这几日有一个话题与大众息息相关

那就是，期房、断供、停贷

期房无房 贷款还贷

烂尾楼，这个词想必你不陌生，近来它却频繁的出现在社交媒体甚至热搜上。

7月初，一则“婚房烂尾600天90后女孩不敢告诉家人”的新闻登上热搜。

据该事件主人公赵女士所述：她现在和家人一起租房住，房租之外还要承担每个月4000多元的月供。

承诺的交房遥遥无期，却还要贷款还着房贷，生活过于苦涩。

7月中旬，社交媒体上又涌现了众多业主断供之类的话题，“不复工不还贷”这是烂尾楼业主的新博弈方式。

裁员、失业，这一系列的连锁反应之下，经济压力越来越大，结果便导向烂尾楼业主断供。

于是压力给到了银行这边，银行进入“多事之秋”，多地业主停贷持续发酵，多家银行开始发声，回应称停贷事件风险可控。

其实，国人买房向来不易，有人为了买房掏空“6个钱包”，有人为了买房付出半辈子心血。

幸运的是，他们买到了房。

不幸的是，他们买的是期房。

最惨的是，期房烂尾了。

当所有积蓄都掏空，付不起房租的他们，只能搬进烂尾楼里，没水没电，每天爬十几层的楼梯上下十几趟。

有人不幸遇到烂尾楼，接着断贷被告，而后又输掉官司，承受不住打击，就此结束了生命。

有些人等交房等了十几年，还在等，而有的人，永远等不到了。

“买房子的时候我的小孩还在读幼儿园，现在都结婚了。”

“有十几二十户，老人的相片都挂在墙上了”

每月还房贷，房子却没有影子，这是多么痛的领悟啊。

根据擎盾中台的数据显示，近年来商品房合同预售（即期房）纠纷案增长迅猛，在2019年期房案件数量甚至高达18万。

其中，逾期交房则是期房合同纠纷案件的最主要争议类型。

也因此，有网友反对期房预售，认为房子就该一切竣工验收后才能卖，即一手交钱一手交货。

但很快，就有专家出来反对，称取消预售制更加不利于购房者，而且预售制是全世界通行并且合理的。

那，如果大家都不买期房会怎样？

按照专家的说法，如果取消期房，房企资金压力更大，房企融资更难、成本越来越高，房价会进一步上涨，更加不利于购房者。

但站在烂尾楼业主角度来看，不买期房，他们不用再漫无边际的等待交房时间，不用每个月还着房贷住在烂尾楼，也不用整日以泪洗面维权打官司，或许生活比现在好。

为什么大家爱买期房？

期房，一定程度上和美容院、理发店健身店的会员卡相似，都有老板随时跑路、钱追不回来的风险。

有人很不解，为什么要买期房？

有人是不愿意购买二手房，在北方广深之类的大城市，想买一手房，期房是比较符合需求的。

有人则是因为期房比现房便宜，而且部分开发商还会赠送车位、免一定年限的物业管理费，整体算下来经济实惠。

因此，如果开发商能按时交房的话，买期房是个不错的选项。

数据分析房价预测

既然期房有烂尾风险，现房又太贵！

那不买房行不行？

对于国人来说，或许有点难。

众所周知，国人对买房情有独钟，一方面买房能够满足居有定所的心理需求，另一方面，买房长期以来是个快速增值的事。

因此，买房既是刚需也是投资。

既然如此，今天教大家如何用线性回归来预测房价，日后买房的时候或许能派上用场！

1） 根据预测目标，确定自变量和因变量

要预测房价，需要考虑包括房子大小、楼层、房龄、是否配置电梯等，所以将“房间平方、楼层、房龄、是否配置电梯”作为自变量，将“房价”作为因变量。

小编收集了某地区房价、房子年龄、楼层高度、房间平方等数据。

2）估计模型参数，建立线性回归模型

打开SPSSPRO，选择线性回归（最小二乘法）。

拖拽数据，将房价作为因变量，其余数据作为自变量

点击开始分析，系统将自动分析出结果。

3）对回归模型进行检验

结果看p值，p值为0.000***<0.05，水平上呈现显著性, 说明模型基本满足要求。同是，VIF全部小于10，因此模型没有多重共线性问题（自变量之间相关性过高）

可得到模型的公式如下：y=-5.741+1.756房间平方（m2）+(-0.108)楼层（层）+2.783房龄（年）+(-1.128)配套电梯

4）利用回归模型进行预测

输入数据，预测结果。

我们看到，一个房龄为1年的7楼100平没有电梯的房子，他的房价预测结果为171.88万。

以上就是利用线性回归做房价预测的整个过程，现实生活中每个小区的情况都不一样，因此，大家在选用自变量时可酌情调整。

写在最后

对于大部分业主来说，断供属实无奈之举

谁也不愿意在烂尾楼里度过一生，更不愿意半生积蓄打了水漂

只希望他们的诉求能尽快得到解决，也建议大家买房慎重再慎重