短信预约提醒成功
一、 分析模型及确立最终方程式
根据参数的估计及检验，剔除其中不重要的解释变量，保留拟合程度最好、显著性最强的解释变量，得到最优的结果，以便更好地分析住宅房地产市场的需求状况。
1. 第一次剔除变量
利用TSP软件，依据样本数据，得到以下结果：(见表4)
表4 LS//Dependent Variable is Y
由表4中的结果我们不难看出，解释变量X5的t检验、F检验均未通过，首先剔除变量X5。X4与X7的t检验、F检验虽然都通过，但X4的 ，X7的 ，显然与Y的拟合程度不好，将其剔除。
经过以上分析，第一次将结婚对数、人口自然增长率和银行贷款利率三个因素剔除。究其原因，在90年代初，虽然结婚的人数很多，但是受我国老观念、习俗的，婚后住在父母家的人数颇多，并不能反映出对房地产需求市场太大的。而对于人口自然增长率，它只反映的是本年的人口增长速度，在短期内并不能改变家庭结构、家庭户数，只在在二十年后，等这批新生人口长大，才开始进入住房需求市场，因此在短期内，人口自然增长率不会影响房地产需求市场。在人们急需购买住房时，并不会太考虑银行的贷款利率，人们摸不清贷款利率的变化，它的变化是由一些经济形势及政府的相关政策决定的，因此在急需购买住房时，人们不太会注重贷款利率这一因素。
1. 第二次剔除变量
对剩余的变量与Y做LS估计，我们可以得到以下结果：(见表5)
表5 LS//Dependent Variable is Y
上表显示，X2，X3与X8均未通过检验，说明X2，X3与X8在该模型中对被解释变量Y的影响不显著，将其剔除。
究其原因，在短期内，人口状况对住宅的需求不会产生太大的影响。另外，现在存在着房屋开始过度，盲目开发的现象，并没有完全考虑到人们对房屋的购买力，由于现在的拆迁，中低价位住宅市场的需求火爆，许多高价房屋存置，而中低价位房屋短缺，供给对需求也不会有太大的影响。
1. 第三次剔除变量
对剩余变量与Y做LS估计，结果见表6。
表6 LS//Dependent Variable is Y
上表显示，X1与X6的t检验、F检验均通过，并且 ，拟合优度很高，因此，最终选取这两个变量构成模型，模型的方程式如下：
Y = -262.96747+1.4684529X1+0.1336580X6
(-3.7999524) (4.282019) (3.8775840)
R2=0.968418 DW=1.652904 F=91.99184
模型中解释变量的系数均大于零，这说明房地产需求量(住宅)与危陋房屋拆迁量和人均年可支配收入都是呈正向关系变动的，这与实际是相符合的。
