结论:短期国际资本流入会促使货币供给剪刀差扩大,增强国内资本流动性;房地产价格和货币供给剪刀差之间存在较强的正向相互影响关系;国际资本流入会通过扩大货币供给剪刀差这一传导路径,推动房价上涨。(本文来源于《时代金融》期刊2019年18期）
房价模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
运用2018年全国研究生电工杯数学建模竞赛B题的数据资料,针对海南省主要城市商品住宅价格问题的第四问展开研究.在前叁问中,首先通过搜集数据并对数据进行合理的处理,对海南省(主要考虑海口和叁亚)商品住宅价格的影响因素进行定量分析,得出各因素之间的关系.问题四中,考虑限购政策,在综合分析房价影响因素的基础上,筛选新的指标,构建了基于改进粒子群算法模糊层次分析法——PSR模型的房地产调控政策对于房价影响的评价体系,得到了海南省的房地产宏观调控政策的对房价上涨的影响结果.最后,根据建立的评价体系利用matlab神经网络工具箱按月预测了2018年6月-2019年5月海南省(主要考虑海口和叁亚)商品住宅价格.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
房价模型论文参考文献
[1].刘金全,毕振豫.不确定性会影响货币政策对房价的调控效应吗?——基于LT-TVP-VAR模型的实证检验[C].吉林大学数量经济优秀成果汇编（2018年卷）.2019
[2].鲍刚,吴婷婷,方园,张康伟,李捷.基于改进PSR模型的限购政策对房价影响研究——以海南省为例[J].数学的实践与认识.2019
[3].刘智禄,王慧丽.基于GM模型和BP神经网络的西安市房价分析与预测[J].西安石油大学学报(社会科学版).2019
[4].孙婷婷,沈毅,赵亮.一种基于BP神经网络的房价预测模型[J].电脑知识与技术.2019
[5].刘建江,石大千.高房价对企业创新的影响:是挤出还是挤入?——基于双边随机前沿模型的测算[J].中国软科学.2019
[6].张馨月.房价上涨影响银行部门和非金融部门风险的实证分析——基于TVP-VAR模型[J].制度经济学研究.2019
[7].向为民,李新刚.我国城市基础设施对房价影响的区域差异——基于动态面板差分GMM模型的经验研究[J].重庆理工大学学报(社会科学).2019
[8].宋哲昊,屠苏南.单中心城区中低价小区“房价—交通便利性”模型研究——以绍兴为例[J].城市建筑.2019
[9].陈甬军,李环环.房价、产业结构升级和人力资本结构——基于PVAR模型的动态分析[J].工业技术经济.2019
[10].翟少轩.国际资本流动,货币供给剪刀差与房价——基于SVAR模型的实证研究[J].时代金融.2019
标签：经济政策不确定性; 货币政策; 房地产价格; LT-TVP-VAR模型;