基于多项式模型的房价预测研究
基于多项式模型的房产价格预测研究
摘要：本文以景德镇市房地产价格为例，利用最小二乘法，建立景德镇市房地产价格的多项式回归模型，并进行实证分析，检验模型精度，最后预测未来三年的景德镇房地产价格，为景德镇市房地产投资提供科学的依据。
关键词：多项式回归；房产价格；预测
The prediction of property price based on polynomial model
Abstract
In this paper,we take the real estate prices of Jingdezhen for instance ,establish a polynomial regression model of Jingdezhen's real estate prices by using the least squares method,and do the empirical analysis, test the accuracy of model,finally predict the real estate prices of Jingdezhen in the next three years,provide lots of scientific basis for Jingdezhen's Real Estate Investment.
Key words: polynomial regression,real estate prices,prediction
1.引言
房地产业在国民经济中起重要作用，是增强国民经济和改善人民生活的重要产业。由于房地产业关联度高，带动力强，已经成为国民经济的重要产业。如何科学合理地分析房地产价格走势，把握房地产价格未来的变化幅度，对政府制订科房地产业在国民经济中起重要作用，是增强国民经济和改善人民生活的重要产业。由于房地产业关联度高,带动力强，已经成为国民经济的重要产业。如何科学合理地分析房地产价格走势，把握房地产价格未来的变化幅度，对政府制订科学合理的宏观调控政策，对购房者做出科学的决策，都具有重要的意义。本文以景德镇市房地产价格为例，建立景德镇市房地产价格的多项式回归模型，分析景德镇市2003年-2016年房地产价格变化情况。目前国内研究主要有任文娟利用灰色GM（1，1）模型对昆明市房产价格进行预测，肖淑红构建了房产预测的灰色马尔可夫链模型，高文杰等利用BP神经网络对厦门市房价进行了预测，武秀丽采用时间序列分析法对广州市房价进行预测。
2.多项式模型研究
最小二乘法是为了解决如何从一组测量值中寻求可信赖值的问题。最小二乘
法基本原理是：成对等精度地测得一组数据，试找出一条最佳的拟合曲线，使得
这条拟合曲线上的各点的值与测量值的差的平方和在所有拟合曲线中最小。
如果变量y 和x 有精确的线性关系，这里可以假设y 为因变量，x 为自变量，
有01y a x a +=成立，我们得到i y
?y i =，即观测值等于回归值。受各种随机因素的干扰，物与物之间没有非常明确的对应关系。比如，房产价格和年份就是一种对
应关系，而这种关系并非是01y a x a +=所能确定的。那么，我们要得到房产价格
和年份之间的关系，就需要通过数学方法来建立房产价格和年份之间的非线性模
型，即多项式模型。而在处理类似的问题时，我们常常用到的是最小二乘法。在
使用多项式模型进行拟合逼近时,必须合理确定模型的阶次,一般来说,模型的阶
次越高,逼近的精度越好,但是随着阶次的增加会增大模型的计算量.因此,需要
一个标准在模型的精度和模型的复杂度之间做一个平衡.在实际的工程应用中,
使用多项式模型进行建模时,通常按照以下方法来综合评价模型是否合适：当建
立n 阶多项式模型后,如果其模型残差与n+1阶模型残差非常接近,并且n+1阶系
数接近于0,则表明n 阶多项式模型的拟合逼近精度和n+1阶模型精度已经相当,
不再增加模型的阶数.相反,如果n+1阶模型残差与n 阶模型残差相比显著减小,
则意味着当前的n 阶模型并不适用。以上方法是用来评价多项式模型的阶次是否
合适.如果增加阶次的模型残差并没有明显减小,并且n+1阶的系数接近于0,这
就说明增加的n+1阶在模型中的作用很小,因此没有必要再增加阶数。残差是实
际观测值y 与通过回归方程算出的回归值之差(i i i y ?-y =E )，n 对数据产生n 个残
差值,它可以看成误差项的估计值。
利用表1 2003年-2012年江西景德镇市房产平均价格，建立多项式回归模型。
表1 2003年-2012年景德镇市房产平均价格（单位：千元）
年份 2003 2004 2005 2006 2007 2008 2009 2010 2011
2012 均价 1.852 1.924 2.072 2.703 3.212 3.723 4.294 4.673 4.834 5.000
记年份为t ，房产价格为y ，建立多项式回归模型为：
n n t a t a t a a ++++=...y 2210
3.基于RLS算法的模型系数求解
3.1 RLS算法描述
在介绍最小二乘法之前，我们先来思考这个问题。如果变量y和x有精确的
线性关系，这里可以假设y为因变量，x为自变量，有成立，我们得到错误！未找到引用源。，即观测值等于回归值。但是，在现实世界中，变量之间的关系未必都是线性的。受各种随机因素的干扰，物与物之间没有非常明确的对应关系。比如，景德镇市的房产价格和年份就是一种对应关系，而这种关系并非是错误！未找到引用源。所能确定的。那么，我们要得到房地产价格和年份之间的关系，就需要通过数学方法来建立房地产价格和年份之间的模型。而在处理类似的问题时，我们常常用到的是最小二乘法。
所谓最小二乘法，就是选择合适的参数,，使得全部观测的残差平方和最小。用数学公式表示为：
(1)
为了说明这个方法，先解释一下最小二乘原理。因为不能利用总体回归方程进行参数估计，所以我们选择样本回归函数对总体进行估计，即：错误！未找到引用源。错误！未找到引用源。
(2)
(2)式中：错误！未找到引用源。是残差，等于真实值错误！未找到引用源。减去估计值错误！未找到引用源。。因此，为了使残差错误！未找到引用源。尽可能小，就需要选择合适的估计量错误！未找到引用源。、错误！未找到引用源。，使总体回归函数最优。
在经济关系中，某一指标Y往往与多个因素M
，2
，
X
X
X
1错误！未找到引用源。有关，如果这种关系具备一定的线性相关性，我们就可以利用多元回归分析来处理这组数据。假设，我们令Y错误！未找到引用源。、X错误！未找到引用源。向量分别为：错误！未找到引用源。，错误！未找到引用源。，错误！未找到引用源。，错误！未找到引用源。，由错误！未找到引用源。与错误！未找到引用源。之间存在的线性关系，得到错误！未找到引用源。元线性预测公式：错误！未找到引用源。 (3)
其矩阵形式为：
(4)
其中，我们称待定常数错误！未找到引用源。为回归系数。将每组观测值代
入(4)就得到：
错误！未找到引用源。 (5)
特别地当1n =时，错误！未找到引用源。，错误！未找到引用源。与错误！
未找到引用源。间存在的差异，记错误！未找到引用源。。
选择的错误！未找到引用源。，应使每个偏差错误！未找到引用源。（）都尽量小，因此，我们通常令偏差平方和∑2e i 错误！未找到引
用源。为最小，这里，我们把错误！未找到引用源。视为错误！未找到引用源。
多元函数，即：
错误！未找到引用源。 （6）
因为错误！未找到引用源。有正有负，所以偏差的代数和()∑I Y ~-y i 并不能反映总体偏差的大小，而()
∑I Y ~-y i 数学上处理起来也比较繁杂，所以通常令偏差平方和∑2i e 为最小。显然，偏差平方和随错误！未找到引用源。的变化而取
不同的值，对错误！未找到引用源。求偏导得：
([([([???????????=-++++-=??=-++++-=??=-++++-=??∑∑∑===n i im im m i i i m n i i im m i i i n i im m i i i x x a x a x a a y a S x x a x a x a a y a S x a x a x a a y a S 1
221101122110112211000))](20))](20)1)](2
整理得：
?????????=+++=+++=+++∑∑∑∑∑∑∑∑∑∑∑∑∑∑===+=====+=====+=n i n i n i i im im m i i n i i i i i n i n i n i i i im i m i i n i i i i n i n i n i i im m i n i i y x x a x x a x x a x a y x x x a x x a x a x a y x a x a x a n a 1112m 121m 1n 1
m 011111211211n 11011121211022 (7)
将上述1m +个方程式联立起来求解错误！未找到引用源。，则得到公式（6）
的待定系数值，从而确定了多元线性预测公式。
3.2 相关系数
以两个变量的情况为例，只要任意给定两个变量错误！未找到引用源。和X
的一组数据，都可以经过计算给出一个经验公式，但是这个公式在多大程度上反
映了错误！未找到引用源。和X 的关系呢？因为只要通过最小二乘法采取强拟合
我们同样可以把一组毫无线性关系的数据表成线性关系，但这条直线并不能很好
地反映了变量错误！未找到引用源。和错误！未找到引用源。的实际关系，缺乏
应用价值。为此，我们一方面要建立从经验上认为有意义的方程，另一方面我们
必须用数学方法对拟合效果和显著性进行相关检验。相关系数是变量之间相关程
度的指标，求相关系数的公式为：
yy
xx L L L R xy = (8) 我们称yy xx L L L R xy =
错误！未找到引用源。为X 和Y 的相关关系数，其中： ))((1xy y y x x y x n
xy L i i --=-=∑∑∑∑ ∑∑∑-=-=222xx )()(1x x x n
x L i ∑∑∑-=-=222)()(1y y y y y n
y L i ∑=i x n
1x ∑=i y n
1y 由上面的式子可推算出：
由于0≥S 错误！未找到引用源。，()0-2
y y ≥=∑y yi L ，我们可以得出0R -12≥错误！未找到引用源。，即10≤≤R 错误！未找到引用源。，所以R 越接近1，S 的值就越接近0，x ,y 的线性关系就越好。
3.3 算法步骤
Step1:：建立全国房地产价格与时间的数学模型
Step2：选取经验公式拟合曲线
Step3：将非线性问题转化为线性问题
Step4：运用最小二乘法确定线性函数
Step5：对相应系数进行显著性检查
Step6：将上述方法与强行线性结果进行比较，并得出结论
4.仿真实验
4.1 实验结果
由表1 数据，采用最小二乘法，利用tlab M a 软件分别采用3次、4次多项式
进行回归分析。参数估计值如下表：
表2 3次多项式回归分析结果
参数 参数估计值（8
10?）
0a 0.8644
1a -1.2918
2a 0.6435
3a -0.1069
R 2=0.9964,F=555.27,P=0.0087,c=1.8%
表3 4次多项式回归分析结果
参数 参数估计值（10
10?）
0a 1.3840
1a -2.7533
2a 2.0541
3a -0.6811
4a 0.0847
R 2=0.9964,F=555.27,P=0.0087,c=1.8%
通过表（2）、（3）比较可得2003年-2012年江西景德镇市房地产价格更适合
采用4次多项式进行回归分析。
由以上结果得到景德镇市房地产价格满足的多项式回归模型为：
n n t a t a t a a ++++=...y 2210 （4.1）
其中43,2,1,0,a a a a a ，同表3.
利用（4.1）式计算2003年-2012年景德镇市房产价格，与实际房产价格进行
误差分析，如表4所示：
表4 2003-2012年景德镇市房产平均价格预测检验表（单位：千元） 年份
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 平均价格
1.852 1.924
2.072 2.703
3.212 3.723
4.294 4.673 4.834
5.000 模拟价格
1.868 1.857
2.156 2.642
3.210 3.776
4.278 4.670 4.935 4.950 相对误差 1.00% 3.40% 4.17% 2.14% 0.01% 1.52% 0.28% 0.01% 2.12% 0.10%
附图：景德镇市房地产实际价格与预测价格比较图
2.004 2.006 2.008 2.01 2.012 2.014 2.016
1.52
2.5
3
3.5
4
4.55
三次回归房价四次回归房价实际房价
4.2 实验分析
由表4，附图可以发现：本文构建的多项式回归模型精度很高，平均误差为
1.03%，可用于未来景德镇市房产价格的预测。利用（4.1）式计算未来三年景德
镇市房地产平均价格见表5。
表5 江西景德镇市房地产价格预测值（单位：千元）
年份
2013 2014 2015 预测值 4.990 4.880 4.783
5.结论
本文运用多项式回归模型对江西景德镇市房地产平均价格进行预测，由表5，结合图1，可以分析出景德镇市房地产价格已经迎来楼市拐点，房产价格有下滑趋势，该模型可为购房投资者，政府预测房地产平均价格的基本走势和决策提供很好的参考价值，有利于促进我国房地产健康、持续、高效发展。
6.参考文献
[1]曾喆昭，黄创霞，周富照数值计算方法与应用北京：科学出版社，2013
[2]吴大正，高西全 MATLAB及在电子信息课程中的应用北京：电子工业出版社，2008
[3]岳苓水，赵宝贵.最小二乘法在商品销售预测中的应用[J].石家庄：地质技术经济管理，1997.1
[4]陈秋玲，陈忠．最小二乘法在汽车销售量预测中的应用[J]．合作经济与科技, 2012，441（下）：82-83．
[5]薛方刚，赵光强等．最小二乘曲线拟合法预测天然气消费量[J]．辽宁化工, 2013，42（5）：503-505．
[6]国家统计局．国家年度数据[Z]．
https://www.360docs.net/doc/ec13369468.html,/workspace/index?a=q&type=simple&dimension=zb &dbcode=hgnd&m=hgnd&code=A0N01.
[7]温鲜，霍海峰．基于多项式回归模型的柳州市房产价格预测[J]．区域经济, 2013，27（1）：53-54．
[8]陈秋玲，陈忠．最小二乘法在汽车销售量预测中的应用[J]．合作经济与科技, 2012，441（下）：82-83．
[9]陈佳，颜学峰等．基于多项式核RVM的非线性模型预测控制[J]．控制工程, 2008，15（2）：158-161．
[10]李广胜，蒋英杰等．基于多项式模型的半球谐振陀螺温度漂移建模[J]．测试技术学报, 2009，78：496-500．
[11]肖筱南．现代数值计算方法[M]．北京：北京大学出版社，2010．
[12]韩纪连．应用最小二乘法预测出院人次[J]．统计与咨询，2012(4)：60．
[13]唐飞飞，李朝阳.基于最小二乘法和三次指数平滑法的天津港货物吞吐量预测.中国水运，2008.
[14] 常锦才，赵龙，杨倩丽．基于正交多项式的数据拟合方法[D]．河北理工大
学学报，2011,33（4）：80-84．
[15] 黄小琼，最小二乘法预测门诊人数[D]．中国病案，2012，13（4），62-63
[16] 姚嘉凌，郑加强，高伟杰，张振军．多项式模型磁流变减震器半自动悬架
滑模控制[J]．系统仿真学报，2009,21（8）:2401-2403．
[17] 袁从贵，张新政．时序峰值预测的最小二乘支持向量回归模型[D]．控制与
决策，2012,27（11）：1746-1747．
[18] 丁克良，沈云中，欧吉坤．整体最小二乘法直线拟合[D]．辽宁工程技术学
报，2010,29（1）．
[19] 邹乐强．最小二乘法原理及其简单应用[D]．工程信息，2010,23：282-283
[20] 陈良波，郑亚青．基于最小二乘法的曲线拟合研究[D]．华侨大学，2012,11
（5）52-55．
[21] 邓亮章．最小二乘法的拟合及其应用[D]．兰州教育学院学报，2012,28
（8）:110-112．
数学建模-房价评估模型
数学建模选拔作业 《房价评估》
房价影响因素评估 摘要：自1998年我国实行住房改革以来，房地产行业已经逐渐成长为拉动中国经济增长的龙头产业。但是，房价的高低影响着国家的发展和人民生活水平的提高，因此，我们有必要了解影响我国房价的主要因素，政府才能针对性的采取措施，进一步推动房产行业的发展，发挥其龙头作用。 在问题一中，我们主要是分析影响我国房价变化的各个因素，确定其主要因素，该文通过在中国国家统计局和其他网站搜的相关数据，建立回归统计模型，确定房价和土地价值、人均可支配收入等其他因素的相关性系数，通过分析指数模型、线性模型，确定了线性模型，从而进一步确定了影响房价的最主要因素是国家土地增值税(亿元)、五年购房贷款利率、城镇居民家庭人均可支配收入(元)城市人口密度(人/平方公里)，比如，房价和五年购房贷款利率的关系为 9.6223361.3501+-=B W 其中，相关指数为0.97464，非常接近于1，这也说明， 我国国家正在国家政策上控制房价。最终可知最主要的因素是国家土地增值税(亿元)，也就是我们所说的土地价值。 在问题二中，我们把房价与位置的关系定在同一个城市中，以这个条件为限制，而不去考虑东西部、南北方这样的大位置，房子的位置影响因素进一步表示为交通C 1、教育C 2、卫生C 3、工作C 4、环境C 5五个相关因素，通过层次分析法，建立模型，得到了相关权重，也就是房子的价格 54321*0824.0*0787.0*2365.0*4731.0*1292.0C C C C C W ++++= 此问题得到解决。 在问题三中，主要是对前两个模型的检验，我们利用在网上收集北京市相关数据带入检验，并且在模型二中，通过对五个位置因素的分析，检验我们所得到的模型，着重分析了天津市，发现我们建立的模型基本符合实际，因此较为可靠。 关键词：回归统计 层次分析法 模型检验
数模论文最终房价预测版
2010—2011学年第二学期 数学建模
海市房价预测模型 摘要 威海地处山东半岛东北角，地理位置特殊。作为一个沿海城市，威海市积极响应国家政策，经济发展水平不断提高，威海作为最适宜人类居住的城市吸引了一大批人们来这里定居。同时威海与韩国、日本交流频繁，留学生、外国友人也在这座城市里留下了足迹。作为一个发展中的城市，房价是影响人们在此定居的一个很重要的因素。加之全国房价一直在高速上升，在这几年过程，一直有关于房价拐点的争论。是否楼市的拐点真的到来？我们决定建立数学模型，分析一下威海市的房价发展趋势，给相关机构提供参考。 我们都知道影响房价的因素众多，大的方面有，国家的宏观经济环境，国家的宏观调控，地方政府对宏观调控的执行力，人民的住房需求，热钱的投机。而宏观调控的手段众多，如廉租房建设，经济适用房建设，提高税收，打击投机，企业房贷资金紧缩，提高准备金率，不批准房地产企业上市圈钱等等。 影响房价的因素不同地区各不相同，影响威海市房价的主要因素是什么？是怎样影响房价的？我们希望通过这次建模找到答案。 关键字：线性模型居民人均年收入建房成本房价
一、问题重述 全国房价一直在高速上升，威海市也是如此，在这几年过程，一直有关于房价拐点的争论。是否楼市的拐点真的到来？需要建立模型进行推测。 影响房价的因素众多，大的方面有，国家的宏观经济环境，国家的宏观调控，地方政府对宏观调控的执行力，人民的住房需求，热钱的投机。而宏观调控的手段众多，如廉租房建设，经济适用房建设，提高税收，打击投机，企业房贷资金紧缩，提高准备金率，不批准房地产企业上市圈钱等等。除去宏观调控政策，还有城市的自身因素，比如建材价格水平，城市发展水平，GDP总量等等，都会对房价产生影响。找出影响房价的主要因素对于建立房价短期预测模型尤为重要。 二、问题分析 数据收集：影响建模的因素众多，需要忽略次要因素，提取出主要因素建立模型，经过数据分析，我们得出影响房价水平的三个因素，一个是人均存储，一个是GDP水平,，最后一个是建房成本。 收集数据如下： ①影响因素： 表2.1 影响因素 ②房价水平： 表2.2房价水平 房价与时间关系图：
数学建模——回归分析
回归分析——20121060025 吕佳琪 企业编号生产性固定资产价值(万元)工业总产值(万元) 1318524 29101019 3200638 4409815 5415913 6502928 7314605 812101516 910221219 1012251624 合计65259801 （2）建立直线回归方程; （3）计算估价标准误差; （4）估计生产性固定资产(自变量)为1100万元时总产值(因变量)的可能值。解: (1)画出散点图,观察二变量的相关方向 x=[318 910 200 409 415 502 314 1210 1022 1225]; y=[524 1019 638 815 913 928 605 1516 1219 1624]; plot(x,y,'or') xlabel('生产性固定资产价值(万元)') ylabel('工业总产值(万元)') 由图形可得,二变量的相关方向应为直线 (2)
x=[318 910 200 409 415 502 314 1210 1022 1225]; y=[524 1019 638 815 913 928 605 1516 1219 1624]; X = [ones(size(x))', x']; [b,bint,r,rint,stats] = regress(y',X,0、05); b,bint,stats b = 395、5670 0、8958 bint = 210、4845 580、6495 0、6500 1、1417 stats = 1、0e+004 * 0、0001 0、0071 0、0000 1、6035 上述相关系数r为1,显著性水平为0 Y=395、5670+0、8958*x (3) 计算方法:W=((Y1-y1)^2+……+(Y10-y10)^2)^(1/2)/10 利用SPSS进行回归分析:
方差分析 线性回归
1 线性回归 1.1 原理分析 要研究最大积雪深度x与灌溉面积y之间的关系，测试得到近10年的数据如下表： 使用线性回归的方法可以估计x与y之间的线性关系。 线性回归方程式： 对应的估计方程式为 线性回归完成的任务是，依据观测数据集(x1,y1),(x2,y2),...,(xn,yn)使用线性拟合估计回归方程中的参数a和b。a,b都为估计结果，原方程中的真实值一般用α和β表示。 为什么要做这种拟合呢？
答案是：为了预测。比如根据前期的股票数据拟合得到股票的变化趋势（当然股票的变化可就不是这么简单的线性关系了）。 线性回归的拟合过程使用最小二乘法， 最小二乘法的原理是：选择a,b的值，使得残差的平方和最小。 为什么是平方和最小，不是绝对值的和？答案是，绝对值也可以，但是，绝对值进行代数运算没有平方那样的方便，4次方又显得太复杂，数学中这种“转化化归”的思路表现得是那么的优美！ 残差平方和Q， 求最小，方法有很多。代数方法是求导，还有一些运筹学优化的方法（梯度下降、牛顿法），这里只需要使用求导就OK了，
为表示方便，引入一些符号， 最终估计参数a与b的结果是： 自此，针对前面的例子，只要将观测数据带入上面表达式即可计算得到拟合之后的a和b。不妨试一试？ 从线性函数的角度，b表示的拟合直线的斜率，不考虑数学的严谨性，从应用的角度，结果的b可以看成是离散点的斜率，表示变化趋势，b的绝对值越大，表示数据的变化越快。 线性回归的估计方法存在误差，误差的大小通过Q衡量。 1.2 误差分析 考虑获取观测数据的实验中存在其它的影响因素，将这些因素全部考虑到 e~N(0,δ^2)中，回归方程重写为 y = a + bx + e 由此计算估计量a与b的方差结果为，
大学生数学建模_房价预测
西安邮电学院第九届大学生数学建模竞赛 参赛作品 参赛队编号： 016 赛题类型代码： A题
2 房价问题 摘 要 随着我国房地产市场的不断升温，居民买房难愈来愈严重。定一个合适的房价既照顾到居民的需求也满足方差开发商的盈利需要是十分必要的，要达到这些目的都要用到数学模型来进行量化。在本文中，我们经研究解决了城市房价模型，找出了影响房价的主要因素，建立预测下一阶段的房产均价的一个模型，同时也对政策对调控房价所起的作用作了详细的分析说明。在解决房价模型问题时，我们用了多元线性回规模型和蛛网模型同时对相关变量进行分析和处理，最终找出了影响房价的主要因素为生产成本和供需关系。并对房价的形成、演化机理和房地产投机进行了深入细致的分析。 模型一，我们通过比较西安房价近11年来的变化及城镇居民收入变化情况，找到买房难的根结。 模型二，在房价预测方面，我们选用多元线性回归，蛛网模型同时对相关变量进行分析和处理，最终找出影响房价的主要因素为生产成本和供需关系，求出房价预测的计算表达式。 模型三，我们取定一个时间段内某几个房价新政，结合新政出台时间前后某地房价的变化情况分析了房价新政对房价的调控作用。我们选取房价新政的标准是根据政策内容对相关经济指标有直接作用效果。最终我们发现，新政出台后，虽然房价依然是居高不下，但房价上涨速率得到了一定的控制，变化渐缓。 关键字：楼市 预测 蛛网模型 线性回归
一、问题重述 住房问题关系国计民生，既是经济问题，更是影响社会稳定的重要民生问题。2008年受国际金融危机的影响，部分购房需求受到抑制，2009年在国家税收、土地等调控政策作用下，一度受到抑制的需求得到释放，适度宽松的货币政策使信贷规模加大，为房地产开发和商品房购买提供了比较充裕的资金，房地产市场供求大增，带动了整体回升。但有的城市房价过高，上涨过快，加大了居民通过市场解决住房问题的难度，另一方面，部分投机者也通过各种融资渠道买入房屋囤积，期望获得高额利润，也是导致房价居高不下的原因之一。因此，如何有效遏制房价过快上涨，遏制房地产投机，是一个备受关注的社会问题。现在就以下几个方面的问题进行讨论： 一：通过调查及分析相关数据，建立一个关于房价增长与居民收入之间关系的一个模型，用Matlab建模，以图的形式直观明了的分析出其相关性，从而找出其解决方案。 二：通过分析找出影响房价的主要原因，并建立一个城市房价的数学模型，对房价的形成、演化机理和房地产投机进行深入细致的分析。 三：选择某一地区（如重庆、西安、深圳），调查近些年房价变化情况，并根据所调查的数据，预测下一阶段该地区房价的走势。并且根据国家和各地方政府的一系列调控房价的政策（如购房贷款政策等等）出台的时间与房价的变化情况，分析这些政策对调控房价所起的作用，根据所得到结果，给出你关于购房的一些建议。 二、问题分析 2-1：模型一分析 针对当前房地产市场火爆局面和房价迅猛的增长势头，以及国民买不起房的抱怨声。分析产生这些现象，我们可以从很多方面找到原因，有房价恶性增长，有国民的平均收入增长过慢，有收入分配的不均很，有失业率的逐年增长，有近些年人们的消费观念的转变，有国际社会环境的影响等。我们不可对每一个产生这种现象因素都进行一一分析，但是，对于其主要的或者说具有代表性的因素（房价增长率于和国民的收入的增长率）进行分析，也能够反映一些大的方面规律，以便于更好处理解决这些问题。 因此，我们搜集从2000年到2011年西安市的房价和市民的平均收入数据并进行整合，计算每年的房价和居民收入的增长率，利用matlab软件进行趋势图的模拟，并进行matlab进行一个拟合处理。最终，得出两者之间的关系，提出一些解决这类问题的办法及可行的方案。
关于房价问题的数学模型建立与分析
一、问题的重述与分析 1.1问题的重述 房价问题事关国计民生，对国家经济发展和社会稳定有重大影响，一直是各国政府大力关注的问题。我国自从取消福利分房制度以来，随着房价的不断飙升，房价问题已经成为全民关注的焦点议题之一，从国家领导人、地方政府官员，到开发商、专家学者、普通百姓通过各种媒体表达各种观点，但对于房价是否合理、未来房价的走势等关键问题，至今尚未形成统一的认识。 请根据中国国情，对如下几个方面进行探讨： 收集建筑成本、居民收入等与房价密切相关的数据，选取我国具有代表性的几类城市对房价的合理性及房价的未来走势等问题进行定量分析；根据分析结果，进一步探讨使得房价合理的具体措施以及可能对经济发展产生的影响，并进行定量分析。 1.2问题分析 通过对题目的研读探讨，我们有如下分析： 1．针房价的合理性问题对中国房价的影响因素进行相关性分析，对不同类型城市的不同有效的影响因素建立起合理恰当的房价形成的数学模型，得到合理或接近合理的房价影响因素；基于人均年可支配收入、房产商可支付银行贷款年限、建筑成本等对房价有显著影响的因素建立房价合理性模型，并结合近几年具有代表性的城市的房价建立模型对未来走势进行预测。 2．分析对比依据模型计算得到的相对合理的房价与实际房价来判断房价的合理性，并且对相关的变量进行对比讨论，得出对针对目前时期影响中国房价是否合理的主要因素，并试图通过调解这些因素（即采取相应的措施）按照建立的模型来使房价趋于合理；结合相关经济学知识阐述对经济发展可能产生的影响：房价的高低、增长快慢与否是否会影响我国经济的发展。 二、模型建立及求解 2.1关于模型的基本假设 由于计划生育政策，考虑对房屋的刚性需求户型都为两室一厅，面积为90平方米; 1．其中低收入家庭的住房问题视为由国家和地方政府补贴的廉价租赁房和经济适用房解决，不再纳入模型的讨论范畴;
关于房价问题数学建模分析
关于房价问题数学建模分析 摘要：近几年，我国出台了一系列事关民生国情的利民政策，但房价的持续增高仍让很多人把买房当成了一种奢望。本文根据题目要求，进行了合理假设，主要从影响房价的因素方面考虑，建立相应数学模型，根据数据分析了我国当前房价的合理性，预测房价未来走势，提出具体措施使房价回归合理，并进行定量分析。 关键词：房价升高数学模型正态分布模型 一、问题重述 房价问题事关国计民生，对国家经济发展和社会稳定有重大影响，一直是各国政府大力关注的问题。我国自从取消福利分房制度以来，随着房价的不断飙升，房价问题已经成为全民关注的焦点议题之一，从国家领导人、地方政府官员，到开发商、专家学者、普通百姓通过各种媒体表达各种观点，但对于房价是否合理、未来房价的走势等关键问题，至今尚未形成统一的认识。 请根据中国国情，收集建筑成本、居民收入等与房价密切相关的数据，选取我国具有代表性的几类城市对房价的合理性及房价的未来走势等问题进行定量分析；根据分析结果，进一步探讨使得房价合理的具体措施。 二、问题分析 考虑评判房价的合理性，我们首先想到与房价密切相关的各种因素，认为房屋的合理定价应该由房屋所在城市的经济发达程度、环境优美度、居民归属感等生活标准来反应，而这些项目又有很多是难以量化的指标，因此我们采用了城市居民年人均收入刻画生活标准。房屋的价格应该满足本市居民的居住需要，于是这部分我们没有引入投资等市场因素。 三、数学模型的建立及求解 （一）模型假设：引起房地产市场波动的因素有很多，居民收入、供求比例、空置率、货币政策、建设成本、国家政策和人口结构及变化趋势等众多因素。我们从中提取重要因素对次要因素作出如下假设： 1、城市消费状况用人均收入来代替。 2、忽略消费成本如交通费用、物业费用、停车费用等对住房价格的影响。 3、在同一地区房价为销售均价，没有街道区域差异。
房价的影响因素分析报告及预测模型
房价的影响因素分析及预测模型 ——基于北京市相关数据的实证研究 摘要 房地产既是我国国民经济的支柱产业，也是关系重大的民生问题。本文以北京市经济适用房销售价格、北京市生产总值等相关数据为例，分析房价的主要影响因素，建立房价与其影响因素的关系模型对北京市房价进行准确预测，并根据得出的预测结果对房地产发展提出合理性意见： 问题一，建立影响房价的指标体系，利用SPSS16.0软件将各指标数据进行折线图描述，将变化偶然性较大的货币供应量删除，建立主成分分析模型提取主成分，将各指标对各主成分的贡献率加权得到每个指标的总贡献率，比较得出影响北京市房价的六项主要指标依次为：居民家庭人均收入，房地产开发投资额,北京市生产总值，经济适用房销售价格，人均住宅建筑面积，新增保障性住房面积。 问题二，建立逐步回归模型，根据SPSS16.0软件的运行结果显示，被剔除的前六个变量与问题一得出的六项主要指标一致，证明结论正确。建立多元回归分析模型，由SPSS16.0软件实现得到北京市房价与其主要影响因素的关系模型为： 。 问题三，建立曲线估计模型，通过SPSS16.0软件拟合得到各指标变量随时间拟合的曲线方程（见表3·1），将预测房价与实际值进行比较，其平均误差仅为5.14%，说明预测效果良好。利用MATLAB7.0软件运行得到各指标及房价在
2000至2015年的房价（见表3·6）稳中有升。 问题四，根据所得预测结果、北京房地产市场结构、政府相关政策，结合经济学知识，对北京市房地产发展提出合理建议。 最后，对所建模型进行了优缺点评价，在模型推广种介绍了这几个模型的广泛应用。 关键词：房价预测、影响因素、主成分、线性回归、曲线拟合 一、问题重述 1.1问题的背景及条件 俗话说；“安居才能乐业！”在我国的传统观念中房子就家，不管住别墅还是住瓦房，每一个家庭都必须有自己的住房，因此住房问题本生就是关系国计民生的大问题。同时，随着改革开放以来我国经济的高速发展，人民生活质量得到了极大提高，对住房质量、住房环境、小区配套服务等的要求也随之不断提高。近十年来我国一些城镇的商品房价格上涨过快，过高的房价使城镇却中低收入者无力购买住房,为了社会持续稳定的发展,政府一直出台各种文件，从宏观层面对房地产市场进行调控。但由于各部门配合不协调，加上恶意炒房的炒家操作，房地产的价格在过去的几年时间里快速地上涨，房价成了各种社会矛盾的焦点。 近几年来，保障房建设正在加速推进,中共中央政治局常委、国务院副总理李克强在全国保障性安居工程工作会上强调，要认真贯彻落实党中央、国务院的决策部署，大规模实施保障性安居工程，加大投入，完善机制，公平分配，保质保
数学建模之回归分析法
什么是回归分析 回归分析（regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。 回归分析之一多元线性回归模型案例解析 多元线性回归，主要是研究一个因变量与多个自变量之间的相关关系，跟一元回归原理差不多，区别在于影响因素（自变量）更多些而已，例如：一元线性回归方程为： 毫无疑问，多元线性回归方程应该为： 上图中的x1, x2, xp分别代表“自变量”Xp截止，代表有P个自变量，如果有“N组样本，那么这个多元线性回归，将会组成一个矩阵，如下图所示： 那么，多元线性回归方程矩阵形式为： 其中：代表随机误差，其中随机误差分为：可解释的误差和不可解释的误差，随机误差必须满足以下四个条件，多元线性方程才有意义（一元线性方程也一样） 1：服成正太分布，即指：随机误差必须是服成正太分别的随机变量。 2：无偏性假设，即指：期望值为0 3：同共方差性假设，即指，所有的随机误差变量方差都相等 4：独立性假设，即指：所有的随机误差变量都相互独立，可以用协方差解释。
今天跟大家一起讨论一下，SPSS---多元线性回归的具体操作过程，下面以教程教程数据为例，分析汽车特征与汽车销售量之间的关系。通过分析汽车特征跟汽车销售量的关系，建立拟合多元线性回归模型。数据如下图所示：（数据可以先用excel建立再通过spss打开） 点击“分析”——回归——线性——进入如下图所示的界面：
数学建模__中国城市房价分析__模拟
中国城市房价分析 摘要 随着近年来中国经济的快速发展，房地产业也得以迅猛地发展，其势头受到世人的瞩目，它作为国民经济的支柱产业不仅对国家宏观经济运行产生巨大的影响，而且与广大百姓的自身利益休戚相关。 本论文从实际出发，选取具有代表性的几个城市，结合其城镇居民的人均可支配收入，并参考国际房价合理性标准，从而研究我国房价的合理性。然后根据数据预测未来几年各个城市的房价走势，并结合现阶段国家政策下的实际房价提出合理的措施。最后根据搜集的数据，结合20世纪下半叶日本房地产与GDP的关系，预测房地产行业未来将会对中国经济产生的影响。 关键词：城市房价；合理性；GDP；国民经济 1.问题重述 房价问题关系到一个社会人民生活的切身利益，也对国家的经济发展与社会稳定有重要影响。1998年6月，国务院决定，党政机关停止实行40多年的实物分配福利房的做法，推行住房分配货币化，让房地产业成为了中国经济新的增长点。但是在居民收入持续上升的同时，房价也不断飙升。尤其是近几年来，房价不断大幅度增加的问题引起了社会各界的广泛关注。但是房价的合理性，以及房价未来的走势，至今也没有统一的认识。因此，判断当今房价是否合理，预测未来房价走势，以及提出使房价合理化的措施，分析房价对经济发展产生的影响成为亟待解决的问题。考虑到用楼房建造成本、土地成本等数据的搜集难度，我们不采用“结合楼房建造成本、土地成本、开发商利润”这个方法分析房价的合理性。 基于以上问题，我们下面分成四个问题进行讨论： 问题1.首先选取我国几个具有代表性的城市，搜集其历年房价、历年城镇居民的人均可支配收入，分析判断各个城市房价的合理性； 问题2.根据数据来预测未来几年所选取的各个城市的房价走势； 问题3.根据所搜集的数据，结合近年国家所采取的调控政策，对房价问题提出合理的措施； 问题4.根据所搜集的数据，选取日本上世纪的例子作比较，粗略预测房地产行业对中国经济发展的影响。 2.问题分析
2011西工大数学建模论文
装订线 第九届西北工业大学数学建模竞赛暨 全国大学生数学建模竞赛选拔赛题目 A (B)题 密封号2011年5月3日 剪切线 密封号2011年5月3日 学院第队 队员1 队员2 队员3 姓名 班级
装订线 摘要 近几年，房价过快上涨，使人民群众买房难，因此研究影响房价的主要因素以及房价与其之间的关系十分重要。分析题目，我们分为三个问题进行讨论建模：问题一，房价合理性评判；问题二，未来房价走势；问题三，后期房价的应对。本文针对影响房价的因素，主要考虑以下几点：地价，人均年收入，建材价格，人均GDP、房屋贷款利率和居民消费水平。通过线性拟合，找出各影响因素与房价的关系，确定出主要影响因素为：地价，人均年收入，人均GDP和居民消费水平，进而得出因素与房价之间的互动影响。问题一中针对各代表性城市现今房价是否合理的问题，我们以代表性城市上海、西安为例，采用了经济学领域的关于正态分布的模型，评定房价的合理性，同时根据我们确定出来的数据与世界银行房价评判标准进行进一步评判。针对问题二，鉴于房价所涉及的系统为灰色系统，而影响房价的因素很多，我们利用灰色预测法来作预测，灰色系统，即将杂乱无章的数据列进行整理、生成，将空缺的数据通过计算加以补充，用整理过的数据列建立模型并通过它进行决策和预测，将结构、关系、机制不清楚的对象、过程、系统作灰色预测以进行提前控制。房价变化涉及的系统包含有许多影响因素，多种因素共同作用的结果决定了系统的发展态势。针对问题三，建立适当的模型对各因素与房价的相关性进行检验；至于对经济发展的影响，须考虑房价与各个因素之间的互动性，便于充分利用搜集的相关数据进行模型的检验。利用影响因素，通过对模型的综合分析，我们提出了各种改进措施并得出了对经济影响的一些结论。本文的主要特色为：我们分析了房价变化这一系统的特点，有针对性的构建模型，并抓住了影响房价的主要因素，建立的模型精确实用，而且容易理解。同时我们根据模型对未来代表性城市的房价进行了预测与评估，并提出了合理实用的改进措施，不仅具有研究参考价值，而且对于决策者有很好的指导意义。
数学建模房价预测及影响因素问题
一、问题重述 背景分析 自1998年我国实行住房改革以来，房地产行业已经逐渐成长为拉动中国经济增长的龙头产业。近几年在国家积极的财政政策刺激下，我国房地产市场处于不断发展阶段。然而，与美国等发达国家住房市场进入成熟期不同，我国正处在城市化和工业化进程加速阶段，住房水平低和需求比较旺盛，这是我国住房市场快速发展的重要基础。 中国房地产一方面在快速发展之时，在总体上对经济社会的发展确实起到了促进作用；另一方面由于不规范的房的销售价格行为、地价的上升造成放的开发成本提高等因素造成房价不断上涨，严重超出了普通居民的购买能力，给其造成了巨大的购房压力。 问题重述 根据近几年中国上海房地产市场现状，解决以下四个问题： (1)结合对房地产的了解，收集近几年上海房地产的价格走势，预测未来三年上海房价的状况。 (2)结合对上海市近几年来房价的了解，分析并建立合理的数学模型，得出“国五条”具体怎样影响房价。 (3)综合考虑上海的CPI，结合对房价的了解，谈谈房价如何对CPI产生影响。 (4)在2012年拥有100万元人民币的前提下，写出一种合理的分配方案，用这笔钱投资到CPI中的各项因素。 二、问题分析 对于问题一的分析 问题一要求根据近几年上海房地产的价格走势，来预测未来三年上海房价的情况。 首先，通过在《上海统计年鉴》找到上海近几年的房价, 为得到较为准确的预测，我们选取了最近十年上海的房价，因为长时间的数据能反映更多更合理的问题，不会太过片面对结果造成较大偏差。历时十年，期间政府的宏观调控或制定的稳定物价等等措施必然会对房价造成影响，如果考虑政策措施和其他因素的影响，问题将变得非常复杂。反而，我们可以将这些因素看作市场经济的调控，房价因受到这些因素影响而产生变化。那么，实际呈现出来的房价变化就应该是有效的房价变化。我们在模型的假设部分阐述了不考虑政府的政策措施对近几年房价的影响。 综合了以上分析，我们将搜集到的数据整理制成表格，绘制出年份-房价变化折线图，可以发现随着年份的增长，上海房价也在不断增长，且在一条直线周围上下波动，因此我们建立一元线性回归模型，来寻求上海房价与年份的线性关系。然后根据最小二乘法来确定其中参数（一次项系数和常数项）的值，最终确定此回归方程。然后通过求判定系数2R的值，来判断模型对数据的拟合程度，确定该方程的合理性。最终对x进行赋值，得到相应的房价。 对于问题二的分析 问题二要求找出“国五条”具体如何影响房价的，就是求“国五条”五项措施对房价影响的比重,即某项措施的影响大小，从而反应出“国五条”是如何影响房价的增长问题。
回归分析在数学建模中的应用
摘要 回归分析和方差分析是探究和处理相关关系的两个重要的分支,其中回归分析方法是预测方面最常用的数学方法,它是利用统计数据来确定变量之间的关系,并且依据这种关系来预测未来的发展趋势。本文主要介绍了一元线性回归分析方法和多元线性回归分析方法的一般思想方法和一般步骤,并且用它们来研究和分析我们在生活中常遇到的一些难以用函数形式确定的变量之间的关系。在解决的过程中,建立回归方程,再通过该回归方程进行预测。 关键词:多元线性回归分析;参数估计;F检验
回归分析在数学建模中的应用 Abstract Regression analysis and analysis of variance is the inquiry and processing of the correlation between two important branches, wherein the regression analysis method is the most commonly used mathematical prediction method, it is the use of statistical data to determine the relationship between the variables, and based on this relationship predict future trends. introduces a linear regression analysis and multiple linear regression analysis method general way of thinking and the general steps, and use them to research and analysis that we encounter in our life, are difficult to determine as a function relationship between the variables in the solving process, the regression equation is established by the regression equation to predict. Keywords:Multiple linear regression analysis; parameter estimation;inspection II
数学建模房价预测和影响因素问题
一、问题重述 1、1背景分析 自1998年我国实行住房改革以来,房地产行业已经逐渐成长为拉动中国经济增长的龙头产业。近几年在国家积极的财政政策刺激下,我国房地产市场处于不断发展阶段。然而,与美国等发达国家住房市场进入成熟期不同,我国正处在城市化与工业化进程加速阶段,住房水平低与需求比较旺盛,这就是我国住房市场快速发展的重要基础。 中国房地产一方面在快速发展之时,在总体上对经济社会的发展确实起到了促进作用;另一方面由于不规范的房的销售价格行为、地价的上升造成放的开发成本提高等因素造成房价不断上涨,严重超出了普通居民的购买能力,给其造成了巨大的购房压力。 1、2问题重述 根据近几年中国上海房地产市场现状,解决以下四个问题: (1)结合对房地产的了解,收集近几年上海房地产的价格走势,预测未来三年上海房价的状况。 (2)结合对上海市近几年来房价的了解,分析并建立合理的数学模型,得出“国五条”具体怎样影响房价。 (3)综合考虑上海的CPI,结合对房价的了解,谈谈房价如何对CPI产生影响。 (4)在2012年拥有100万元人民币的前提下,写出一种合理的分配方案,用这笔钱投资到CPI中的各项因素。 二、问题分析 2、1对于问题一的分析 问题一要求根据近几年上海房地产的价格走势,来预测未来三年上海房价的情况。 首先,通过在《上海统计年鉴》找到上海近几年的房价, 为得到较为准确的预测,我们选取了最近十年上海的房价,因为长时间的数据能反映更多更合理的问题,不会太过片面对结果造成较大偏差。历时十年,期间政府的宏观调控或制定的稳定物价等等措施必然会对房价造成影响,如果考虑政策措施与其她因素的影响,问题将变得非常复杂。反而,我们可以将这些因素瞧作市场经济的调控,房价因受到这些因素影响而产生变化。那么,实际呈现出来的房价变化就应该就是有效的房价变化。我们在模型的假设部分阐述了不考虑政府的政策措施对近几年房价的影响。 综合了以上分析,我们将搜集到的数据整理制成表格,绘制出年份-房价变化折线图,可以发现随着年份的增长,上海房价也在不断增长,且在一条直线周围上下波动,因此我们建立一元线性回归模型,来寻求上海房价与年份的线性关系。然后根据最小二乘法来确定其中参数(一次项系数与常数项)的值,最终确定此回归方程。然后通过求判定系数2R的值,来判断模型对数据的拟合程度,确定该方程的合理性。最终对x进行赋值,得到相应的房价。 2、2 对于问题二的分析 问题二要求找出“国五条”具体如何影响房价的,就就是求“国五条”五项措施对房价影响的比重,即某项措施的影响大小,从而反应出“国五条”就是如何影响房价的增长问题。
基于层次分析法和回归分析的房价分析与预测模型
题目：基于层次分析法和回归分析的房价分析与预测模型 摘要 随着我国住房制度的商品化改革，我国住宅产业蓬勃发展，逐渐成为影响国计民生的重要产业之一。然而近年来国内大中型发达城市的商品住宅价格水平飞速增长，已经呈现出超过人民承受能力和经济发展水平的趋势。为此，确定这些城市商品住宅价格水平合理性，并探究影响价格的相关因素，提出正确的对策措施成为稳定经济、改善人民生括的首要问题。【1】 为了反映不同因素对房价的影响，我们查阅各种资料利用互联网，收集到2010年5月以来的三个与房价联系紧密的数据，即人口数量、居民人均可支配收入和住房成本。为了反映全国各类城市房价的情况，我们选取三类城市，即直辖市、沿海开放城市、一般省会城市，并兼顾地理位置分布，选取九个有代表性的城市：北京、上海、重庆、深圳、福州、大连、武汉、成都、西宁。 对于问题一，房价的合理性分析。我们运用层次分析法。以人口数量、居民人均可支配收入和住房成本为准则层，以房价的合理、基本合理和不合理为方案层，建立三层层次结构分析模型。根据不同城市的特点，设置三个影响因素的权值，然后求出组合权向量，根据权向量中相应元素的数值大小，判断该城市房价的合理性。 对于问题二，房价未来走势的预测，我们运用回归分析法，将三个影响因素作为变量。先分别讨论房价相对于各因素的变化情况，用EXCEL作出房价相对于各因素的变化图，利用移动平均法消除不规则因素的影响，求出房价与各因素的移动平均数，大致确定房价与影响因素之间的变化关系。然后利用MATLAB软件对房价进行拟合，得出房价的函数表达式，对未来4个月房价的走势进行预测，并利用2011年5月的数据对模型进行检验，发现预测结果与实际结果比较吻合，有一定的通用性。 对于问题三，房价合理的具体措施，以及可能对经济发展产生的影响。我们根据前两个问题所得的结果，针对不同城市出现的问题，和房价不合理的方面提出几点改善房价合理性的建议，并对房价在经济发展上的影响情况作简要分析。 关键词：层次分析法房价合理性移动平均法层次分析法房价预测
数学建模-回归分析-多元回归分析
1、 多元线性回归在回归分析中，如果有两个或两个以上的自变量，就称为 多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。 在实际经济问题中，一个变量往往受到多个变量的影响。例如，家庭消费支出，除了受家庭可支配收入的影响外，还受诸如家庭所有的财富、物价水平、金融机构存款利息等多种因素的影响，表现在线性回归模型中的解释变量有多个。这样的模型被称为多元线性回归模型。（multivariable linear regression model ） 多元线性回归模型的一般形式为： 其中k 为解释变量的数目，j β (j=1,2,…，k)称为回归系数（regression coefficient)。上式也被称为总体回归函数的随机表达式。它的非随机表达式为： j β也被称为偏回归系数（partial regression coefficient)。 2、 多元线性回归计算模型 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和（Σe)为最小的前提下，用最小二乘法或最大似然估计法求解参数。 设（ 11 x ， 12 x ，…， 1p x ， 1 y ），…，（ 1 n x ， 2 n x ，…， np x ， n y ）是一个样本， 用最大似然估计法估计参数： 达 到最小。
把（4）式化简可得： 引入矩阵： 方程组（5）可以化简得： 可得最大似然估计值：
3、Matlab 多元线性回归的实现 多元线性回归在Matlab 中主要实现方法如下： （1）b=regress(Y, X ) 确定回归系数的点估计值 其中 （2）[b,bint,r,rint,stats]=regress(Y,X,alpha)求回归系数的点估计和区间估计、并检 验回归模型 ①bint 表示回归系数的区间估计. ②r 表示残差 ③rint 表示置信区间 ④stats 表示用于检验回归模型的统计量,有三个数值：相关系数r2、F 值、与F 对应的 概率p 说明：相关系数r2越接近1，说明回归方程越显著；F>F1-alpha(p,n-p-1) 时拒绝H0，F 越大，说明回归方程越显著；与F 对应的概率p<α 时拒绝H0，回归模型成立。 ⑤alpha 表示显著性水平(缺省时为0.05) （3）rcoplot(r,rint) 画出残差及其置信区间
2010年数学建模比赛B题论文年上海世博会影响力的定量评估
承诺书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： B 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）： 参赛队员(打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人(打印并签名)： （论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。以上内容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。） 日期：年月日赛区评阅编号（由赛区组委会评阅前进行编号）：
编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
2010年上海世博会影响力的定量评估 摘要 世博会的举办对于上海的影响可谓深厚而又广泛，不论是经济、文化还是政治。经济是反映上海世博会的的最直接价值。因此我们选择经济作为反应世博会的影响力进行评估。 根据会展经济学，上海世博会对上海市国民生产总值（GDP）的拉动主要是由世博会的投资所引起的。此外世博会会对上海市的旅游业有很大的拉动，包括直接的旅游收入、餐营业的消费等。除此之外，世博会对上海的房地产的发展和销售也有巨大的打动作用。因此，我们选择上海世博会对上海市国民生产总值（GDP）的拉动，世博会对上海的旅游业的发展，对上海市的房地产的影响这三方面作为作为对上海世博会影响力的定量评估。 世博会投资对GDP增长的贡献率，可以采用经济学中的凯恩斯投资乘数效应模型，建立上海世博会投资额与上海市GDP增加值之间的关系，并将世博所带动的GDP与总GDP的值作比，以此作为其对GDP增长的贡献率。计算得出结论：世博会的投资拉动上海市GDP值为13457.18亿元，对上海市GDP有16.14%的贡献。 对于世博会对旅游业的影响,选取上海世博会对上海市旅游业的短期影响这一侧面，用世博举办前的指标数据进行自回归将世博对上海旅游业的影响从实际数据中剥离，建立旅游本底趋势线模型，用本底值与实际值的差值作为世博的影响值，估算出世博会上海旅游业从2003年到2012年的时间区间内的贡献率和影响率. 2010年世博会对上海旅游业各指标贡献率和影响率 时指出，因世博会在上海召开，预计城市基础设施及环保投入将高达2700亿元，这些都将显著改善上海的交通、通讯、居住环境等。 合适的评估体系是本课题的关键。我们充分利用互联网收集到的数据进行分析及统计，并考虑到方案的可操作性。通过组合权重数据，得到了三个世博城市关于影响力的权重。由于此模型不受指数的影响，有很好的灵活性，使得我们可以根据实际情况灵活选取指数，减少模型的工作量，增加模型精度。 关键字：会展经济学上海市国民生产总值（GDP）凯恩斯投资乘数效应模型旅游本底趋势线模型世博效应
回归模型的残差分析
回归模型的残差分析 山东 胡大波 判断回归模型的拟合效果是回归分析的重要内容，在回归分析中，通常用残差分析来判断回归模型的拟合效果。下面具体分析残差分析的途径及具体例子。 一、 残差分析的两种方法 1、差分析的基本方法是由回归方程作出残差图，通过观测残差图，以分析和发现观测数据中可能出现的错误以及所选用的回归模型是否恰当；在残差图中，残差点比较均匀地落在水平区域中，说明选用的模型比较合适，这样的带状区域的宽度越窄，说明模型的拟合精度越高，回归方程的预报精度越高。 2、可以进一步通过相关指数∑∑==--- =n i i n i i i y y y y R 1 2 1 2 ^ 2 )()(1来衡量回归模型的拟合效果，一般 规律是2 R 越大，残差平方和就越小，从而回归模型的拟合效果越好。 二、 典例分析： 例1、某运动员训练次数与运动成绩之间的数据关系如下： 试预测该运动员训练47次以及55次的成绩。 解答：（1）作出该运动员训练次数x 与成绩y 之间的散点图，如图1所示，由散点图可 知，它们之间具有线性相关关系。 （2）列表计算： 由上表可求得875.40,25.39==y x ， 126568 1 2 =∑=i i x ，137318 1 2=∑=i i y ，
131808 1 =∑=i i i y x ，所以∑∑==---= 8 1 2 8 1 )() )((i i i i i x x y y x x β.0415.188 1 2 28 1≈--= ∑∑==i i i i i x x y x y x 00302.0-≈-=x y βα，所以回归直线方程为.00302.00415.1^ -=x y （3）计算相关系数 将上述数据代入∑∑∑===---= 8 1 8 1 2 22 2 8 1 ) 8)(8(8i i i i i i i y y x x y x y x r 得992704.0=r ，查表可知 707.005.0=r ，而05.0r r >，故y 与x 之间存在显着的相关关系。 （4）残差分析： 作残差图如图2，由图可知，残差点比较均匀地分布在水平带状区域中，说明选用的模型比较合适。 计算残差的方差得884113.02 =σ ，说明预报的精度较高。 （5）计算相关指数2 R 计算相关指数2 R ＝0.9855.说明该运动员的成绩的差异有98.55％是由训练次数引起的。 （6）做出预报 由上述分析可知，我们可用回归方程 .00302.00415.1^ -=x y 作为该运动员成绩的预报值。 将x ＝47和x ＝55分别代入该方程可得y ＝49和y ＝57， 故预测运动员训练47次和55次的成绩分别为49和57. 点评：一般地，建立回归模型的基本步骤为： （1）确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量； （2）画出确定好的解释变量和预报变量的散点图，观察它们之间的关系（如是否存在线性关系等）； （3）由经验确定回归方程的类型（如我们观察到数据呈线性关系，则选用线性回归方程y ＝bx ＋a ）； （4）按一定规则估计回归方程中的参数（如最小二乘法）； （5）得出结果后分析残差图是否有异常（个别数据对应残差过大，或残差呈现不随机的规律性等等），若存在异常，则检查数据是否有误，或模型是否合适等。 例2、某城区为研究城镇居民月家庭人均生活费支出和月人均收入的相关关系，随机抽取