多元回归与时间序列融合：MRS模型在房地产价格预测中的应用

本篇论文主要探讨的是房价分析与预测模型，特别是通过结合多元回归模型与MRS组合预测模型的方法来提升预测的准确性和有效性。作者陈莹在理学院应用数学专业攻读硕士学位期间，针对房地产市场的特点和房价理论模型，对现有的房价指数预测模型进行了深入的实证分析与比较。研究发现，现有的主流模型往往过于关注房价指数的趋势，对于市场动态和政策变化导致的价格拐点反应不足。 为解决这个问题，论文提出采用多元回归模型，该模型能够综合考虑外部经济、社会和政策等因素对房价的影响。作者通过改进房价构成模型，选择与房价构成因子相关的替代指标，并利用协整检验和误差分析来确定各指标的适当关系和先行阶数。这有助于构建一个更为全面的房价预测框架，增强了模型的解释力。 为了进一步提高预测精度，文章将ARIMA（自回归整合滑动平均模型）的时间序列模型与回归模型相结合。ARIMA模型考虑了数据的内在趋势和季节性，而回归模型则处理了变量间的交互作用。通过误差序列的处理，构建了MRS组合预测模型，有效地弥补了多元回归模型在确定回归指标和处理缺失数据方面的局限性。 这种组合预测模型不仅提高了预测的准确性，而且使得模型在应对房价波动特性方面更具实用性。它能够更有效地捕捉到市场变化和政策影响下的房价动态，为房地产市场的决策者提供了更科学的依据。这篇论文对房地产价格预测方法进行了创新性的改进，为相关领域的实践研究提供了有价值的新思路。