数模论文最终房价预测版
房价数学模型预测
威海房价的模型预测摘要随着全国房价的高速上升，在这几年过程，一直有关于房价拐点的争论。
在此，我们尝试对此问题做初步探讨。
首先，本文分析了许多可能影响房价的因素，并从中挑选出三个最主要的因素，即物价水平、税收、适婚人口数。
进而根据数学知识，建立了威海房价中短期预测模型，房价为Y(t)。
Y(t)=a*dS(t)/dt+b*dX(t)/dt+c*r*dm(t)/dt+N再利用数学模型，结合威海地区2004-2011房价资料，预测2012-2013年的房价。
预测得出房价大约5500元/平。
最后，根据前面得到的结果，我们预测房价拐点会在2060年左右到来，由于近几十年房价不会降，所以我们建议买房人密切关注房价走势和政府有关政策，如果有条件还是尽量买房吧，买房保值增值。
关键字：房价预测威海数学模型一问题重述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？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。
1、从影响房价的因素中挑选出最主要的因素，说明理由。
2、建立房价中短期预测模型。
3、收集威海地区2004-2011房价资料，用前面的模型预测2012-2013年的房价。
4、根据3的结果，写一个500字的报告，论证房价的拐点是否到来，并给买房的人具体意见。
二模型的基本假设1.我们收集的数据在误差允许范围内真实有效；2. 2015 年之前房地产业健康稳定发展；3.在着重讨论主要因素时，其他的次要因素对主要因素的影响可以忽略；4假设剔除材料中空缺的数据对计算结果没有影响；三符号说明四问题分析与模型准备房价是受许多因素影响的，包括国家宏观经济环境，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，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。
房价问题数学建模房价合理性预测
测， 但可能未考虑到影响因素对房价的本质性影响，故我们取灰色关联分析法分 析得到的关联度较大的因素，作为相关数据列，将房价作为特征数据列，建立 GM(1.N) 模型。而每个影响因素又是一个不确定性的灰色系统，所以我们用 GM(1.1)模型预测每个因素的走势，将两个模型结合起来，得到一个考虑影响因 素下的房价预测新数据，最后与仅用 GM(1.1)模型预测的房价数据做对比，从而 更全面、准确地分析两所城市的房价走势，引申到全国的房价走势。 2.3. 问题三的分析 针对问题三， 要探讨对房价调控的合理性措施，我们综合问题二利用灰色关 联分析所求的各个因素与房价关联度， 根据其关联度的大小确定房价调控的优先 权重，其次在根据 2005 年-2014 年各个因素与房价增长率的对比，得到每个因 素与房价之间的相互制约关系，再结合第二问通过灰色预测模型对未来 10 年房 价的预测值分析和第一问对房价合理性的双指标评判标准得到对于房价的直接 调控和简洁调控措施。 2.4. 问题四分析 问题四要求定量分析房价对经济发展的影响， 首先引入问题二中灰色关联度 得到的相关系数作为初始权重， 并从问题二得到的相关因素中，选取商品房销售 价格和房地产开发投资的加权平均代表房价指标，人均生产总值，恩格尔系数及 城市居民人均可支配收入的加权平均代表经济指标， 理清房价指标与经济指标的 相互关系，以房价作为自变量，经济作为因变量，建立多项式拟合模型。对于收 集到的数据， 先进行权重归一化和影响因素无量纲化的数据预处理，再将房价作 为自变量，经济作为因变量，运用 matlab 对其进行多项式拟合，并得到拟合曲 线和拟合多项式。通过拟合曲线分析房价的变化对经济发展的影响。
三. 模型假设
1.房价首付按 30%计算。 2.贷款年限为 30 年。 3.收集到的数据都是正确可靠的。 4.以商品房平均销售价格作为房价，假设全市房价相同为平均水平。 5.本文仅考虑人均可支配收入、 年末总人口、 房屋造价、 房地产开发投资额、 国内生产总值、恩格尔系数、商品房销售面积、竣工房屋面积、人均储蓄存款年 末余额、土地交易价格指数对房价的影响。
数学建模-终极版
数学建模论文题目：住房投资分析姓名1：学号：姓名2：学号：姓名3：学号：题目：住房投资分析摘要随着房地产业的不断升温，越来越多的家庭开始将余钱投资在房地产业。
但在进行房产投资时，由于房产评估、国家政策以及价格走势的不确定性，需要运用各种数学手段对其进行分析，以达到让投资人获取最大利益的目的。
在本文中，我们研究了近期的房产数据，提出了住房投资方面较好的解决方案，对某一城市的下一阶段房地产投资进行了分析并提出了最优的投资方案。
在投资住房初期，通过构建价格需求函数并且利用最小二乘法和matlab工具来确定购房时的房产最优价格。
通过查阅近期数据,利用上述方式求得最小二乘解为2元／，该解符合实际生活，具有相当的可信度。
5591m2.本问题中考虑到由于该市各地区的地域不同，造成在投资初期买入房价的不同，因而分为城东、城西、城南、城北和城内进行分析计算。
在购入房产之后，通过分析先前政府公布的数据并且利用matlab中的数据拟合方法来预测一年之后的房产价格，进而确定出售房的利润收入，然后通过假定房间租赁价格恒定来确定选择租房方式时的利润，根据投资者的不同需求提出投资建议。
计算租赁利润时我们引入了房屋折旧率，并且考虑了房屋装修费用，采用java语言进行了编程计算，求得租赁20年之间的总收入与利润收入（由于之后若干年政府政策的不确定性与金融市场的周期波动性，我们暂不考虑国家的通货膨胀对房产收益造成的影响）发现在租赁若干年后利润才会超过售房利润收入。
因此，在实际投资中，需要根据实际年限进行分析，以确定最优化的解决方案。
另外，经过查阅近年来金融市场状况，认定现阶段股票投资风险性过大，极容易出现资金亏损，因此不建议投资者在近期进行股票方面的投资；自05年以来，基金平均收益率高达52.25%，但是伴随着极大的风险性，故建议对市场变化敏感、经验丰富的投资者选择基金投资渠道。
第一章问题重述在缺乏可靠投资渠道的情况下，有些家庭选择利用余钱或贷款购置房屋进行投资。
数学建模房价预测
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。
1.2问题重述根据近几年中国沈阳房地产市场现状，解决以下四个问题：(1)结合对房地产的了解，收集近几年沈阳房地产的价格走势，预测未来沈阳房价的状况。
(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。
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《沈阳统计年鉴》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。
房地产价格预测(数学建模论文)
装订线摘要房价问题事关国计民生，已经成为全民关注的焦点议题之一。
本文主要对房价的合理性进行分析，估测了房价未来走势。
同时进一步探讨使得房价合理的具体措施，根据分析结果，定量分析可能对经济发展产生的影响。
对于房价合理性的分析，选取北京，咸阳，大庆三类城市数据，以居民承受能力满意度和房地产商收益满意度作为目标函数，建立了多目标规划模型分析合理性。
此外，考虑到目前中国的房地产市场存在一定的泡沫成分，为使模型更贴近实际，利用CPI指数修正模型，分析出实际房价不合理，存在严重的泡沫成分。
针对房价的未来走势，采用灰色预测模型对未来房价进行预测。
绘制房价未来走势曲线，得到在国家政策及社会环境相对稳定的条件下，房价仍然会继续上涨的结论。
并根据所得结果，提出了调整房价的三点措施。
利用房价的财富效应以及房产投资与GDP之间协整关系分析了房价对国民经济的影响。
由分析得知：房价的不合理上涨会使房地产财富虚增，产生房地产泡沫，影响国民经济的正常发展。
考虑到所涉及的经济学变量均是非平稳的。
为了避免建立虚假回归模型，在对房价模型进行修正和分析房价对国民经济的影响时，我们利用EVIEWS软件，建立了基于单元根检验的协整性分析模型。
关键词：多目标规划灰色预测模型EVIEWS 单位根检验与协整分析一、问题重述1.1问题背景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。
1.2问题提出请根据中国国情，收集建筑成本、居民收入等与房价密切相关的数据分析以下问题：(1)选取我国具有代表性的几类城市对房价的合理性；(2)房价的未来走势等问题进行定量分析，(3)根据分析结果，进一步探讨使得房价合理的具体措施。
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。
房价问题的数学建模论文
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。
由于住房是人们的一项基本需求，同时住房花费又在总支出中占有很大比例，因此房屋价格势必对人们生活乃至社会稳定产生重大影响。
关于房地产的研究主要集中于以下问题：问题一：从我国一线、二线、三线城市中分别取北京、重庆、呼和浩特为样本，分析其房价是否合理。
问题二：分别对北京、重庆、呼和浩特的房地产价格进行预测。
问题三：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。
二、问题分析2—1. 问题1分析本问是要我们通过分析相关数据，找出影响房价合理性的主要因素，然后根据这些因素建立一个城市合理房价的数学模型。
针对本问，通过查阅相关资料并根据已有的数据，确定出某城市房地产价格合理性主要由：经济形势（由固定资产投资表示），人民生活水平（由该城市人均可支配收入表示），消费者对房地产价格的预期（由国家房地产景气指数表示），实际贷款利率，共四个可量化的因素影响，通过这四个因素，我们通过建立经济学的合理价格模型，最终求得该城市房地产合理价格。
2—2. 问题2分析本问是对房价走势进行预测分析，住房作为商品，还兼具生活享受品和投资品的特征，因此，影响房价的因素不仅仅是成本和简单的供需要求，还包括更重要的市场因素、经济因素（如人均收入、政府调控等），建立具体的分析模型比较困难，我们可以借助灰色模型来分析房价走势。
在此，我们选取国内比较有代表性的几个城市来预测整体房价走势灰色模型可简单理解为：如果一个系统具有层次、结构关系的模糊性，动态变化的随机性，指标数据的不完备或不确定性，则称这些特性为灰色性。
数学建模论文-房价问题 精品
数学建模论文-房价问题摘要近几年中国房地产迅猛发展，我们通过广泛调查和分析按照经济带选取了三个具有代表性的城市从整体上分析中国的房价情况。
影响房价的因素有很多，我们首先从经济角度作出房价影响因素的层次分析图，并通过作图拟合选取出影响房价的三个因素，即人均可支配收入，人均消费支出，土地价格指数。
对于模型的选择，考虑到影响因素众多，不能全部考虑，而且有部分数据不全，同时采用了多元线性回归和灰色预测对未来房价走势进行预测，结果显示房价总体呈上升趋势，部分地区房地产过热。
对于房价是否合理，运用了HIR法和房价涨幅对比法对房价的增长速度和居民承受力进行分析。
通过模型的结果，发现房价增长过快，以上海为例对一些政策影响的分析提出了新的措施。
最后，通过大量数据和图表分析得出房价对经济有较大的影响。
关键词：房价多元线性回归灰色预测HIR法图表法目录1 问题重述 (2)2 问题分析 (2)2.1问题一分析 (2)2.2问题二分析 (4)3 问题一 (4)3.1模型假设与符号说明 (4)3.1.1假设 (4)3.1.2符号说明 (5)3.2模型建立与求解 (5)3.2.1多元回归模型 (5)3.2.2灰度预测模型 (11)3.3结果分析 (16)3.4房价的合理性分析 (17)4 问题二 (18)4.1房价合理化措施 (18)4.2对经济发展的影响 (20)5模型的优缺点分析与推广 (23)6参考文献 (23)表A-1 (24)表A-2 (24)附录A (24)附录B (26)1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，以及可能对经济发展产生的影响，并进行定量分析。
武汉市房价调控及预测分析论文(数学建模)
我们的参赛报名号为：
13238002
参赛队员
(签名) ：
队员 1：
队员 2：
队员 3：
武汉工业与应用数学学会 第六届华中地区大学生数学建模邀请赛组委会
第六届华中地区大学生数学建模邀请赛 编 号 专 用 页
选择的题号ቤተ መጻሕፍቲ ባይዱ 2
参赛的编号： 13238002
（以下内容参赛队伍不需要填写）
竞赛评阅编号：
目 录
第六届华中地区大学生数学建模邀请赛 承 诺 书
我们仔细阅读了第六届华中地区大学生数学建模邀请赛的竞赛细则。 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，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的 行为，我们将受到严肃处理。
摘要··················································································································································· 1 一 问题重述·····································································································································2 二 问题分析·····································································································································2 三 模型假设·····································································································································6 四 符号说明及名次解释·················································································································6 4.1 符号说明······························································································································6 4.2 名词解释······························································································································6 五 模型分析与建立·························································································································7 5.1 模型一的分析与建立··········································································································7 5.2 模型二的分析与建立··········································································································7 5.3 模型三的分析与建立········································································································13 六 模型求解···································································································································15 6.1 模型一的求解····················································································································15 6.2 模型二的求解·····················································································································16 6.3 模型三的求解·····················································································································19 七 模型评价···································································································································20 7.1 优点评价····························································································································20 7.2 缺点评价····························································································································21 八 模型推广···································································································································21 九 参考文献···································································································································23 十 附录···········································································································································24
房价预测数学建模
一、摘要房价对经济发展和社会稳定有重大影响,本题的提出是为了探讨各房价的相关影响因素对房价的影响作用并依据相关分析结果给出调节房价的相关措施,并最终将房价的变动反映到经济发展上来.在目前民众普遍关注房价变动的情况下,本题的求解具有很大的应用价值为解决合理性评估问题，我们建立了房屋购买力模型：0XKY式中X代表城镇居民年人均可支配收入，Y代表每平米房价。
给合理性评估提供了一个参考标准，从而有效地评估了房价的合理性。
为解决房价走势问题，我们建立了多元线性回归分析和基于主成分分析的回归分析两个模型，在多元回归分析模型中，通过对各因素的回归拟合分析，建立回归方程，从而达到预测走势的目的。
在主成分分析模型中，通过相关算法，求解出主成分，并建立房价和综合主成分的回归方程，达到预测目的。
二、问题的提出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，在这种情况下,对房价的合理性判断及走势的预测对于国家制定相关政策,稳定经济发展有重要意义.本题就是在这种背景下提出的.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，以及可能对经济发展产生的影响，并进行定量分析。
三、条件假设1: 本模型是针对基础房价进行讨论,基础房价指的是不考虑宏观调控政策影响的完全市场行为下的房价．2: 建筑成本有房地产投资总额和固定房屋竣工面积来反映.3: 忽略一些炒作对房价的影响.4:忽略经济危机等突发性事件对房价的影响。
四、符号约定五、问题分析.经过对问题的审阅,题目中包含四个问题:1.结合相关数据,定量分析有代表性的几类城市房价的合理性.2.结合相关数据,定量分析有代表性的几类城市房价的未来走势.3.根据以上分析结果,提出调控房价的具体措施.4.定量分析房价走势对经济发展的影响.在对问题有了初步认识后,我们查阅了经济学以及房地产的相关资料，给出了问题中所要求的对房价有影响的相关因素的数据，主要包括：房地产投资总额（亿元）、房屋竣工面积（2m）、生产总值（亿元）、总人口数、居民消费水平、人均GDP、商品房销售面积、城镇居民家庭人均可支配收入。
数学建模论文(房地产)
关于房地产投资盈利问题摘要：问题：为了更好地反映房地产的运作过程，本文在房价形成的基础上进一步讨论了影响房价的因素，并对演化机理作了细致深入的分析，然后建立数学模型，总结出影响房价的主要因素：市场供求关系、贷款数额。
从而就房地产投资、开发建设行为，金融监管力度、土地资源管理等方面给出相关建议。
通过模型，对其后房地产市场进行预测，相信房地产市场在政策落实的基础上形式将会一片大好----杜绝房价的泡沫问题，解除不符合市场的正常形态，使购房者，开发商，政府机构之间达到一种动态的利益平衡。
对于第一问，我们选取了房地产开发投资，商品房销售价格与全市生产总值有着密切关系的指标进行研究。
我们采用多元线性回归模型利用SPSS统计软件分别对两个指标与全市生产总值进行线性回归，得到线性回归方程和相关系数。
他们之间的互动越来越强。
对于问题二，我们运用灰色关联分析模型和相关分析方法，得出影响房地产发展的主要因素及关X1(k+1)=[X0(1)-u/a]*e-ak–u/a;X0(k+1)=X1(k+1)-X1(k)X1(k+1)=1557.4*e-0.0155*K-1557.4;X0(k+1)=1557.4*(1557.4* e-0.0155*K-1557.4* e-0.0155*(K-1));k=1,2,....nX0(k+1)表示第K年的人均住房面积。
X0(1)=19.4;对2015年该市人均住房面积进行了预测并得出，2015年该市人均住房面积达到28.85平方米。
关键词：多元先行回归 SPSS 灰色关联分析相关分析灰色预测综合评价方法一、问题重述长久以来，房地产问题都得到了国人很大的关注关于对房地产问题的分析和预测一直没有停止过。
住房问题是关系民生的大问题。
自2001 年以来中国经济进入了以住房、汽车、电子通讯、能源和基础原材料业较快发展的新一轮增长周期。
2004 年1-2 月份固定资产投资完成额增长53％，经济运行中出现了新的不平衡，能源、运输供应紧张，居民消费品价格指数(CPI)开始走高（6 月同比上涨5％），中国经济运行出现偏热的迹象。
数学建模论文(房地产)
关于房地产投资盈利问题摘要：问题：为了更好地反映房地产的运作过程，本文在房价形成的基础上进一步讨论了影响房价的因素，并对演化机理作了细致深入的分析，然后建立数学模型，总结出影响房价的主要因素：市场供求关系、贷款数额。
从而就房地产投资、开发建设行为，金融监管力度、土地资源管理等方面给出相关建议。
通过模型，对其后房地产市场进行预测，相信房地产市场在政策落实的基础上形式将会一片大好----杜绝房价的泡沫问题，解除不符合市场的正常形态，使购房者，开发商，政府机构之间达到一种动态的利益平衡。
对于第一问，我们选取了房地产开发投资，商品房销售价格与全市生产总值有着密切关系的指标进行研究。
我们采用多元线性回归模型利用SPSS统计软件分别对两个指标与全市生产总值进行线性回归，得到线性回归方程和相关系数。
他们之间的互动越来越强。
对于问题二，我们运用灰色关联分析模型和相关分析方法，得出影响房地产发展的主要因素及关X1(k+1)=[X0(1)-u/a]*e-ak–u/a;X0(k+1)=X1(k+1)-X1(k)X1(k+1)=1557.4*e-0.0155*K-1557.4;X0(k+1)=1557.4*(1557.4* e-0.0155*K-1557.4* e-0.0155*(K-1));k=1,2,....nX0(k+1)表示第K年的人均住房面积。
X0(1)=19.4;对2015年该市人均住房面积进行了预测并得出，2015年该市人均住房面积达到28.85平方米。
关键词：多元先行回归 SPSS 灰色关联分析相关分析灰色预测综合评价方法一、问题重述长久以来，房地产问题都得到了国人很大的关注关于对房地产问题的分析和预测一直没有停止过。
住房问题是关系民生的大问题。
自2001 年以来中国经济进入了以住房、汽车、电子通讯、能源和基础原材料业较快发展的新一轮增长周期。
2004 年1-2 月份固定资产投资完成额增长53％，经济运行中出现了新的不平衡，能源、运输供应紧张，居民消费品价格指数(CPI)开始走高（6 月同比上涨5％），中国经济运行出现偏热的迹象。
房价问题的模型设计及相关问题讨论论文
陕西理工学院大学生数学建模竞赛房价问题的模型设计及相关问题讨论摘要: 本文选取了全国几类代表性城市，并收集了影响房价的因素，选取了影响房价的主要因素，发现了房价和其主要因素之间近似成线性关系，进而建立表示房价的数学模型——多元线性回归模型（Y =1a *ΔA +2a *ΔB +3a *ΔC +4a *ΔD+ pjY ）。
对模型进行了全方面的论述，得出求解其中各个参数的方法，并最终求出房价。
然后运用所求解的模型对北京未来四年房价进行预测，分析了对未来经济发展的影响。
第一，用信息增益法找出影响房价的主要因素，再用概率论与数理统计的方法确定各因素与房价之间呈近似线性关系，确定模型；第二，用最小二乘法求解模型中的参数，用回归分析确定模型精度及检验，从而得出一个完整的数学模型；第三，利用往年数据建立拟合曲线，预测了未来四年影响北京市房价的主要因素及房价走势；第四，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；第五，根据模型及建议进行合理的预测，最后分析模型的优缺点并提出了改进方向。
关键词： 房价问题 回归模型 拟合曲线 预测 经济发展一问题的提出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，以及，可能对经济发展产生的影响并进行定量根据本题，收集建筑成本、居民收入等与房价密切相关的数据，提出以下几个问题：问题一：通过分析找出影响房价的主要因素，并建立房价问题的数学模型，对房价与主要因素进行定量分析。
房价问题事数学建模优秀论文
•问题重述1.1问题背景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、普通白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。
1.2问题提出根据中国国情，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儿类城市，就以下儿个方面的问题进行讨论：说明影响房价的主要因素，并定性分析；2.对房价的未来走势进行定量分析；3.对儿类城市房价的合理性进行评价；4.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。
1.3参考数据附件一：9个城市2002-2009年房价及人均可支配收入。
附件二：某城市2003-2008年房地产业的部分数据。
二. 模型假设1.假设模型中的大部分数据真实可幕，所查得的房价等数据均可代表当地的总体情况。
2.假设所考察城市的居民收入的平均水平代表总体，不考虑居民收入间差距。
3.假设城市经济的发展用全市生产总值表示；4.假设在房价的预测期间没有人为干预，仅为市场的总动调节；5.假设数据的波动属于合理范围内；三. 符号说明X。
k ：笫R年房价的历史数据x[ k ：对前k年房价的一次累加Y k :£ :£年按GM 1,1模型求得的原始房价的预测值灰色关联度Pij 1 : P:/：一步状态转移概率，系统经过一步由耳状态转向划状态的概率当地房地产价格当地人均可支配收入卩八标准差系数，衡量房价收入比的波动幅度R — square :回归方程的拟合优度，越接近1表示拟合程度越好四. 问题分析房价问题事关国计民生，随着房价的不断飙升，房价问题已经受到了各个阶层人民的广泛关注。
4.1问题一的分析房地产价格是多因素相互作用的结果，各因素对房地产价格的影响有正有负, 影响程度有大有小。
数学建模 房价预测论文
房价的预测及调控问题题目近几年来，我国各大城市的房价出现了普遍持续上涨、高居不下的情况。
房价的上涨使生活成本大幅增加，导致许多中低收入人群买房难。
国家也通过不同的措施（例如国十条的颁布等），希望能够有效地抑制房地产价格上扬，房价是一个备受关注的社会问题。
现在请你就以下几个方面的问题进行讨论：1．通过互联网，以某个城市的房价为数据，建立一个城市房价预测的数学模型；2．通过分析找出影响房价的主要因素；3．分析国家调控政策对房价的影响，并对可能产生的效果进行科学预测和评价。
论文摘要房地产行业与人民的生活息息相关，但近年来由于种种因素影响，住房价格节节攀升，引起社会广泛关注。
本文以郑州市为载体，对商品房平均销售价格进行预测；找出影响郑州市房价的主要影响因素，进而对影响因素进行比较科学的分析；并对政府出台的调控政策进行评价。
以建立一个比较科学普遍的房价预测模型，为国家更好的调控房地产市场，为居民更加理性的购房提供借鉴。
论文主要分为以下四个层次。
首先，对2005年至2009年郑州市商品房平均销售价格进行分析，建立GM（1，1）灰色模型，预测出2010年、2011年在不出台新的调控政策的情况下的商品房平均销售价格。
其次，我们从供应量，成本，需求量，居民购房能力等四个方面分析了与住房价格密切相关的因素；并根据近几年的数据建立灰色关联模型，计算各主要影响因素的综合关联度，进而对各主要因素对房价的影响进行评价。
再次，根据已建立的模型，结合相关专业知识，我们对国家出台的主要调控政策的效果进行了评价，并进而对新出台的调控政策可能的影响进行了预测。
从而，据此我们对已得到的房价预测结果进行修正。
最后，我们对建立的预测模型进行了客观的评价，分析了它的优点和不足，进而对模型的改进和推广提供了一些意见。
关键词：灰色系统 GM（1,1）关联度房价预测调控政策一．问题重述近年来，我国房地产行业得到了长足发展，对我国的经济贡献率不断提高。
房价问题的数学建模论文
房价问题的数学建模汪茵芸、史明、蒋漓摘要随着我国房地产市场的不断升温，其伴随的相关产业也红火起来，例如新兴了一些研究机构对房产造价评估，价格走势预测等。
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，并预测出了下一阶段的昆山房价均价，同时拟出了同一地区“二手记”房价、租金与房价之间的关系，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。
对于问题二，我们通过分析确定了可以利用华中科技大学控制科学与工程系教授，博士生导师邓聚龙于1982年提出的灰色模型【1】来进行求解。
通过确立变量，建立模型，最终我们通过预测得到了北京市接下来三年的房价数据：2010年房产均价为14149.9887元/平方米，2011年房产均价为16227.60531元/平方米，2012年房产均价为18610.27455元/平方米。
在第三问中，我们通过对北京地区房价，“二手房”套价，房屋租金套价的分析，找出相关数据，利用matlab软件进行拟合，得出二手房套价与房价的关系图，房屋租金套价与房价的关系图。
并在结果分析中作出了具体而详实的分析。
使它们之间的关系更为明晰。
针对第四问，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。
如地产商的拿地首付规定不得低于50%；二套房贷首付至少50%等政策。
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。
第五问是一个开放性的题目，对此，我们根据前面所得出的结果，结合自身感受，选定主要针对购房（新房）来提出一些拙见。
房价问题数学建模论文【范本模板】
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B题剪切线理学院第019 队房价问题的数学模型摘要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。
经过剖析我们将问题细化为以下四个方面：1.房价合理性2.未来走势预测3。
具体措施4。
对经济的影响。
针对问题一，我们通过研究城市房价合理性模型,找出了判断房价合理性的标准,同时拟出了同一地区成本、销售面积、人均GDP之间的关系。
在解决这一问题时，我们采用了多元线性回归模型对相关变量进行了分析与处理，最终确定了判断房价合理性的标准。
对于问题二,我们通过分析确定了可以利用灰色模型来进行求解。
通过确定变量，建立模型，最终我们通过预测得到了北京市接下来四年的房价（元/平方米）数据：第三问中，我们通过分析确定了使得房价合理的几种具体措施，包括防止炒房，提高居民购买力，减少土地价格。
为了得到最有效的措施,我们通过层次分析模型对各种具体措施对房价合理性的影响的权重系数进行了求解，比较各个系数大小，最终得出最有效的措施为防止炒房。
针对第四问，我们通过对北京地区房价,土地交易价格指数的分析，找出相关数据，利用matlab软件进行拟合，得到土地交易价格指数与房价的关系图。
并在结果分析中做出了具体而详实的分析，使它们之间的关系更为明晰.关键字：房价多元线性回归灰色模型层次分析一、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,以及可能对经济发展产生的影响，并进行定量分析。
房价预测论文(设计)
数据：年份平均房价（元/㎡）2001 1872 2002 1975 2003 2096 2004 2868 2005 3219 2006 3678 2007 4276 2008 48572009 49232010 59372011 6675时间序列分析1一般概念：系统中某一变量的观测值按时间顺序（时间间隔相同）排列成一个数值序列，展示研究对象在一定时期内的变动过程，从中寻找和分析事物的变化特征、发展趋势和规律。
它是系统中某一变量受其它各种因素影响的总结果。
研究实质：通过处理预测目标本身的时间序列数据，获得事物随时间过程的演变特性与规律，进而预测事物的未来发展。
它不研究事物之间相互依存的因果关系。
假设基础：惯性原则。
即在一定条件下，被预测事物的过去变化趋势会延续到未来。
暗示着历史数据存在着某些信息，利用它们可以解释与预测时间序列的现在和未来。
近大远小原理（时间越近的数据影响力越大）和无季节性、无趋势性、线性、常数方差等。
(4)研究意义：许多经济、金融、商业等方面的数据都是时间序列数据。
时间序列的预测和评估技术相对完善，其预测情景相对明确。
尤其关注预测目标可用数据的数量和质量，即时间序列的长度和预测的频率。
自回归时间序列分析：利用前期若干时刻的随机变量的线性组合来描述以后某时刻随机变量的线性回归模型。
2.变动特点(1)趋势性：某个变量随着时间进展或自变量变化，呈现一种比较缓慢而长期的持续上升、下降、停留的同性质变动趋向，但变动幅度可能不等。
(2)周期性：某因素由于外部影响随着自然季节的交替出现高峰与低谷的规律。
(3)随机性：个别为随机变动，整体呈统计规律。
(4)综合性：实际变化情况一般是几种变动的叠加或组合。
预测时一般设法过滤除去不规则变动，突出反映趋势性和周期性变动。
3. 特征识别认识时间序列所具有的变动特征，以便在系统预测时选择采用不同的方法。
(1)随机性：均匀分布、无规则分布，可能符合某统计分布。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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：20042005200620072008200920102011表2.3 房价与时间【数据来源】威海统计信息网（/）三、模型的建立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。
4、房型对房价没有影响。
5、确定主要三个决定因素：gdp、人均储存、建房成本。
3.1 模型假设我们利用线性叠加定理确定房价模型应为Y=Q1*x1+Q2*x2+Q3*x3+Q4其中x1、x2、x3是主要影响房价的三大因素，他们也是时间的函数。
通过matlAB的lsqcurvefit函数求解系数，得到Y=A1*x1*x1*x1+A2*x2+A3*x3*x3+A43.2符号说明：x1代表建房成本平局值x2代表GDPx3代表人均储存y带表房价r表示相关系数q1 q2 q3 q4代表线性系数a1 a2 a3 a4 为最终拟合系数3.3建模计算3.3.1各因素与房价的线性估计。
建房成本与房价的线性拟合（这里我们只需要体现出线性相关系数，代码见附录）求解得：可以看出线性非常强。
同理可以计算，GDP与房价相关系数：人均存贮和房价的线性相关系数：所以我们可以运用线性叠加来求解来表示房价关系。
3.3.2各因素与时间的拟合3.3.2.1建房成本与时间的3次拟合图3.1建房成本与时间的3次拟合求得系数矩阵为：p =1.0e+010 *-0.0000 0.0000 -0.0105 7.0206 3.3.2.2GDP与时间的1次拟合拟合图像如下：图3.2GDP与时间的1次拟合线性相关度：r =1.0000 0.95390.9539 1.0000系数矩阵：p =1.0e+007 *0.0006 -1.16413.3.2.3人均存贮与时间的2次拟合拟合图像如下：图3.3人均存贮与时间的2次拟合系数矩阵：p =1.0e+009 *0.0000 -0.0013 1.30293.3.2.4利用lsqcurvefit函数求解q（系数）矩阵得最终表达式为0.0002-1.14150.019710.0000带入Y=A1*x1*x1*x1+A2*x2+A3*x3*x3+A4，所以我们可以解得最终房价与时间的图像为图3.4利用lsqcurvefit函数求解q（系数）四、人口预测经过matlab计算可得函数的Y=A1*x1*x1*x1+A2*x2+A3*x3*x3+A4最终表达式为t的函数为其中系数矩阵a为a =0.0002-1.14150.019710.0000那么我们可以进行房价的预测了：其中2012年的房价为ans =5.4930e+0032013年的房价为ans =5.8607e+003下图为到2100年的房价预测：图4.1 房价预测四、拐点分析：图4.1 拐点分析经过我们的仔细分析，排除了一些次要因素，分析了几个主要因素，得出了上图所示的图形，从图中可以清楚的看到房价在2070年—2080年之间出现了拐点，当然我们的模型得出的有偶然性，因为影响房价的因素实在是太多，尤其是政府的宏观调控，我们并没有考虑在内，因为我们搜集的数据有限，只是在搜集到的数据基础上建立的模型，对威海市未来房价走势的预测有一定的参考价值。
房价拐点在短时期之内不会到来，未来几年房价走势还是继续上升，其中影响因素众多，其中与威海特殊的地理位置、政府的宏观调控有很大关系，威海市发展中的城市，经济很活跃，各种因素错综复杂，做出一个准确的预测很难。
加之房地产业异常活跃，成为投机者谋取利益的一个重要砝码。
居民收入是影响消费的首要因素，在我们的建模里用人居存储来表示。
随着居民收入的大幅度上升，居民的消费观念在一定程度上从储蓄转化为投资，而购置房产则是居民较理性的投资选择，因而对房屋的需求显著增加。
尤其在在住房制度改革的推动下，住房的有效需求得以更大程度地释放，家庭结构的变化和城镇化的推进又扩大了住房需求。
这是房价保持上涨态势最显而易见的原因。
根据市场导向原则，需求的增加必然会导致投资的增加，投资力度的加大必然是在给房地产行业升温，房价被进一步拉高。
房价就在消费需求、投资需求、投机需求的共同推动下不断攀升，早买房、买大房的住房消费行为成为居民应对房价快速上涨的选择。
另外，随着居民收入的增加，人均可支配收入也会相应增加，就会在一定程度上刺激消费。
越来越多的人民币会从银行转出，投入市场。
从市场角度看，由与经济的有关公式：人民币币值=人民币的需求量/纸币的供给量，市场对纸币在短期内的需求量是一定的，而消费的增加会使大量的纸币涌入市场，因此纸币的币值即纸币的购买力下降，物价水平必然会上涨。
因而建造房屋的材料成本同样会上升，当然房价也会上涨。
城市的GDP水平对房价的影响很重要。
GDP发展水平影响居民生活的方方面，必然会对房价产生重要影响。
建筑成本是另一个重要因素，它是以房地产开发项目有关的各种费用,包括土地成本、材料成本以及劳动力成本等因素。
随着物价水平的上涨，土地成本、材料成本以及劳动力成本等均有了不同程度的增加，各种因素加权起来对房价上涨的推动力量是不容忽视的。
各种因素的影响不是单方面起作用的，都是互相影响，共同推动房价增长。
由于我们对经济方面只是了解有限，只能做一些肤浅的分析，参考了部分书籍，对我们分析模型产生了很大的影响。
同时我们也希望用我们的只是给买房者提供一些参考意见：建议一：建立合理的消费意识，不盲目投资。
很多人把房产当成固定资产来增值保值，盲目追求当前利益，而忽略市场因素的作用，很可能到最后两手空空。
建议二：对于收入水平不高的群体，可以通过买二手房的方式取得房产。
毕竟威海市房价近几年会有增无减，合理安排收入成为很大一部分人的必然选择。
建议三：注意房子质量问题。
房价短时期内会持续增长，很多投机主义者想在房产投资方面捞一把，难免会出现豆腐渣工程，因此对于买房者来说，不贪图眼前的小利益显得很重要。
建议四：对房地产基本知识有一个初步了解，不要听信一些花言巧语。
掌握的信息量不够时，很可能被别人的思想所左右，比如会被售楼小姐的推销政策影响。
五、模型评价1、本模型依赖于线性方程构建的想法，模型建立之后进行了修正得到的结果比较符合实际。
方案简洁明了，易于操作；2、本模型建立过程中忽略了众多因素对房价的影响，导致模型的结果与真实值之间存在一定误差；3、本模型建立过程中考虑各个因素与房价呈线性关系，但实际上线性关系不一定是最好的选择，还可以考虑2次、多次等关系，所建立的模型会更加复杂。
4、模型建立过程中，适当在加入一些参数可能会使模型更加精细，更符合实际情况。
六、附录：程序：①MA TLAB中求解相关系数代码建房成本x1=[848.0 805.5 962.7 988.2 1120.9 1432.4 1320.6];y=[1712.5 1928.0 2278.5 2705.0 3328.8 3645.0 3586.0];r=corrcoef(x1,y)gdpx2=[40667 46988 54741 63226 63519 70047 76778];y=[1712.5 1928.0 2278.5 2705.0 3328.8 3645.0 3586.0];r=corrcoef(x2,y)人均存储x3=[15898 18362 20998 27773 32667 37426];y=[1712.5 1928.0 2278.5 3328.8 3645.0 3586.0];r=corrcoef(x3,y)②MA TLAB中建房成本与时间的3次拟合代码：x1=[848.0 805.5 962.7 988.2 1120.9 1432.4 1320.6];t=2004:1:2010;r=corrcoef(t,x1)p=polyfit(t,x1,3)y1=polyval(p,t);plot(t,x1,':o',t,y1,'-*')③MA TLAB中建gdp与时间的1次拟合代码：t=2004:1:2010;x2=[40667 46988 54741 63226 63519 70047 76778];r=corrcoef(t,x2)p=polyfit(t,x2,1)y2=polyval(p,6)y1=polyval(p,t);plot(t,x2,':o',t,y1,'-*')④MATLAB中人均存储与时间的2次拟合代码：t=2004:1:2010;x3=[15898 18362 20998 23247 27773 32667 37426];p=polyfit(t,x3,2)y1=polyval(p,t);plot(t,x3,':c',t,y1,'-*')r=corrcoef(t,x3)⑤MATLAB中求解系数代码：t=2004:1:2011;y=[1712.5 1928.0 2278.5 3705.0 3328.8 3645.0 3586.0 4168];a=lsqcurvefit('fangjia2',[1;10;0;10],t,y);a'y1=a(1)*(-8.68*t.*t.*t+85.7369*t.*t-118.2*t+885.2619)+a(2)*(5830*t+41 935)+a(3)*(t.*t*325+1619*t+16111)+a(4);plot(t,y,'c+:',t,y1,'-*')⑥MATLAB中预测函数代码t=2004:1:2100;a;y1=a(1)*(-8.68*t.*t.*t+85.7369*t.*t-118.2*t+885.2619)+a(2)*(5830*t+41 935)+a(3)*(t.*t*325+1619*t+16111)+a(4);plot(t,y1,'c+:')y1(11)y1(12)参考文献：【1】姜启源，谢金星，叶俊。