一项产业将随着科学技术的进步、人口的增加、投资的增长而逐年发展,政策在这个过程中起到不可估量的作用。因此,不仅要关心产业的自然发展,更应该关心其在政策干预所产生的直接的或间接的影响下的发展状况。干预分析模型作为时间序列模型的一种推广模型,广泛应用于各个行业,学者们用它来预测研究对象在一项政策或者一件突发事件影响下的发展趋势,部分学者也研究了该模型的一些理论衍生,这对研究干预事件对研究目标的影响有着重要的意义。经典的干预分析模型在建立干预影响值模型过程中没有考虑影响值序列的平稳性,可能出现伪回归现象,基于此论文对干预影响值模型的形式进行推广。论文将对数曲线模型引入干预影响值模型建模过程,得到的对数曲线干预影响值模型不需要考虑时间序列平稳性,使模型在不影响预测精度的情况下得到了简化。由于推广得到的模型是以对数曲线模型为基础的,故相应的干预影响值模型和干预分析模型在文章中被称为对数曲线干预影响值模型和对数曲线干预分析模型。考虑干预事件对时间序列走势产生影响的情况下,对时间序列进行预测分析,是建立更加精确的预测模型的前提。论文对干预影响值模型的改进是建立在一项政策的实行,其干预的影响会逐渐增加,随着时间的推移,政策的边际影响逐渐递减,干预事件产生的总影响逐渐逼近一个临界值的假设上的,而对数曲线模型随着时间的变化具有总体增长,增长速率逐渐减慢的特点,符合文章边际影响逐渐递减的假设,因此对数曲线干预模型较传统干预模型更加合理。此外,干预分析模型是建立在ARIMA模型基础上的,在差分法去趋势的过程中,某些序列会出现k阶差分不平稳,k+1阶差分就是白噪声序列,这说明利用差分法进行去趋势的方法失败,针对这种情况有两种处理方法,一是利用分解定理将时间序列分解成趋势序列和平稳序列,再对平稳序列进行建模;二是直接采用指数平滑法进行建模,不需要考虑时间序列的平稳性。论文为了简化建模过程直接利用指数平滑法进行拟合,最后建模预测的效果良好。论文利用2000年至2019年全国商品住宅平均价格的数据,以“新国八条”政策和“房住不炒”政策为干预事件,分别建立时间序列经典模型、单变量干预分析模型和多变量干预分析模型。没有考虑政策影响的时间序列经典模型,预测误差较干预分析模型大;对于单变量干预分析模型来说传统干预分析模型适合短期预测,而对数曲线干预分析模型适合较长时期时间序列的预测;对于多变量干预分析模型来说,对数曲线干预分析模型简化了建模过程,使得建模过程更加简捷。最后,论文分别以浙江省、安徽省和陕西省为例,分析了“新国八条”政策下各个省份的实施细则对相应省份房价的影响,并给出了建议,为相应政府制定房价调控细则提供参考。