影響房價的變因之迴歸分析

影響房價的變 因之迴歸分析 第二組 / 經濟三 黃瀞萱 /

經濟二 饒欣侑、郭偉玲、王宣敏

研究動機

分析方法 • 時間單位：季資料 • 變因：利率、 GDP 、營造工程物價指數 • 散布圖 • 標準化迴歸分析圖 • 離群值與否

資料來源

http://pip.moi.gov.tw/V2/E/SCRE0301.aspx ( 內政部不動產資訊平台 )

資料來源

https://www.stat.gov.tw/np.asp?ctNode=452 ( 主計總處統計專區 )

= 離群值

DATA 含離群值

import pandas as pd import numpy as np import statsmodels.formula.api as smf import matplotlib.pyplot as plt import os print(os.getcwd()) path='D:/Python/' house_p=pd.read_excel(‘D:/python/house .xlsx',index_col=0, parse_dates=True) house_p

利率 ( 含離群值 )

plt.scatter((house_p.iloc[:,1]),(house_p.iloc[:,0])) plt.xlabel('interest') plt.ylabel('house_price')

GDP( 含離群值 )

plt.scatter((house_p.iloc[:,2]),(house_p.iloc[:,0])) plt.xlabel('GDP') plt.ylabel('house_price')

營造工程物價指數 ( 含離群值 )

plt.scatter((house_p.iloc[:,3]),(house_p.iloc[:,0])) plt.xlabel('rowsource_price') plt.ylabel('house_price')

迴歸分析 ( 含離群值 + 標準化 ) # 標準化 function def normal(x): y=(x-np.mean(x))/np.std(x) return y # 將各個變數標準化 house_p['n_interest']=normal(house_p['interest']) house_p['n_gdp_growth']=normal(house_p['gdp_growth']) house_p['n_rowsource_p']=normal(house_p['rowsource_p']) # 迴歸分析 result=smf.ols('avg_price~n_interest+n_gdp_growth+n_rowsource_p',data=house_p).fit() print(result.summary())

DATA 不含離群值

import pandas as pd import numpy as np import statsmodels.formula.api as smf import matplotlib.pyplot as plt import os print(os.getcwd()) path='D:/Python/' house_p1=pd.read_excel(‘D:/python/house1.x lsx',index_col=0, parse_dates=True) # 刪除離群值 house_p1

利率 ( 不含離群值 )

plt.scatter((house_p1.iloc[:,1]),(house_p1.iloc[:,0])) plt.xlabel('interest') plt.ylabel('house_price')

GDP( 不含離群值 )

plt.scatter((house_p1.iloc[:,2]),(house_p1.iloc[:,0])) plt.xlabel('GDP') plt.ylabel('house_price')

營造工程物價指數 ( 不含離群值 )

plt.scatter((house_p1.iloc[:,3]),(house_p1.iloc[:,0])) plt.xlabel('rowsource_price') plt.ylabel('house_price')

迴歸分析 ( 不含離群值 + 標準化 ) # 標準化 function def normal(x): y=(x-np.mean(x))/np.std(x) return y # 將各個變數標準化 house_p1['n_interest']=normal(house_p1['interest']) house_p1['n_gdp_growth']=normal(house_p1['gdp_growth']) house_p1['n_rowsource_p']=normal(house_p1['rowsource_p']) # 回歸分析 result=smf.ols('avg_price~n_interest+n_gdp_growth+n_rowsource_p',data=house_p1).fit() print(result.summary())

結論

1

2

3

4

5

利率、營造工程 物價指數皆有顯 著影響

正相關：營造工 程物價指數

負相關 : 利率、 GDP

影響力由大到小 ：營造工程物價 指數 > 利率 >GDP

離群值去掉與否 有影響