股票/基金&
房价成因分析与预测方法
作者：张煌
　　一直以来，业界对走势预测的研究报告很多，但出发点和判断逻辑不尽相同，因而同一时期不同机构所做出的房价预测结果大相径庭。为了能探寻一个较为合理的房价预测方法，本文先对影响房价的各项经济指标进行系统梳理，再从中归纳出房价形成机制的基本逻辑，为今后房地产行业价格走势的预测提出一个基本的分析思路。　　一、房价与各项经济指标的关系　　房价与GDP、CPI、PPI、地价、利率、股价、汇率、固定资产、房地产业FDI等均有一定联系。外部因素对房价的影响是长远的、宏观的，影响的是整个行业的发展；内部因素影响的是企业本身，不同的企业有不同的工程成本管控体系和运作模式，因而产生的作用也不一样。　　1.房价与GDP的关系　　房价与GDP之间存在显著的正反馈影响，且为双向因果关系。一方面，房价的上涨及上涨预期将带来更多的房地产开发投资，拉动建筑、金属制造、机械设备、水泥、家电、等行业的发展，有效解决社会就业，对经济增长产生乘数效应，GDP随之增加；另一方面，GDP的上涨反映国民经济的成长，通货膨胀将带来资产价格的提高，反过来促进房价的上涨。　　以美国的数据为例，可以看出与房地产价格指数与GDP的变化有较强的关联性。虽然中国的房价指数序列较短（年），但不难发现，住宅价格涨幅与GDP（当年价格）涨幅的相关性很高。　　2.房价与CPI的关系　　CPI指数是一个国家在某个时期内居民的消费品及服务的平均变化值。中国的CPI构成中，居住类权重仅为13%（美国居住类占比42.1%）。因此，中国的CPI更多地受到食品价格（占比34%）的影响。人工成本在房地产价格中的比重很小，因此CPI所反映的居民生活成本与服务价格水平对房价并无明显作用；而房价通过权重对CPI的上涨则有一定拉动作用，且领先于CPI变化。　　3.房价与PPI的关系　　PPI是工业生产的价格水平，与房地产开发的建筑成本密切相关。房价上涨预期吸引房地产投资，房地产开发的增速导致建材等需求旺盛，引发PPI高企；而PPI上涨所导致的成本增加又反过来成为房价上涨的理由。　　另外，PPI与房价之间的传导作用还涉及CPI的推动。从供给角度上讲，PPI很大程度上决定着CPI，而从需求角度讲，CPI反过来影响PPI。从先后顺序看，房价变化领先于PPI，PPI又先于CPI。而CPI、PPI本身所反映的通胀或通缩背后的资金供求又是影响房价的主要原因。　　4.房价与地价的关系　　从绝对值的变化趋势看，房价和地价呈现双升态势。但从年增长率看，地价与房价的涨幅变动出现有节奏的、明显的反相关，这可能与土地获取与房屋销售之间存在时间差有关。笔者认为：在房价上涨初期，地价高低是房价高低的结果，而不是原因；但在房价上涨后期，地价已成为房价的主要成本（可达30%-50%），地价反过来继续支撑房价上涨。　　5.房价与利率的关系　　Iacoviello曾对欧洲6国（法、德、意、西、瑞、英）的房价与宏观经济的相互影响进行了VAR模型分析，认为利率对房价具有显著的负影响。从长期看，中国房价变化与利率也存在较强的负相关，但在短期之内不会产生显著效果。　　6.房价与股价的关系　　邓等人以年日本房地产、股市和宏观经济年度数据作为研究，结论是：房价波动与经济周期基本同步，股价波动大大领先房价波动。　　由于中国股市尚不成熟，存在暴涨暴跌现象，A股地产指数波动性较大，但其线性趋势（2001年=100）与房价指数有较强的相关性。　　从相对趋势上看，股价波动相对房价变化有一定的领先反映。如图9所示，万科A股的股价分别在1998年、2002年、2005年展开一波上行，而房价指数则在1999年、2003年、2006年出现加速上涨，两者恰巧是1年的时间差。　　7.房价与汇率的关系　　中国保持了10年相对稳定的汇率之后，于2005年开始汇改，此后美元兑人民币中间价一直下降，期间房价则稳步上涨。人民币升值及预期，在一段时间内也诱发了外资的涌入，推高国内房价。　　8.房价与FDI的关系　　“热钱流入推升房价”的说法一直盛行，但事实并非如此。一方面外国个人购房及套现在中国受到较多限制，另一方面，房企资金来源中FDI（外商直接投资）占比很小，特别是在2008年金融危机之后呈现快速下降，倒是在“国内4万亿投资”激励下，国内银行贷款大幅增加，成为房企重要资金来源。　　二、房价由供求关系决定　　在纷繁复杂的市场形势中，总是隐藏着一些规律性的趋势，本文认为，供求关系是影响房价的核心，是决定房价的内在动力。　　1.住宅需求　　住房需求包括3个方面：刚性需求、改善型需求、投资性需求。　　刚性需求，取决于新增城市人口与人均可支配收入所形成的购买力。城市化进程中持续的人口红利以及居民收入水平的提高，将是刚性需求的有效支撑。但在经济萧条时，城市化进程的放缓与人均可支配收入的滞涨或减少均会大大抑制刚性需求。　　改善型需求，取决于当地的人均面积、户均套数、富裕程度。随着居民生活水平的提高，人们有改善住房条件的需求。一旦房价过高，将抑制改善型的住房需求。　　投资性需求，符合“买涨不买跌”的资本逐利本性。房价存在上涨预期时，资本涌入；房价存在下跌预期时，资本撤离。资本具有加速房价趋势形成的作用。　　2.住宅供给　　住房供给受两个环节影响，一是土地供给，二是房地产开发投资。　　中长期看，土地的经济供给弹性很小，特别是国家对18亿亩耕地的严格保护，使城镇建设用地相对稀缺。短期看，地方政府的年度供地计划安排将影响未来1－2年内住宅用地的供应量。　　土地的供给只有经过房地产开发，才形成住房供给。开发投资减少，或开发商有意囤地，均可能造成住宅供给的减少。　　3.供求决定房价　　第一，房价涨跌由商品房市场的供求关系决定。“供不应求时价格上涨，供过于求时价格下跌”的经济原理也适用于房价，但由于房地产涉及面广，商品房供求同时受多种因素相互影响和制约。货币、财政等调控政策通过影响其中的部分因素来调节市场的供求关系。　　第二，房价上涨或下跌趋势形成后，资本的涌入或退出将起到助推作用。房地产本身具有消费品和投资品的双重属性，作为消费品，买跌不买涨；作为投资品，买涨不买跌。由于投资品的属性，资本在投资、消费两个环节起作用。在房价处于上涨趋势中，资本的进入加速房价的上涨；在房价处于下跌趋势中，资本的撤离加速房价的下跌。土地拍卖、炒房投机都是资本逐利的行为，永远都是“火上浇油”和“落井下石”，起着加速、助推作用。　　第三，房价拐点的判断有赖于底部和顶部的确认。到达底部时往往表现为成交清淡，而从底部崛起时则伴随着成交量的大幅增加；到达顶部时往往有价无市，而从顶部下跌时也伴随着交易的活跃。　　第四，房价波动有周期性，阶段性的高点和低点可以通过供求关系进行简单判断。假设供给量一定，那么在房价下跌过程中，刚性需求决定房价下跌的底部；在房价上涨过程中，投资性需求决定房价上涨的顶部。　　不管房价上涨或是下跌，都受到宏观经济、政策调控、市场供求等多重因素的影响，特别是在中国，政府干预的影响更为突出。单纯地进行相关、回归分析，难以建立一个准确的房价预测数理模型。但我们依然可以通过上述的4点简单法则，把握市场规律，对房地产市场未来走势进行研究。（作者单位：(,)工程总公司房地产事业部）
11/11 05:3611/11 01:2611/11 00:1011/10 11:0011/10 02:0111/09 11:2311/09 03:1211/08 07:15
房产精品推荐
每日要闻推荐
社区精华推荐
精彩焦点图鉴
　　【免责声明】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。利用数学方法研究房价过高问题_社会攻略_社会知识_社会信息_百度攻略
相关攻略推荐
当前位置： > 文章阅读页
利用数学方法研究房价过高问题【摘要】：自2006年开始，房价保持较长时间持续攀升，房价过高已成为一个全社会关注的民生问题。从市场价格内在发展趋势和外部因素影响两方面建立房价构成模型，将居民消费物价指数、房地产开发综合景气指数、土地交易价格指数和广义货币供应量作为影响房屋销售价格的关键因素，通过使用MATLAB多元回归的方法可以准确的预测房价走势。仿真结果表明通过模拟政策调控验证了房价受政策调控有明显变化，政策制定者应当保持政策的连贯性从而促进房地产市场良性发展。【关键词】：房价预测
房屋销售价格指数
多元回归精彩内容，尽在百度攻略：《蜗居》,一部电视连续剧,播出后在广大观众中引起了热议。为什么虚构的故事和情节能产生这么大的现实反响?主要是由于它折射出都市“房奴”的辛酸苦辣,道出了无房族的困惑与无奈。安其居,才能乐其业。住房是关系亿万群众切身利益的重大民生精彩内容，尽在百度攻略：问题,“住有所居”是建设社会主义和谐社会的重要目标,是让人民群众共享改革发展成果的重要体现。遏制房价过快上涨,更好满足人民群众住房需求,是保障和改善民生的重大任务,是促进经济健康发展和社会和谐稳定的重大课题。房地产业是国民经济发展的重要产业，它的健康发展对拉动GDP增长，调整产业结构，促进我国经济持续可协调发展有重要意义。同时，房价又是一个与民生息息相关的社会问题，房价增长速度高于居民可支配收入增长速度将造成很多家庭买房难。精彩内容，尽在百度攻略：房屋销售价格指数是反映一定时期房屋销售价格变动程度和趋势的相对数，它是通过百分数的形式来反映房价在不同时期的涨跌幅度。一般以房屋销售价格指数作为衡量一个地区一段时间内的房价水平。针对房屋销售价格指数的分析有很多方法，自回归模型用于分析平稳且非纯随机性序列，神经网络模型模拟人脑思维特性具有显著的自学、自组织和自适应能力从而在预测非线性随机时间序列具有显著优势。目前国内关于房价预测模型的研究主要集中于采用灰色理论、神经网络和时间序列的相关理论来预测房价。这些方法在房价平稳变化时有比较准确的预测结果，然而当政府对房价采取调控措施时往往出现一定误差。精彩内容，尽在百度攻略：本文从决定房价的内生因素入手，即从供给和需求两个方面分别选取广义货币供应量、土地交易价格、居民消费物价指数和房地产开发景气作为房价的决定性因素，综合应用时间序列模型和多因素回归模型来建立房价预测与调控模型，并通过MATLAB仿真说明房价预测与调控模型的决定性因素、调控措施的影响和残差均值等，仿真结果表明该模型较准确预测了房价增长并在出现较大政府调控措施能准确反映房价变化。1房价预测与调控模型建立精彩内容，尽在百度攻略：1．1房价构成模型分析房地产价格预测方法也可以房价的构成为基础进行研究。一般来说，房地产价格分成四大块：土地成本、开发成本、政策税费以及开发商的预期利润。综上所述，房价构成模型可以表示为下式：精彩内容，尽在百度攻略：P?PO?C?T?D（1式）式中，P表示房价，PO表示地价，C表示开发商成本，T表示各项税费，D表示预期。设地价为PX元/每平方米，土地容积率为 r
? PX，预期利润率为 t ? T，因此，房价的表达式可以表示PO?CPO为：精彩内容，尽在百度攻略：P? PO
? D?PX???1?t?d????C??r?（2式）由房价的构成模型可以看出房价由政策项和成本项构成，其中政精彩内容，尽在百度攻略：策项包括政府所征收的税费率t和利润预期率d，成本项包括开发成本，楼面地价。其中开发成本包括建筑成本，人工成本，管理成本等，而楼面地价包含地价和容积率两个因素，不同地段和不同房屋构造容积率导致成本差别也较大。显然，影响房价的因素有多方面的，其中很多因素自身又有很明显的相关性，因此在采用回归分析的方法时，需要对各决定性因素进行预处理，使之可以满足回归的条件。一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联关系，这时对这些数据进行回归就是虚假回归。精彩内容，尽在百度攻略：因此，本文中采用房地产综合开发景气指数来代表房价构成模型中预期利润，用土地交易价格指数来代表房价构成模型中开发成本，用消费物价指数和广义货币供应量来反应房价构成模型中的政策项影响。1．2 多元回归模型建立精彩内容，尽在百度攻略：回归预测方法是以相关性原理为基础的预测方法，是数理统计中回归分析方法在预测中的应用。它是从市场现象之间的因果关系或相关关系出发，通过建立回归预测模型，根据一种或几种现象的变化去推测另一种现象变化的一种定量预测法。对于一个经典的多元回归模X 1, X型，假设因变量Y与解释变量
具有线性关系，它们之2, X间的线性回归模型可表示为:精彩内容，尽在百度攻略： Y?b0?b1x1?b2x2??bkxk?u
（3式）其中，U为随机扰动项观测值。对于第i个观测值:精彩内容，尽在百度攻略：Y i ?b ? bu i, i ?n
? b k x ki
, 0 ?i??Y1?b0?b1x11?b2x21?Y?b?bx?bx ?? ? ???Yn?b0?b1x1n?b2x2n??bkxk1?u1?bkxk2?u2?bkxkn?精彩内容，尽在百度攻略：un 表示为矩阵形式为： ?Y1??1,x11,x21,?Y??1,x,x,?2???1222???????Yn??1,x1n,x2n,?b0?,xk1????u1?b1?????,xk2?u2???b2??????????,xkn????un?精彩内容，尽在百度攻略：也即：
（4式）从房价构成模型可以看到各因素对房价影响机制复杂，要使用多元回归，我们还需要对2式进行对数处理如下式：精彩内容，尽在百度攻略：LnP
（Ln??r??式） 式中，房价与各项因子之问并非线性关系，但是其对数形式与各精彩内容，尽在百度攻略：项因子对数形式之间是线性关系，考虑到
?可以分别?t
? d?和? PX代表政策项和成本项对于房价的影响，因此假设 X
t ? d ， 精彩内容，尽在百度攻略：??r1?PX?X2? ? ?C
? ，则基于房价构成模型的多元回归预测模型如下式： ?r?Y?Xb?u5????LnP?a0?a1Ln?X1??a2Ln?X2??e
（6式）然而，从房价构成模型推导出来的多元回归模型虽然从理论上解XX释了房价的构成，但是关于政策项1和成本项2并没有量化的指精彩内容，尽在百度攻略：标，因此文中对政策项和成本项进行细化分析。采用广义货币供应量M2，居民消费物价指数CPI，土地交易价格指数和房地产综合开发景气指数表示房价构成的因素。改进模型如下所示： LnP?a0?a1Ln?X1??a2Ln?X2??a3Ln?X3??a4Ln?X4??e式中，X1表示广义货币供应量，X2表示土地交易价格指数，X3表示消费物价指数，X4表示房地产综合开发景气指数，精彩内容，尽在百度攻略：a1~a4分别表示各种因素的权重，e表示误差项。1．3回归模型的协整性检验和显著性检验在回归分析中，要保证各个因素与房价之间有协整关系才能保证精彩内容，尽在百度攻略：不出现“伪回归”的现象，此时得出的回归方程才可靠。故回归分析做完后必须要进行协整性检验。要判断是否满足协整性关系，只需求出回归方程预测值与真实值之间的残差，再对残差进行ADF检验，如果残差是一个平稳序列，则说明满足协整性关系。在多元回归模型中，利用EVIEWS对残差进行A D F检验得到结果如图1：精彩内容，尽在百度攻略： a0表示常数项，t-Statistic
Prob Test critical values
-3.857386精彩内容，尽在百度攻略：5% level
-3.040391图l ADF检验结果可见A D F值均小于各检验水平的临界值，拒绝单位根的存在，精彩内容，尽在百度攻略：所以该残差是一平稳序列，即该回归方程是被接受的。对多元线性回归模型进行相关系数的计算和F检验，得到其相关系数r-- -0．8798，F检验量为29．2812，其概率P-O．0000要小于默认的显著性系数0．05，故该假设被接受，即回归方程是被接受的。2仿真结果分析2．1仿真结果精彩内容，尽在百度攻略：利用matlab中自带的非线性回归函数nlinfit进行编程仿真，得到如下结果：精彩内容，尽在百度攻略： 图2 多元回归模型预测结果其中三角形线表示真实值，星号线表示预测值，三角形线表示残差(取绝对值)，纵坐标表示房屋销售价格指数，横坐标表示年份从2004年l2月到2009年l2月份按照季度取值。经计算可得残差的均值为0．49437，预测值相对与实际值的方差为45．6054。精彩内容，尽在百度攻略：从图2可以明显看出该模型准确的反映了2008年房价拐点，从2007年第四季度房价居于暂时的高位，而从2008年开始房价进入一年的低迷期。从2009年第一季度开始房价再次出现急剧的高速增长，这和2008年国际金融危机后我国政府4万亿的投资拉动GDP增长促进宏观经济复苏有关。2．2政策干扰的有效性分析这里将举例说明政策的突变对房屋销售价格的影响。这里选择政府可以通过政策调整的地价来说明政策执行的有效性。这里通过人为的改变原始数据来模拟政策对地价的影响。将2008年l2月份土地交易价格指数从103．6改为123．6，当土地交易价格指数出现显著上升时的仿真图如下：精彩内容，尽在百度攻略： 图3政策干预模型精彩内容，尽在百度攻略：从上图可知，人为提高地价后，回归预测的房价上涨比率比房价实际上涨比率低。回归预测是对已有的数据进行分析从而找到多元自变量变化引起因变量的变化。实际的房价上涨幅度高于预测幅度说明政策对房价有很大的决定作用。当地价因为政策突然影响而提高时，房价将出现上涨。3结论针对目前依然继续攀升的房价，通过建立仿真模型为政策执行者提供有效的参考。在房价预测与调控模型的建立中，采用四个影响房价的决定性因素的抽象来概括了所有影响房价的因素，根据回归预测来寻找房价变动的规律。仿真结果表明突变性的政策对于房价有着很大影响。因此，在从供需两方面考虑房价决定因素时，政策一定要保持连贯性，否则前后效果相反的政策可能将导致房价起伏波动。精彩内容，尽在百度攻略：【参考文献】：[1]HansenJV．NelsonRD．Neural network andtraditionaltimeseries methods：a synergistic combination in state economic forecasts[J]IEEE Transactions on Neur~Networks，1 997，8(4)：863．873．精彩内容，尽在百度攻略：[2]Chen R．TSay R S．Functional coeficient autoregressivemodels【J】．Joumal of the AmericanStatistical Association，8—308．[3]程证鹏，张虎，张庆宏．基于灰色预测GM(1，1)模型的房地产价格指数预测【J】．河北农业大学学报，2007(6)精彩内容，尽在百度攻略：[4]欧廷皓．基于ARMA模型的房地产价格指数预测【J】．统计观察，2007(14)．[5]胡章明．基于神经网络模型的房地产价格指数预测【J】．统计研究，2007(11)．[6]陈莹．MRS组合预测模型在房价预测中的应用研究[D】．武汉：武汉理工大学，2008，l1．精彩内容，尽在百度攻略：
相似攻略推荐房地产价格指数的智能预测方法研究--《河北工程大学》2015年硕士论文
房地产价格指数的智能预测方法研究
【摘要】：通过分析近期房地产市场的发展形势,不难看出房地产市场有下滑趋势,国防景气指数下跌严重,房地产投资增速减慢,房地产销售出现负增长。房地产价格指数的恶化波及到70多个城市,市场略显萎靡,为此国家放宽了限购、限贷政策,目前房地产回暖趋势明显。房地产是我国经济发展的支柱性产业。中国经济的发展无疑到了换挡时期,新常态的经济发展也必将带来房地产市场发展的新常态,成熟、理性、差异化将成为新时期房地产市场发展的目标。纵观全国房地产行业,其房地产价格相比其他国家相对较高,其价格变动难以受控。房地产价格指数是房地产市场发展的晴雨表和温度计,研究房地产价格指数的规律将为政府、投资者、购房者提供可靠的指导。因此对房地产价格指数的建立、发布、实施具有重大的现实意义。首先,房地产市场是一个复杂的非线性系统。基于此,本文在进行仿真试验的过程中加入了混沌理论,通过相空间重构房地产价格指数序列,还原多种因素的共同作用,从一定程度上增加了该非线性时间序列的客观性。其次,通过研究房地产价格指数的智能预测方法,提出了用支持向量机算来实现。通过运用几个不同的参数寻优方法对SVM的参数进行处理,对比预测结果,最终建立PSO-SVM相结合的预测模型。最后,对其建立了滚动预测模型。将滚动预测与PSO-SVM进一步结合,通过滚动预测使预测结果动态化、直观化。滚动预测模型的提出将更好为政府宏观调控、外商投资以及消费者购房提供相对准确、及时、客观的指导,具有一定的实用价值。
【关键词】：
【学位授予单位】：河北工程大学【学位级别】：硕士【学位授予年份】：2015【分类号】：F299.23【目录】：
摘要5-6Abstract6-10第1章 绪论10-19 1.1 房地产价格指数研究背景及意义10-13
1.1.1 房地产价格指数研究背景10-12
1.1.2 房地产价格指数研究意义12-13 1.2 国内外研究现状13-17
1.2.1 房地产价格指数的国内外现状研究13-15
1.2.2 房地产价格指数预测国内外研究现状15-17 1.3 论文的技术路线和主要内容17-19
1.3.1 论文的技术路线17
1.3.2 论文的主要内容17-19第2章 房地产价格理论基础19-29 2.1 房地产价格19-22
2.1.1 房地产价格形成机制19-21
2.1.2 房地产价格的特点21-22 2.2 城市空间结构对房地产价格指数的影响22-24
2.2.1 城市的空间增长形态22-23
2.2.2 不同物业的地域结构23
2.2.3 房地产价格受空间结构影响大23-24 2.3 房地产价格内部关系24-25
2.3.1 房地产价格收入比24
2.3.2 房地产价格内部关系24-25 2.4 房地产价格指数编制25-27
2.4.1 成本投入法26
2.4.2 加权平均法26
2.4.3 重复交易法26-27
2.4.4 特征价格法27
2.4.5 混合模型方法27 2.5 本章小结27-29第3章 时间序列预测过程及管理29-39 3.1 时间序列的预测过程29-32
3.1.1 预测步骤29-30
3.1.2 预测目标30-32
3.1.3 预测的应用32
3.1.4 有关预测的自动化水平问题32 3.2 预测方法简述32-35
3.2.1 以模型为基础的方法和以数据驱动为基础的方法32-33
3.2.2 外推预测法、计量模型预测法和外部信息33-34
3.2.3 人工预测和自动预测34
3.2.4 组合方法34-35 3.3 时间序列预测管理35-38
3.3.1 报告预测结果35
3.3.2 预测监测35-36
3.3.3 撰写报告36-37
3.3.4 对预测进行记录并一直保持37
3.3.5 对预测过程进行调整37-38 3.4 本章小结38-39第4章 时间序列预测模型39-49 4.1 常用混沌时间序列模型介绍39-44
4.1.1 BP神经网络39-41
4.1.2 小波神经网络41-42
4.1.3 灰色时间序列预测模型理论42-43
4.1.4 支持向量机理论43-44 4.2 预测模型中参数寻优算法介绍44-48
4.2.1 粒子群算法理论44-46
4.2.2 遗传算法46-47
4.2.3 交叉验证法47-48 4.3 基于参数寻优的LSSVM模型48 4.4 本章小结48-49第5章 实例分析49-60 5.1 数据选择49-50
5.1.1 天津市房地产现状分析49-50
5.1.2 天津市房地产数据选择50 5.2 混沌理论与相空间重构50-52 5.3 基于混沌理论的预测模型的建立52-58
5.3.1 基于粒子群算法（PSO）的支持向量机(SVM)模型52-54
5.3.2 基于遗传算法的支持向量机模型54-55
5.3.3 基于交叉验证选参的支持向量机模型55-58 5.4.基于粒子群算法的支持向量的滚动预测模型58 5.5 本章小结58-60结论60-62参考文献62-65致谢65-66作者简介66-67攻读硕士期间发表的论文和科研成果67-68
欢迎：、、)
支持CAJ、PDF文件格式
【参考文献】
中国期刊全文数据库
王文波;费浦生;羿旭明;;[J];系统工程理论与实践;2010年06期
焦玉磊;谢昌浩;;[J];云南财经大学学报(社会科学版);2011年05期
杨晓冬;王要武;;[J];中国软科学;2008年02期
【共引文献】
中国期刊全文数据库
匡春光;张鲁峰;崔益民;张剑波;;[J];微处理机;2010年04期
吴济宏;于伟东;;[J];武汉科技学院学报;2008年09期
李国成,丁烈云;[J];华中科技大学学报(城市科学版);2005年01期
李炜明,李国成,严明煜;[J];华中科技大学学报(城市科学版);2005年S1期
李申惠,吴瑞麟,王家强;[J];华中科技大学学报(城市科学版);2005年S1期
孙劲峰;晏路明;;[J];土木工程与管理学报;2012年02期
卢哲安;于清亮;汪娟娟;;[J];武汉理工大学学报;2006年03期
李永祥;杨建国;李昱瑶;吴大中;;[J];武汉理工大学学报;2007年01期
储洪强;蒋林华;;[J];武汉理工大学学报;2009年07期
李悦;郭奇;于小北;吴焕娟;;[J];武汉理工大学学报;2009年07期
中国博士学位论文全文数据库
王晓辉;[D];哈尔滨工程大学;2010年
刘洪斌;[D];中国海洋大学;2010年
倪丽萍;[D];合肥工业大学;2010年
陈非;[D];华中科技大学;2010年
陈近;[D];浙江大学;2011年
唐丽;[D];中南林业科技大学;2007年
李建军;[D];中南林业科技大学;2010年
刘义;[D];国防科学技术大学;2010年
赵军;[D];中国地质大学（北京）;2011年
方平;[D];中国地质大学（北京）;2011年
【二级参考文献】
中国期刊全文数据库
丁烈云,李斌;[J];系统工程理论与实践;2002年04期
姚洪兴,盛昭瀚,陈洪香;[J];系统工程理论与实践;2002年06期
徐梅,张世英;[J];系统工程理论与实践;2005年02期
闫妍;成思危;黄海涛;汪寿阳;;[J];系统工程理论与实践;2006年06期
耿晓媛;谢昌浩;;[J];云南财贸学院学报;2005年05期
顾圣士，王志谦，程极泰;[J];应用数学和力学;1999年01期
杨宇,于德介,程军圣;[J];振动与冲击;2005年01期
张宏斌,贾生华;[J];中国软科学;2000年04期
【相似文献】
中国期刊全文数据库
;[J];中国物价;2000年11期
;[J];中国物价;2001年05期
;[J];中国物价;2002年02期
楼裕胜;[J];统计与决策;2005年12期
;[J];四川省情;2005年02期
;[J];中国物价;2006年03期
王婧;田澎;;[J];价格理论与实践;2006年05期
肖楠;;[J];数据;2006年10期
耿继进;余泽浩;;[J];中华建设;2008年12期
邓欧;李亦秋;;[J];经济研究导刊;2008年07期
中国重要会议论文全文数据库
潘璠;郑新;肖楠;张皓;;[A];北京市第十六次统计科学研讨会获奖论文集[C];2011年
王军;狄秀梅;汪如民;;[A];2007年中国土地学会年会论文集[C];2007年
中国重要报纸全文数据库
京季;[N];青海日报;2013年
吉强;[N];新华日报;2005年
周珺;[N];经济参考报;2007年
吉强;[N];新华日报;2005年
吴德明　记者
况海家;[N];宜春日报;2010年
上海证券研究所首席宏观分析师
胡月晓;[N];上海证券报;2010年
黄继汇;[N];中国证券报;2008年
中国发展研究基金会副秘书长
汤敏　主持
于勇;[N];上海证券报;2010年
钟美闻;[N];中华工商时报;2007年
石方川;[N];中国信息报;2007年
中国硕士学位论文全文数据库
李文化;[D];东北财经大学;2005年
崔志鸿;[D];哈尔滨工业大学;2006年
刘海荣;[D];河北工程大学;2015年
张金水;[D];河北工程大学;2008年
库志美;[D];东北财经大学;2005年
肖静;[D];华中师范大学;2007年
丁方;[D];武汉科技大学;2010年
李科峰;[D];北京建筑工程学院;2012年
白雪;[D];辽宁大学;2013年
邹宗航;[D];山东大学;2014年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 大众知识服务
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号