算升級：引入房價因素的必要性研究 浙江工商大學(xué) 摘要 本文針對目前房價與 鉤”的熱點，結(jié)合國家統(tǒng)計局考慮加大居住類在 權(quán)重的背景，深入研究了兩者之間的內(nèi)在聯(lián)系。 首先，本文從兩方面證明了房價因素對 有極為重要的影響。 1）空間角度，選取了與 有密切關(guān)聯(lián)的 9 項指標(biāo)，對 我國 26 個省市自治區(qū)的數(shù)據(jù)進(jìn)行因子分析，提出了綜合可支付性因子、享受資料因子、飲食消費因子和發(fā)展因子，通過共同度分析，以及旋轉(zhuǎn)后的四個因子的方差貢獻(xiàn)率，得出主要由房價因素組成的綜合性可支付因子對居民消費影響最 大的結(jié)論。 2）時間角度，建立經(jīng)網(wǎng)絡(luò)模型，對考慮房屋銷售價格指數(shù)及不考慮房屋銷售價格指數(shù)的兩種情況下對 預(yù)測精度進(jìn)行研究，將計算機模擬結(jié)果與實際 進(jìn)行比較，得出在加入房屋銷售價格指數(shù)后， 預(yù)測精度將有明顯提高。 其次，為進(jìn)一步探究房價因素與 間的內(nèi)在傳導(dǎo)機制，本文將房屋銷售價格指數(shù)分解為 新建商品住房價格指數(shù)以及二手住房價格指數(shù)，將月度環(huán)比數(shù)據(jù)轉(zhuǎn)換成月度定基比數(shù)據(jù)， 建立 型，通過格蘭杰檢驗、脈沖響應(yīng)函數(shù)的建立、方差分解，認(rèn)為二者都是 內(nèi)在變量，對 沖擊均具有滯后 性，且無論是拉動程度還是貢獻(xiàn)度，均有相似的較高水平，并有相當(dāng)長的持續(xù)性。相比之下，前者對 沖擊程度稍弱，但方差貢獻(xiàn)更大。因此認(rèn)為 在測算 ，適當(dāng)考慮房價因素是有意義的。 最后，本文針對房價與 傳導(dǎo)機制，結(jié)合模型結(jié)果，提出了 算體系提升建議。 【關(guān)鍵詞】 ： 房屋銷售價格指數(shù) 因子分析 經(jīng)網(wǎng)絡(luò) 型 目錄 一、 引言 . 1 二、 文獻(xiàn)綜述 . 2 （一） 響因素及傳導(dǎo)機制 . 2 （二） 房地產(chǎn)關(guān)系 . 3 三、 問題描述 . 4 四、 模型的建立、求解及檢驗 . 4 （一）空間角度 基于因子分析的房價因素對 . 5 1. 指標(biāo)體系的構(gòu)建 . 5 2. 數(shù)據(jù)的收集與整理 . 6 3. 因子分析 . 6 （二）時間角度 基于 . 9 1. 經(jīng)網(wǎng)絡(luò)工作原理 . 9 2. 改進(jìn)的最近鄰聚類學(xué)習(xí)算法 . 11 3. 經(jīng)網(wǎng)絡(luò)實證分析 . 12 （三） 房價因素與 傳導(dǎo)機制 . 14 1. 指標(biāo)選擇 . 14 2. 數(shù)據(jù)來源 . 14 3. 數(shù)據(jù)處理 . 14 4. 型 . 15 （ 1） 驗 . 15 （ 2）初始向量自回歸模型 . 16 （ 3）確定滯后階數(shù) . 17 （ 4） 果檢驗 . 17 （ 5） 驗 . 20 （ 6）脈沖響應(yīng)分析 . 21 （ 7） 方差分解 . 22 五、 模型的優(yōu)缺點及改進(jìn)方向 . 23 六、 結(jié)論及建議 . 24 七、 參考文獻(xiàn) . 27 八、 附錄 . 28 1 一、 引言 近年來，民生問題成為國家關(guān)注的焦點。無論是“十二五”規(guī)劃，還是全國人民代表大會，每一項決議都明顯地表現(xiàn)出社會民生的高度重視。居民消費價格指數(shù) (為反映 消費者支付商品和勞務(wù)價格變化情況 的工具， 牽涉到每個老百姓的切身利益 ，體現(xiàn)著人民的生活水平，影響到人們未來的購買需求，因而受到了普遍的關(guān)注。 在我國房地產(chǎn)市場發(fā)展的近十年中， 中國房價節(jié)節(jié)攀升， 居民購房出現(xiàn)了爆發(fā)性增長 ，使得整個 房地產(chǎn)市場呈現(xiàn)出偏熱的景象，從而導(dǎo)致人們產(chǎn)生了較高的管 2011年 1月 ， 國家統(tǒng)計局將 居住類價格 權(quán)重 提高 了 然而由此得到的 人們的實際感受存在著明顯的偏差。究其原因，在實際的 我國 在具體核算上并未將住房價格直接納入 是將其作為一項投資來考慮。同時，在居住所占的權(quán)重僅為 因而房價的波動對其測算結(jié)果影響較小。由此，導(dǎo)致了 介于這種現(xiàn)狀，許多經(jīng)濟學(xué)家認(rèn)為 法真正反映居民消費的壓力變化， 也不能確切衡量整體經(jīng)濟的運行情況，這將誤導(dǎo)政府經(jīng)濟決策，影響人民生活。 因此，是否應(yīng)將與房價具有直接相關(guān)性的指標(biāo)納入測算體系以更好地反映 為了現(xiàn)今社會討論的熱點話題。 對此，國家統(tǒng)計局人士表示，預(yù)計 2011年居住類權(quán)重比今年有所增加，并將考慮用貸款利率和住房價格的加權(quán)數(shù)代替居住類下的自有住房中的房屋貸款利 2 率 1 。由于房屋銷售價格 指數(shù)是反應(yīng)住房價格的的重要因素，因此，重點研究它與 握趨勢，為更好地完善 為了現(xiàn)如今迫切需要解決的課題。 二、 文獻(xiàn)綜述 人們的生活密切相關(guān)，是人民生活水平的重要寫照。真實反映 數(shù)以了解通貨膨脹情況，是政府進(jìn)行宏觀調(diào)控的重要依據(jù)。近年來，由于官方公布 數(shù)實際值與人們預(yù)期產(chǎn)生了嚴(yán)重的背離，因而更受關(guān)注。在此背景下，眾位學(xué)者和專家紛紛投入到該領(lǐng)域的研究，通過實證分析，深入研究 關(guān)的文獻(xiàn)主要有以下幾個方面。 （一） 響因素及傳導(dǎo)機制 在現(xiàn)有的文獻(xiàn)資料中， 劉海萍、王海濤、王洪利等（ 2009）2 用 凌云、王凡彬等（ 2010） 3 用主成分分析法，通過統(tǒng)計回歸模型對 如此類的預(yù)測模型被廣泛運用。而在具體影響因素的分析上，學(xué)術(shù)界常以研究傳導(dǎo)機制的形式進(jìn)行深入挖掘。 劉金海、楊雪婷（ 2008） 4 利用 2007年度居民消費指數(shù)分類 中十三個指標(biāo)，通過主成分分析和因子分析的使用，構(gòu)造出反映 算出影響 周啟紅（ 2008） 5 運用 過引入居民消費價格通脹率作為最主要的內(nèi)生變量，將貨幣增長率和固定資產(chǎn)的增長率作為次要內(nèi)生變量，將糧食種植面積的滯后一期的縮減率和燃料動力通脹率作為外生變量，另外引入美國通脹率，分析貨幣供給增長、固定資產(chǎn)投資增長與 為 劉海兵、劉 麗（ 2009）選取了城鎮(zhèn)居民人均可支配收入、貨幣供應(yīng)量、固定資產(chǎn)投資、農(nóng)業(yè)生產(chǎn)資料價格指數(shù)、工業(yè)品出廠價格指數(shù)作為 建立 上 , 運用脈沖響應(yīng)函數(shù)和方差分解方法進(jìn)行研究，得出了 陳黎明、吳偉、徐海云（ 2010） 6 研究了 們將 3 用 此同時，他們運用變結(jié)構(gòu)協(xié)整， 檢驗了近幾年中國價格傳導(dǎo)的變異性，指出了變結(jié)構(gòu)點，并發(fā)現(xiàn)價格傳導(dǎo)效應(yīng)有減弱的跡象。 綜合以上文獻(xiàn)，發(fā)現(xiàn)在 慮的指標(biāo)多為原材料、燃料和動力購進(jìn)價格指數(shù)、 幣因素等。通過脈沖分析以及方差分解的方法探討各因素對 于 以為本文模型的構(gòu)建提供依據(jù)。而在具體影響因素的選擇上，本文將針對現(xiàn)狀，加入新的指標(biāo)，以求更好地契合實際。 此外，借鑒劉金海、楊雪婷的因子分析方法，提取因子，探究油罐房價的因子在 售價格指標(biāo)的意義所在。 （二） 日益增長的房價是人們對 是本文研究的目的所在。與此相關(guān)的文獻(xiàn)不僅涉及時間序列，還涉及面板數(shù)據(jù)。 經(jīng)朝明等人（ 2006）在研究 居民消費價格指數(shù)和房地產(chǎn)價格指數(shù)關(guān)系時利用協(xié)整檢驗，得出了兩者之間存在負(fù)向的長短期均衡關(guān)系的結(jié)論，即替代效應(yīng)大于財富效應(yīng)，房地產(chǎn)價格的上漲會導(dǎo)致一般物價水平的下降。 張紅，章輝贊（ 2008） 7 結(jié)合北京和上海的 月度數(shù)據(jù)，運用 究了中國通貨膨脹與商品住宅價格的連續(xù)與靈敏的變化關(guān)系，最終得出：通貨膨脹與商品住宅價格在北京不存在長期均衡關(guān)系，而在上海存在長期均衡。 黃飛雪 ,金建東（ 2010） 8 利用 2005年 7月到 2009年 11月房地產(chǎn)價格指數(shù) (與 月度數(shù)據(jù)，在消除異方差的基礎(chǔ)上通過 立了 過二維網(wǎng)絡(luò)搜索法進(jìn)行估計。最終得出的結(jié)論是，從整體來看，房價指數(shù)的變化對 變化 影響是復(fù)雜的非線性關(guān)系，適用于 型 ,轉(zhuǎn)換變量的門限值為 0. 0016和 0. 0038。同時，認(rèn)為 房地產(chǎn)價格指數(shù)的變化對 且這種拉動作用是非線性的。 郜浩、吳翔華用 2006年 1月至 2009年 8月我國房屋銷售價格指數(shù)和 數(shù)據(jù)，對房價與 出兩者之間存在較強的相關(guān)性，其系數(shù)為 且，在短期內(nèi) ，房價是 價每提高 1%， 李靜、張旭（ 2010） 9 利用中國 1998年至 2009年的 屋銷售價格指數(shù)）年度同比數(shù)據(jù)，應(yīng)用 行回歸分析，并進(jìn)行了相關(guān)性檢驗以及異方差檢驗，得出 此基礎(chǔ)上，運用 出兩者之間 互為因果的結(jié)論。 胡衛(wèi)兵（ 2010） 10 對 2002年至 2007年全國 35個大中城市的季度數(shù)據(jù)進(jìn)行實證分析，研究了房地產(chǎn)銷售價格指數(shù)（ 綜上所述，在研究房價與 要 運用協(xié)整模型及格蘭杰檢驗分析兩者之間的內(nèi)在聯(lián)系，探討兩者是否存在長期均衡或短期波動關(guān)系。但其缺點主要表現(xiàn)在：多數(shù)研究未考慮到直接采用統(tǒng)計年鑒上的同比數(shù)據(jù)或環(huán)比數(shù)據(jù)進(jìn)行分析會產(chǎn)生一定的問題 數(shù)據(jù)的可比性有待商榷。因此，在數(shù)據(jù)處理方面，本文尤為重視。 三、 問題描述 近年來，我國放假漲勢迅猛，居民的住房支出日益增加， 導(dǎo)致居民對通貨膨脹產(chǎn)生了較高的預(yù)期。然而 公布的數(shù)據(jù)往往低于公眾的預(yù)期，很大程度上是由于購房往往被視作一項投資，而非消費。但多數(shù)經(jīng)濟學(xué)家認(rèn)為，如今的 映居民消費的壓力變化， 也不能確切衡量整體經(jīng)濟的運行情況，這將誤導(dǎo)政府經(jīng)濟決策，影響人民生活。為此，國家統(tǒng)計局也有將住房價格納入 于以上背景，本文力圖通過建立模型探究將房價因素對 及二者的內(nèi)在傳導(dǎo)機制，為將房價因素納入 四、 模型的建立、求解及檢驗 由于本文是在國家統(tǒng)計局 考慮用貸款利率和住房價格的加權(quán)數(shù)代替房屋貸款利率這一想法下提出的，因而，首要解決的問題便是研究這一決策的科學(xué)性， 5 即房屋銷售價格因素相對于其他因素而言，是否對 此 ，本文主要從空間和時間方向出發(fā)，雙角度進(jìn)行剖析。 空間上采用因子分析的方法，通過提取與房價相關(guān)的因子，研究它對 間上采用神經(jīng)網(wǎng)絡(luò)的方法，研究房價因子的存在是否會對 其次，本文以 一步挖掘房屋銷售價格內(nèi)部兩因素與 入探究其傳導(dǎo)機制。 （一）空間角度 基于因子分析的房價因素對 1. 指標(biāo)體系的構(gòu)建 為反映消費者支付商品和勞務(wù)的價格變化情況的工具，由八大類商品指標(biāo)構(gòu)成：食品、煙酒及其用品、衣著、家 庭設(shè)備及維修服務(wù)、醫(yī)療保健及個人用品、交通與通訊、娛樂教育文化用品及服務(wù)、居住。本文將從以上八項商品價格指標(biāo)出發(fā)，選擇較能反映居民消費的指標(biāo)進(jìn)行分析。 表 1 指標(biāo)體系及符號說明 居民消費 指標(biāo) 符號 糧食消費價格指數(shù) 123456789x 6 根據(jù)張海波、徐慧（ 2009） 12 的研究， 變動很大程度上是由于食品價格的波動，食品中糧食價格的波動占主要原因，故將糧食消費價格指數(shù)列入指標(biāo)體系。中國社科院金融研究所易憲容指出，目前中國居民的消費品與消費結(jié)構(gòu)來看，居民最大的消費應(yīng)該是居住類消費、教育及醫(yī)療消費，故將教育從娛樂教育文化用品及服務(wù)中提出。而由于通信、煙類價格壟斷性質(zhì)較強，居民在這兩類商品的消費波動性不大，對 影響作用較小，故未選入指標(biāo)體系中。 針對以上指標(biāo)體系， 根據(jù)中國統(tǒng)計年鑒（ 2010），搜集并計算我國 26個省市自治區(qū)上述 9項指標(biāo)數(shù)值。 各指標(biāo)數(shù)值存在著量綱的影響，但由于在 在此不對數(shù)據(jù)進(jìn)行無量綱化處理。 （ 1）適合性檢驗 將數(shù)據(jù)導(dǎo)入 件中，對這 19個變量進(jìn)行 球形 驗。結(jié)果如表 2： 表 2 驗 上表顯示 為 應(yīng)的顯著性概率 ( 小于 為相關(guān)系數(shù)矩陣與單位矩陣有顯著差異。同時 為 1, ，根據(jù) 變量適合進(jìn)行因子分析。 （ 2）因子分析具體過程 將數(shù)據(jù)導(dǎo)入 件中，進(jìn)行因子分析，以期對所有的變量進(jìn)行分組，并解釋其含義。 1） 因子數(shù)量的選擇及命名 首先根據(jù)指標(biāo)體系，暫選擇 4 個公共因子，將主成分分析的因子載荷矩陣 7 作為初始載荷矩陣，用方差最大法進(jìn)行因子旋轉(zhuǎn)。在 r=v n=4 輸出結(jié)果如下： 2） 特征值及累積方差貢獻(xiàn)率 由表 3 看 出，前四個特征值都大于 1，累積方差貢獻(xiàn)率達(dá)到 在公共因子的選取方面，根據(jù)特征值大于一的原則，應(yīng)選取 4 個，證明了前述公共因子數(shù)量選擇的正確性。 表 3 相關(guān)系數(shù)矩陣的特征值及方差貢獻(xiàn)率 3） 初始因子載荷矩陣 表 4 初始載荷矩陣 由表 4，大部分變量對 4 個因子的解釋程度差異性不夠大，部分因子的經(jīng)濟含義不清，因此本文將采用方差最大法將初始因子載荷矩陣旋轉(zhuǎn)，使得每一列上的系數(shù)盡量接近 1或者 0。 8 4） 旋轉(zhuǎn)后的因子載荷矩陣及因子命名 表 5 旋轉(zhuǎn)后的因子載荷矩陣 根據(jù)旋 轉(zhuǎn)后的因子載荷矩陣（ 見上方 5），可以較好的解釋這四個因子的含義。 第一個因子在交通消費價格指數(shù)（6x）、居住消費價格指數(shù)（8x）、房屋銷售平均價格（9x）這 3 個變量上的載荷值較大。根據(jù)清華大學(xué)房地產(chǎn)研究所的研究結(jié)果：在空間上，居民所負(fù)擔(dān)的住房成本和交通成本存在著 密切的互動關(guān)系，共同構(gòu)成了家庭的支付。例如。在靠近市區(qū)的地域，房屋銷售價格較高，因此住房成本高，而這一地區(qū)交通更為便利，于是承擔(dān)的交通成本則低一些，在空間上，二者的關(guān)系十分密切。故采用研究所的命名方法，第一個因子可命名為綜合可支付性因子。其中，交通消費價格指數(shù)、居住消費價格指數(shù)、房屋銷售平均價格在第一個因子上載荷值的絕對值皆高達(dá) 上，說明，這三個變量對綜合可支付性因子有較大的且大小相近的解釋程度。 第二個因子在衣著消費價格指數(shù)（3x）、家庭設(shè)備用品及維 修服務(wù)消費價格指數(shù)（4x）上的載荷值較大。其中家庭設(shè)備用品及維修服務(wù)消費價格包括耐用消費品、室內(nèi)裝飾品、床上用品、家庭日用雜品、家庭服務(wù)及加工維修服務(wù)費。體現(xiàn)了家庭生活方面的品質(zhì)，因此第二個因子可命名為享受資料因子。 第三個因子在糧食消費價格指數(shù)（1x）、酒類消費價格指數(shù)（2x）上的載荷值較大，則可命名為飲食消費因子。 第四個因子在醫(yī)療保健與個人用品消費價格指 數(shù)（5x）、教育消費價格指數(shù)（7x）上因子載荷值比較大，描述了居民在生活質(zhì)量的保障與提升，故可命名 9 為發(fā)展因子。 綜上所述，這四個公共因子可以分別命名為綜合可支付性因子、享受資料因子、飲食消費因子、發(fā)展因子。 5） 共同度及各因子解釋的方差 表 6 每個因子解釋的方差 表 7 共同度 從表 6 看出，旋轉(zhuǎn)后，這四個因子的方差貢獻(xiàn)分別為 些數(shù)字代表著各個因子對 解釋程度。由此，綜合性可支付因子對居民消費的影響最大。再根據(jù)前文所述房屋銷售價格對綜合性可支付因子的解釋程度很大，因此可以說，房價對 影響程度很大，將其列入 體系中是有一定根據(jù)的。 另外，共同度體現(xiàn)出這四個公共因子所能解釋每個變量的程度。表 7 顯示出，除了變量1x、2他變量共同度均在 70%以上，信息損失較少。 （二）時間角度 基于 房價因素對 從時間角度出發(fā)，本文研究房價因子的存在對于 測精度的影響。對于非線性時間序列的預(yù)測，出現(xiàn)了多種基于神經(jīng)網(wǎng)絡(luò)的預(yù)測控制方法，以 練時間長和收斂速度慢等缺點，影響了預(yù)測的效果。特此，本文采取 經(jīng)網(wǎng)絡(luò)，取得更好的預(yù)測效果。 經(jīng)網(wǎng)絡(luò)工作原理 絡(luò)定義為：以徑向基函數(shù)作為隱含層神經(jīng)元激活函數(shù)的三層前向 型神經(jīng)網(wǎng)絡(luò)。第一層為輸入層，由信號源結(jié)點組成；第二層為隱含層，其單位數(shù)視所描述問題的需要而定；第三層為輸出層（單輸出），它對輸入模式的作用做出 10 響應(yīng)。 構(gòu)成 絡(luò)的基本思想：用徑向基函數(shù)作為隱單元的“基”構(gòu)成隱含層空間，這樣就將輸入矢量直接（而不通過權(quán)連接）映射到隱含層空間，當(dāng)徑向?qū)涌臻g到輸出層空間的映射是線性的，即網(wǎng)絡(luò)的輸出是隱單元輸出的線性加權(quán)和。 由上面分析可知， 絡(luò)的映射關(guān)系由以下兩部分組成（設(shè)輸入維數(shù)為 n ,隱 單元數(shù)為 m ，輸出維數(shù)為 p ） : （ 1）從輸入空間到隱含層空間的非線性變換層。第 22( ) ( | | | | / 2 )j j jh x x c 其中 (.) 為隱單元的變換函數(shù)（即徑向基函數(shù)），它是一種局部分布的對中心店徑向?qū)ΨQ衰減的非負(fù)非線性函數(shù)，一般取高斯函數(shù)。 |.| 為歐式范數(shù)； x 為n 維輸入向量，即 12 , , , x x xj 個非線性變換單元的中心向量，即： 1 2 3 , , , , j j j jc c c c c 其中， j 個中心對應(yīng)第 n 個輸入的分量；j為第 j 個非線性變換單位的寬度。 （ 2）從隱含層空間到輸出層空間的線性合并層。輸出為： 1( ) ( )m x h x w 其中，j 個隱單元與輸出之間的連接權(quán)； m 為隱單元數(shù)。 心的選取合適與否將從根本上影響 于訓(xùn)練樣本1( , ) |pi i ，通常取性能指標(biāo)為： 211 ( ( ) )2 y f x 其中， N 為訓(xùn)練樣本數(shù)，為歸一化后的網(wǎng)絡(luò)期望值， () 11 通過上述描述可知，指標(biāo) E 是關(guān)于中心 c 、寬度 r 和權(quán)值 w 的函數(shù)。 E 趨于最小。 最近鄰聚類學(xué)習(xí)算法是一種在線自適應(yīng)動態(tài)聚類學(xué)習(xí)算法。 雖然學(xué)習(xí)時間短、速度快但犧牲了精度，在精度要求高的場合使用受到限制。針對原算法的缺陷，提出了一種改進(jìn)的額矢量最近鄰聚類算法，使聚類更合理、精度更高。 具體過程如下： （ 1）定義一個矢量 ()于存放屬于各類的輸出矢量之和，定義一個計數(shù)器 ()中 p 為類別數(shù)。 （ 2） 計算出所有樣本相互之間的距離 ( , 1 , 2 , , ;i j N N 為 樣 本 總 數(shù) ）及其平均值 _d : 22| | | | | | | |i j i x x y y 1_112( 1 )j 找出與樣本 i 距離最近的 t 個樣本，設(shè)這 t 個樣本與樣本 i 的距離分別為1 2 i, , ,i i id d d ，求出平均距離 _ _11 t 其中， _i 的樣本區(qū)域密度，它間接表示樣本 i 區(qū)域附近的樣本密度。 （ 3） 從第一個樣本對 11( , )始，在 1x 上建立一個聚類 中心 _1x ,且1(1), (1) 1B 。選擇一個初始聚類半徑 r 。 （ 4） 考慮第 k 個樣本數(shù)據(jù)對 ( , )，假設(shè)已存在 M 個聚類中心，其中心點分別為 _ _ _12, , , mx x x 。在上述建立的 絡(luò)中已有 M 隱單元。再分別求出到這 M 個聚類中心的距離 _| | , 1 , 2 , ,x i M 。 設(shè) _|為這些距離中的最小距離，即聚類 j 為樣本 最近鄰聚類，則令： 12 _*_* 如果： 2 2 *| | | | | | | |i j i x y y r 成立，則將 ( , )為聚類 j ，且有 _( ) ( ) , ( ) ( ) 1 , m p t m pA j A j y B j B j x x x 式中 _j 以及歸屬于它的樣本的輸入之和。否則，把樣本 ( , )有： _1 1 ()kA m y ( ) 1 (5)確定完聚類后，令 _ / ( )ii p ,將學(xué)習(xí)樣本輸入網(wǎng)絡(luò)，得到擬合誤差平方和 E ，即： 212 f y其中， 輸入為 的網(wǎng)絡(luò)輸出，此時可按一般的梯度算法調(diào)整網(wǎng)絡(luò)參數(shù) ，即： E （ 為 學(xué) 習(xí) 規(guī) 律 ） (4)學(xué)習(xí)完畢后，網(wǎng)絡(luò)輸出應(yīng)為： _211_211( ) e x p ( ( ) )()( ) e x p ( ( ) )jM n n 其中 ()屬于聚類 M 的輸出矢量和， () 的樣本個數(shù)， _表示樣本 i 到 M 個聚類中心的距離。 根據(jù)上述規(guī)則建立的 絡(luò)，在形成新聚類時考慮了輸出信息的影響，新聚類的半徑根據(jù)樣本密度作了自適應(yīng)調(diào)整，并通 過基于梯度信息的參數(shù)優(yōu)化更好的保證了精度。 3. 經(jīng)網(wǎng)絡(luò)實證分析 本文以中國 2006 年 1月到 2010年 12 月的全國居民消費物價指數(shù)（ Y ）為 13 輸出神經(jīng)元。首先，在不考慮房價因子的條件下，以教育價格指數(shù)（1S）、衣著指數(shù)（2S）、醫(yī)療保健價格指數(shù)（3S）為影響因子，建立 經(jīng)網(wǎng)絡(luò)模型，預(yù)測 次， 加入全國房屋銷售價格指數(shù)（4S），再建立模型，與之前未加入該因子的預(yù)測情況相比較，以觀察房價因子對于 對訓(xùn)練神經(jīng)網(wǎng)絡(luò)之前，需要進(jìn)行數(shù)據(jù)預(yù)處理。具體辦法： _ ( ) m i n()m a x m i ()別是原始數(shù)據(jù)中的最大和最小值。 _()圍是 0,1 。 對網(wǎng)絡(luò)期望輸出采用以下方法進(jìn)行處理： _( ) ( ) ( m a x m i n ) m i nX t X t 具體處理結(jié)果： 將樣本數(shù)據(jù)分成兩部分：（ 1）網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集（前 55項數(shù)據(jù)）（ 2）檢驗數(shù)據(jù)集（余下 5項）。 訓(xùn)練目標(biāo)函數(shù)分別取120 . 0 1 , 0 . 0 0 5。觀察網(wǎng)絡(luò)仿真訓(xùn)練結(jié)果。 利用 經(jīng)網(wǎng)絡(luò)模型，分別對四個影響因素和三個影響因素（剔除房屋銷售價格指數(shù)）的模擬結(jié)果如下， 序見附錄： 表 8 不同因素影響下 日期 影響因素模型 1 影響因素模型 2 （包含房屋銷售價格指數(shù)） 2=1=2=14 均相對誤差 由上表可知，在加入房屋銷售價格指數(shù)時，其他因素保持不變的情況下，經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果精度較好，平均誤差明顯減小。自此，從時間序列角度證明了，將房價因素加入 算體系中的重要性。 （三） 房價因素與 在以上兩個模型中，本文分 別從空間和時間的角度已證明了房屋銷售價格對于 進(jìn)一步深入內(nèi)部，剖析兩者之間具體的傳導(dǎo)機制，本文建立了以下模型。 1. 指標(biāo)選擇 本文首先將房屋銷售價格分解為新建商品住房價格、二手住房價格，建立型，具體研究以這兩項指數(shù)為依托的房屋銷售價格與 內(nèi)在關(guān)系。 2. 數(shù)據(jù)來源 本文選取了 2006 年 1月 2010年 12月全國 建商品住房價格指數(shù)、二手住房價格指數(shù)的月度環(huán)比數(shù)據(jù)，均來自國家統(tǒng)計局網(wǎng)站、人大經(jīng)濟論壇。 3. 數(shù)據(jù)處理 環(huán)比數(shù)據(jù)主要用于反映價格的變動，由于它的基期在不停地 變化，各數(shù)據(jù)之間不具備可比性，因此不能用于趨勢的分析，而只有定基的價格指數(shù)才可以做趨勢的變化分析 13 。為此，本文對月度環(huán)比數(shù)據(jù)進(jìn)行轉(zhuǎn)換，使其成為以 2006年 1月為定基的定基比數(shù)據(jù)。 第一步：假定 2006年 1月 =100 第二步：設(shè)計計算公式： , , 1 , 1 0 0P y m P y m P y m ，其中 y 指年、 m 指月、 ,P y m 指定基比價格指數(shù)、 ,P y m 指統(tǒng)計局公布的上月 =100的環(huán)比數(shù)據(jù)。此公式適合 2006年以及以后各年使用。 第三步：根據(jù)公式計算各年月定基比數(shù)據(jù)。 15 型 （ 1） 驗 表 9 驗結(jié)果 指標(biāo) 平穩(wěn)性 差 分 含趨勢項 % 平穩(wěn) 5% 平穩(wěn) 10% 平穩(wěn) 含截距 1% 平穩(wěn) 5% 平穩(wěn) 10% 平穩(wěn) 均不含 1% 平穩(wěn) 5% 平穩(wěn) 10% 平穩(wěn) 一 次 差 分 含趨勢項 1% 平穩(wěn) 5% 穩(wěn) 10% 穩(wěn) 含截距 1% 穩(wěn) 5% 穩(wěn) 10% 穩(wěn) 均不含 % 穩(wěn) 5% 穩(wěn) 10% 穩(wěn) 新建商品住房價格指數(shù) 無 差 分 含趨勢項 1% 平穩(wěn) 5% 穩(wěn) 10% 穩(wěn) 含截距 % 平穩(wěn) 5% 平穩(wěn) 10% 平穩(wěn) 均不含 % 平穩(wěn) 5% 平穩(wěn) 10% 平穩(wěn) 二手住房價格指數(shù) 無 差 分 含趨勢項 % 平穩(wěn) 5% 平穩(wěn) 10% 平穩(wěn) 含截距 % 平穩(wěn) 5% 平穩(wěn) 10% 平穩(wěn) 均不含 1% 平穩(wěn) 5% 平穩(wěn) 10% 平穩(wěn) 一 含趨勢項 1% 平穩(wěn) 16 次 差 分 5% 穩(wěn) 10% 穩(wěn) 含截距 1% 穩(wěn) 5% 穩(wěn) 10% 穩(wěn) 均不含 % 平穩(wěn) 5% 穩(wěn) 10% 穩(wěn) 由上述 驗結(jié)果，新建商品住房價格指數(shù)原序列在 95%的概率保證下是趨勢平穩(wěn)的，而 二手住 房 價格指數(shù)均在一次差分后獲得了平穩(wěn)。因此適合構(gòu)造 型。 （ 2） 初始向量自回歸模型 將 新建商品住房價格指數(shù)1()X、二手住房價格指數(shù)2()行初始 型的建立，得到結(jié)果如下： 表 10 初始向量自回歸模型結(jié)果 17 由此，可以寫出假定 建商品住房價格指數(shù)、二手住房價格指數(shù)無論誰作為因變量，其他兩項均為其內(nèi)生變量時的三個方程，即： 11221 . 1 0 1 4 1 0 . 3 1 0 8 2 0 . 0 2 3 2 X 1 0 . 0 4 7 4 20 . 0 6 3 4 1 0 . 2 0 2 4 X 2 9 . 3 9 5 5C P I C P I C P I 1 1 1220 . 0 2 2 6 1 0 . 0 5 9 7 2 1 . 6 1 8 9 1 0 . 6 7 1 2 20 . 2 4 6 5 1 0 . 1 6 8 7 2 1 . 2 1 5 1X C P I C P I X 2 1 1220 . 0 0 7 5 1 0 . 0 3 6 0 2 0 . 2 7 6 0 1 0 . 2 7 0 2 21 . 3 9 5 1 1 0 . 4 2 5 5 2 0 . 0 2 3 9X C P I C P I X 三個模型的 分別為 近于 1，說明 型擬合效果很好。 （ 3） 確定滯后階數(shù) 表 11 滯后階數(shù)的判斷依據(jù)表 R C A 3 上表，有一半以上的指標(biāo)選擇了三階之后，故該模型為 )模型。 （ 4） 果檢驗 為確定內(nèi)外生變量，因而對其做 果檢驗。 新建商品房價格指數(shù)以及二手住房價格指數(shù)的趨勢圖如下： 18 1）趨勢圖： 圖 1 勢圖 圖 2 新建商品住房價格指數(shù) 趨勢圖 圖 3 二手住房價格指數(shù)趨勢圖 上圖顯示， 建商品住房價格指數(shù)、二手住房價格指數(shù)隨著時間的推移，均有明顯向上的趨勢，因此以時間 (T)為自變量，分別以 建商品住房價格指數(shù)、二手住房價格指 數(shù)為因變量，建立三個 歸方程，用三個方程的殘差項進(jìn)行 果檢驗，即對消除趨勢項的時間序列進(jìn)行檢驗。 19 2） 歸 在 分別鍵入： T; 1 C T; 2 C T，得到如下三個回歸方程 : 9 9 . 4 4 6 0 0 . 2 7 6 0 I 1 1 0 0 . 2 0 8 4 0 . 6 4 0 7 2 1 0 1 . 0 7 3 6 0 . 5 4 6 3 3）對殘差項 驗 設(shè) 新建商品住房價格指數(shù)、二手住房價格指數(shù)的殘差分別為1R、2R、3R，對殘差進(jìn)行 驗。 表 12 殘差項的 驗結(jié)果表 指標(biāo) 驗值 平穩(wěn)性 1 差 分 含趨勢項 % 平穩(wěn) 5% 平穩(wěn) 10% 平穩(wěn) 含截距 % 平穩(wěn) 5% 平穩(wěn) 10% 平穩(wěn) 均不含 % 平穩(wěn) 5% 平穩(wěn) 10% 穩(wěn) 2 差 分 含趨勢項 % 平穩(wěn) 5% 穩(wěn) 10% 穩(wěn) 含截距 % 穩(wěn) 5% 穩(wěn) 10% 穩(wěn) 均不含 % 穩(wěn) 5% 穩(wěn) 10% 穩(wěn) 3 差 分 含趨勢項 % 平穩(wěn) 5% 平穩(wěn) 10% 平穩(wěn) 含截距 % 平穩(wěn) 5% 平穩(wěn) 10% 平穩(wěn) 均不含 1% 平穩(wěn) 20 5% 穩(wěn) 10% 穩(wěn) 通過以上結(jié)果，得知三個殘差序列均不存在單位根， 為平穩(wěn)序列。因此，可以進(jìn)行 果檢驗。 4） 果檢驗 結(jié)果 由于 型的滯后階數(shù)為 3 階，在進(jìn)行 果檢驗時，同樣將滯后期定為 3期。得到檢驗結(jié)果如下： 表 13 果表 消除趨勢項的影響后，根據(jù) P 值小于 拒絕原假設(shè)的原則， 二手住房價格指數(shù)互為格蘭杰因果；新建商品住房價格指數(shù)能夠格蘭杰推導(dǎo)至 能格蘭杰推導(dǎo)到新建商品住房價格指數(shù)；新建商品住房價格指數(shù)與二手住房價格指數(shù)不互為格蘭杰因果。 因此，可以說，新建商品住房價格 指數(shù)、二手住房價格指數(shù)是 內(nèi)生變量。初始 型不需要再次調(diào)整。應(yīng)選取第一個方程作為 型的方程，即 11221 . 1 0 1 4 1 0 . 3 1 0 8 2 0 . 0 2 3 2 0 1 0 . 0 4 7 4 20 . 0 6 3 4 1 0 . 2 0 2 4 2 9 . 3 9 5 5C P I C P I C P I X （ 5） 驗 只有 型是穩(wěn)定的，即 型的單位根均小于 1（或者說在單位圓內(nèi)），才能進(jìn)一步構(gòu)造脈沖響應(yīng)函數(shù)以及進(jìn)行方差分解。 檢驗結(jié)果