寶雞市房地產(chǎn)調(diào)控研究

1、寶雞市房地產(chǎn)調(diào)控研究xxx 數(shù)信院 14數(shù)學(xué)與應(yīng)用數(shù)學(xué)xxx 地環(huán)院 15地理科學(xué)xxx 數(shù)信院 15統(tǒng)計(jì)學(xué)摘要我國(guó)房地產(chǎn)調(diào)控方案多為定性的行政手段，量化調(diào)控方案很少，合理的量化方案對(duì)房地產(chǎn)的調(diào)控有著極其重要的意義。本文針對(duì)房地產(chǎn)調(diào)控問(wèn)題采用了多元分析法，建立了灰色預(yù)測(cè)模型，利用matlab得到了商品住宅價(jià)格、GDP增速、市民工資水平之間的關(guān)系式為 y=1.5307+0.0026-734.17。針對(duì)問(wèn)題1：為了實(shí)現(xiàn)寶雞市商品住宅價(jià)格、大宗商品價(jià)格、工資收入和GDP的關(guān)系，首先對(duì)寶雞市各個(gè)主要片區(qū)數(shù)據(jù)進(jìn)行了分析、整理與篩選，建立多個(gè)變量的多元回歸分析模型，算出了回歸系數(shù)。并挖掘出了各片區(qū)商品住宅

2、價(jià)格變化數(shù)據(jù)、大宗商品價(jià)格變化數(shù)據(jù)、工資收入和GDP數(shù)據(jù)之間的關(guān)系。針對(duì)問(wèn)題2：:采用了GM(1,1)灰色預(yù)測(cè)模型，預(yù)測(cè)了2015年8月份到2016年6月份寶雞市的商品住宅價(jià)格，并與真實(shí)值進(jìn)行了對(duì)比，檢驗(yàn)了模型的準(zhǔn)確性后對(duì)2016年7月份到12月份寶雞市的商品住宅價(jià)格進(jìn)行了預(yù)測(cè)。針對(duì)問(wèn)題3：通過(guò)對(duì)寶雞市市民工作收入具體情況，以及對(duì)GDP的數(shù)據(jù)進(jìn)行處理計(jì)算得到了GDP增長(zhǎng)率，由此得到寶雞市該增長(zhǎng)率的變化趨勢(shì)。利用曲線擬合模型和回歸分析模型。得到商品住宅價(jià)格、GDP 增速、市民工資水平之間的關(guān)系。再通過(guò)MATLAB工具對(duì)GDP增長(zhǎng)率和商品住宅價(jià)格增長(zhǎng)率進(jìn)行了曲線擬合并分析評(píng)價(jià)了調(diào)控房地產(chǎn)政策的時(shí)效

3、性。分析可得寶雞政府應(yīng)該加大廉租房、公租房的建設(shè)力度，另外控制市場(chǎng)經(jīng)濟(jì)，使得寶雞市商品住宅價(jià)格變得更加的合理。關(guān)鍵字：多元回歸分析法；灰色預(yù)測(cè)模型；曲線擬合；matlab；一、問(wèn)題重述從2002年8月26日六部委頒發(fā)217號(hào)文件起，我國(guó)房地產(chǎn)調(diào)控歷史走過(guò)了十余年。，這十年里，我國(guó)的房地產(chǎn)調(diào)控經(jīng)過(guò)了四個(gè)階段，調(diào)控的目標(biāo)也逐漸清晰，政策體系逐漸建立。然而，雖然調(diào)控取得一定成績(jī)，但調(diào)控多為定性的行政手段，量化方案很少。并且調(diào)控政策一般只是短暫適用某一特定時(shí)期。請(qǐng)根據(jù)寶雞市近年經(jīng)濟(jì)數(shù)據(jù)解決以下問(wèn)題：1.收集整理寶雞市近十年各片區(qū)商品住宅價(jià)格變化數(shù)據(jù)、大宗商品價(jià)格變化數(shù)據(jù)、工資收入和GDP數(shù)據(jù)等，并挖掘

4、他們之間的關(guān)系。2.根據(jù)近十年已知數(shù)據(jù)建立數(shù)學(xué)模型并預(yù)測(cè)2016年1-6月間商品住宅價(jià)格，與實(shí)際相比較，并依此來(lái)預(yù)測(cè)2016年7-12月商品住宅價(jià)格的變化趨勢(shì)。3.結(jié)合寶雞市市民工資收入的具體情況，評(píng)價(jià)調(diào)控政策“商品住宅價(jià)格的增長(zhǎng)速度不高于GDP的增長(zhǎng)速度”在多長(zhǎng)時(shí)間內(nèi)有效。并嘗試建立數(shù)學(xué)模型模擬商品住宅價(jià)格、GDP增速、市民工資水平之間的關(guān)系。二、模型假設(shè)基于此問(wèn)題，我們作出如下假設(shè)：1.假設(shè)搜集所得數(shù)據(jù)準(zhǔn)確真實(shí)；2.假設(shè)模型建立不受國(guó)家宏觀調(diào)控的影響。3.假設(shè)本文所采集到數(shù)據(jù)的都是真實(shí)可靠的。4.假設(shè)各影響因素間相對(duì)獨(dú)立。三、符號(hào)說(shuō)明符號(hào)含義表示第年商品住宅平均價(jià)格表示第年GDP值表示第年

5、人均工資收入表示第年大宗商品價(jià)格原始數(shù)據(jù)列一次累加生成數(shù)據(jù)列白化方程中兩個(gè)待定參數(shù)為一個(gè)兩列一行的矩陣為一個(gè)列向量經(jīng)殘差修正后的數(shù)據(jù)列經(jīng)修正后的累加微分方程經(jīng)修正后的還原方程判別式，當(dāng)時(shí)，其值為1；當(dāng)，其值為0殘差檢驗(yàn)級(jí)別偏差值檢驗(yàn)四、問(wèn)題分析寶雞市總共分為3區(qū)9縣,我們需對(duì)近十年來(lái)每個(gè)區(qū)縣的商品住宅價(jià)格變化數(shù)據(jù)、 大宗商品價(jià)格變化數(shù)據(jù)、工資收入、GDP 數(shù)據(jù)進(jìn)行收集、整理，篩選?？梢詰?yīng)用多元回歸分析，建立各變化數(shù)據(jù)的函數(shù)關(guān)系，得到各數(shù)據(jù)間的內(nèi)在聯(lián)系。對(duì)于問(wèn)題一，要求對(duì)2006年至2015年寶雞市各片區(qū)商品住宅價(jià)格變化數(shù)據(jù)、大宗商品價(jià)格變化數(shù)據(jù)、工資收入、GDP 數(shù)據(jù)，對(duì)整理后的數(shù)據(jù)進(jìn)行篩選，

6、簡(jiǎn)化模型為12個(gè)主片區(qū)進(jìn)行數(shù)據(jù)間的關(guān)系分析，可以建立多個(gè)變量的多元回歸分析模型。對(duì)于問(wèn)題二，要求我們對(duì)城市整體的商品房房?jī)r(jià)的數(shù)據(jù)進(jìn)行分析和對(duì)未來(lái)房?jī)r(jià)的預(yù)測(cè)。我們可以利用灰度預(yù)測(cè)模型,進(jìn)行預(yù)測(cè)，并對(duì)相對(duì)誤差和殘差進(jìn)行分析，得到準(zhǔn)確度較高的數(shù)據(jù)，從而解決商品住宅價(jià)格的預(yù)測(cè)。對(duì)于問(wèn)題三，要求我們針對(duì)國(guó)家經(jīng)濟(jì)調(diào)控的政策：房?jī)r(jià)的增長(zhǎng)速度不高于 GDP 的增長(zhǎng)速度。 評(píng)價(jià)政策的失效時(shí)間點(diǎn)，我們需給出一個(gè)評(píng)價(jià)體系來(lái)綜合評(píng)判政策與商品房房?jī)r(jià)之間的關(guān)系，可以引入多元二項(xiàng)回歸來(lái)具體分析各項(xiàng)因素之間的關(guān)系及對(duì)政策的影響，根據(jù)歷年數(shù)據(jù)擬合增長(zhǎng)方向，建立數(shù)學(xué)模型并求解。五、模型建立與求解。而商品住宅價(jià)格、GDP增速、市

7、民工資水平之間的關(guān)系仍可以利用多元回歸模型進(jìn)行模擬。五、模型的建立與求解5.1對(duì)于問(wèn)題一的模型建立與求解5.1.1對(duì)寶雞市的住宅價(jià)格、工資收入、GDP和大宗商品價(jià)格的合理性分析5.1.1.1根據(jù)查找的數(shù)據(jù)，整理得到附錄1的數(shù)據(jù)通過(guò)excel繪制出寶雞市從2006年到2015年商品住宅價(jià)格的波動(dòng)圖。圖1: 圖1通過(guò)圖1，我們可以很明顯的發(fā)現(xiàn)寶雞市住宅價(jià)格隨時(shí)間波動(dòng)顯著5.1.1.2 根據(jù)查找的數(shù)據(jù)，整理得到附錄2的數(shù)據(jù)通過(guò)excel繪制出寶雞市從2006年到2015年的年人均工資收入的變化趨勢(shì)如下圖。為圖2： 圖2由該圖我們可以明顯看出2006年到2014年的人均年工資收入是隨時(shí)間的變化呈現(xiàn)增長(zhǎng)

8、的趨勢(shì) ，但在2015年卻有所降低。5.1.1.3同理根據(jù)附錄3可繪制出各個(gè)主要片區(qū)的GDP變化情況如下圖。為圖3： 通過(guò)該圖可知寶雞市各個(gè)片區(qū)的GDP值是呈現(xiàn)逐年增長(zhǎng)的趨勢(shì)。5.1.1.4根據(jù)附錄4，繪制出了大宗商品總指數(shù)隨時(shí)間的曲線圖。為圖4： 圖4通過(guò)該圖可知寶雞市的大宗商品價(jià)格總指數(shù)隨著時(shí)間的變化不大。5.1.2問(wèn)題1模型的建立由分析可得，建立多元線性回歸分析模型：變量：應(yīng)變量1個(gè)，自變量m個(gè)，共m+1個(gè)。樣本含量：n個(gè)回歸模型一般形式：設(shè)Y為因變量房地產(chǎn)價(jià)格，X1, X2,XK,為自變量人均年工資，GDP，大宗商品價(jià)格；則多元回歸線性模型為： Y=B0+B1X1+B2X2+BXK+e

9、其中，B0為常數(shù)項(xiàng)，B1,B2,BK,為回歸系數(shù)，B1為X2,X3,XK,固定時(shí)，X1每增加一個(gè)單位對(duì)應(yīng)Y的效應(yīng)，即X1對(duì)Y的偏回歸系數(shù)，同理B2為X1,X3,XK,固定時(shí)，X2每增加一個(gè)單位對(duì)應(yīng)Y的效應(yīng)，即X2對(duì)Y的偏回歸系數(shù),B3為X1,X2,XK,固定時(shí)，X每增加一個(gè)單位對(duì)應(yīng)Y的效應(yīng)，即X3對(duì)Y的偏回歸系數(shù).講方程式轉(zhuǎn)化成矩陣即為：其中：記,的觀測(cè)值分別為,且， ， ， 用MATLOB求解可得和的值,即X，Y的矩陣。5.1.3問(wèn)題1模型的求解5.1.3.1關(guān)于商品住宅平均價(jià)格和GDP及人均工資收入的關(guān)系用最小二乘法求,的估計(jì)值，即應(yīng)選取估計(jì)值，使得當(dāng)，時(shí)，誤差平方和達(dá)到最小。利用matl

10、ab求得：見(jiàn)附錄55.1.3.2關(guān)于商品住宅平均價(jià)格和大宗商品價(jià)格之間的關(guān)系用最小二乘法求,的估計(jì)值，即應(yīng)選取估計(jì)值，使得當(dāng)，時(shí)，誤差平方和達(dá)到最小。利用matlab求得;見(jiàn)附錄65.1.3.3關(guān)于商品住宅平均價(jià)格和GDP、人均工資收入及大宗商品價(jià)格的關(guān)系 用最小二乘法求,的估計(jì)值，即應(yīng)選取估計(jì)值，使得當(dāng)，時(shí)，誤差平方和達(dá)到最小。利用matlab軟件求得：即是，。故見(jiàn)附錄7由上述公式可得：大宗商品購(gòu)進(jìn)價(jià)格指數(shù)對(duì)商品住宅平均價(jià)格影響最大,其次該地區(qū)的GDP指數(shù)對(duì)商品住宅平均價(jià)格影響一般，人均工資收入水平對(duì)商品住宅平均價(jià)格的影響很小。5.2模型二的建立與求解5.2.1模型二的建立在分析該問(wèn)題的基礎(chǔ)

11、上根據(jù)2011年到2013年上半年南昌市商品住宅價(jià)格，我們采用灰色預(yù)測(cè)模型預(yù)測(cè)南昌市2013年6月到12月間的商品住宅價(jià)格。并通過(guò)后殘差檢驗(yàn)與級(jí)別偏差值檢驗(yàn)兩個(gè)指標(biāo)驗(yàn)證模型的準(zhǔn)確性。評(píng)定預(yù)測(cè)模型的精度等級(jí)具體指標(biāo)如表1所示：表1綜合評(píng)定預(yù)測(cè)模型的精度等級(jí)表精度等級(jí)一般較高不合格要求<0.2<0.1>0.2<0.2<0.1>0.2GM 模型是基于累加生成的數(shù)列預(yù)測(cè)模型，建立模型步驟為：（1）設(shè)原始數(shù)據(jù)列為：， （2）對(duì)作一次累加生成（1AGO）,得生成數(shù)列為： 其中 ，() （3）則對(duì)生成數(shù)列有如下的白化微分方程： ， 其中和為待定參數(shù)，利用最小二乘法擬合得到

12、： （4）構(gòu)造數(shù)據(jù)矩陣 方程（2.5）中為一列向量，為構(gòu)造數(shù)據(jù)矩陣： (5) 通過(guò)和求出待定參數(shù)和，并將和代入白化微分方程，并令當(dāng)時(shí)，可得， 對(duì)于一次累加生成數(shù)列，則有：， 由方程上述得到模型的計(jì)算值，經(jīng)累加還原后即可得到的估計(jì)值：5.2.2模型的求解 運(yùn)用matlab軟件根據(jù)附錄8的灰色預(yù)測(cè)后的數(shù)值，驗(yàn)差檢驗(yàn)得出2015年8月到2016年6月的商品住宅價(jià)格預(yù)測(cè)值與實(shí)際值比較為下表2： 序號(hào)年/月份原始值預(yù)測(cè)值殘差相對(duì)誤差級(jí)比偏差12015年8月3960396000022015年9月39823940.741.29860.01040.00063 2015年10月 39683960.37.7403

13、0.002-0.008542015年11月39703979.9-9.91510.0025-0.004552015年12月39703999.7-29.6680.0075-0.00562016年1月39934019.5-26.5190.00660.000872016年2月39754039.5-64.4680.0162-0.009582016年3月41104059.550.4830.01230.02892016年4月41064079.726.3350.0064-0.0059102016年5月41064099.96.0870.0015-0.005112016年6月41194120.3-1.26410.

14、0003-0.0018表2由表可知：相對(duì)誤差和級(jí)比偏差的值均小于0.1故說(shuō)明此模型的預(yù)測(cè)出來(lái)的數(shù)據(jù)較高的符合當(dāng)前狀態(tài)下的未來(lái)商品住宅價(jià)格。因此可得2016年7-12月的商品住宅價(jià)格的預(yù)測(cè)為下表3月份789101112價(jià)格41194121.341204116.741184121.3圖5由圖5 可以說(shuō)明寶雞地區(qū)商品住宅價(jià)格總體來(lái)說(shuō)有較小的波動(dòng)。5.3.模型三的建立與求解5.3.1先通過(guò)excle計(jì)算出寶雞市GDP的增速為表4 年份200720082009201020112012201320142015增速0.2209370.2086080.1731710.1675260.2273340.19429

15、50.10920.0760580.041666圖6上圖6為GDP增速隨時(shí)間變化圖,從圖中可以看出寶雞市GDP的增速大概維持在一個(gè)數(shù)值范圍內(nèi)。5.3.2建立商品住宅價(jià)格、GDP增速、市民工資水平之間關(guān)系模型5.3.2.1 運(yùn)用matlab自帶的擬合工具箱cftool中經(jīng)過(guò)數(shù)次擬合后，得出合理的寶雞市GDP增長(zhǎng)率與商品住宅價(jià)格增長(zhǎng)率隨時(shí)間變化的曲線關(guān)系圖。為圖7：圖75.3.2.2為了準(zhǔn)確的得出商品住宅價(jià)格、GDP增速、市民工資水平之間關(guān)系模型，通過(guò)多元二項(xiàng)式回歸方程來(lái)確定他們之間的的關(guān)系，通過(guò)對(duì)寶雞市近幾年的已知數(shù)據(jù)，由MATLAB編程得到交互式畫(huà)面，為圖8：圖8商品住宅價(jià)格、人均GDP增長(zhǎng)率、

16、市民工資水平擬合曲線圖通過(guò)模型的判定，確立了他們的關(guān)系符合二項(xiàng)式回歸模型，從而得到商品住宅價(jià)格、人均GDP增長(zhǎng)率、市民工資水平三者之間的關(guān)系為：y=1.5307+0.0026-734.17編程見(jiàn)附錄95.3.3預(yù)測(cè)商品住宅價(jià)格與GDP增長(zhǎng)率變化趨勢(shì)運(yùn)用matlab自帶的擬合工具箱l經(jīng)過(guò)數(shù)次擬合后，得出合理的寶雞市GDP增長(zhǎng)與商品住宅價(jià)格增長(zhǎng)隨時(shí)間變化的曲線關(guān)系圖寶雞市GDP增長(zhǎng)隨時(shí)間變化的曲線關(guān)系圖。為圖9圖9商品住宅價(jià)格的增長(zhǎng)隨時(shí)間的變化圖。為圖10圖10根據(jù)擬合結(jié)果，分別預(yù)測(cè)出2016年到2022年的人均GDP增長(zhǎng)與商品住宅價(jià)格增長(zhǎng)。再用excel做出人均GDP增長(zhǎng)率與商品住宅價(jià)格增長(zhǎng)率隨

17、年份的變化曲線圖，為下圖通過(guò)圖11可以知道，近幾年的商品住宅價(jià)格持續(xù)走高如果政府在不進(jìn)行房地產(chǎn)調(diào)控，那么商品住宅價(jià)格增長(zhǎng)速度將會(huì)在2020年左右超過(guò)GDP的增長(zhǎng)速度，即調(diào)控政策“商品住宅價(jià)格的增長(zhǎng)速度不高于GDP的增長(zhǎng)速度”在4年內(nèi)有效。如果出現(xiàn)商品住宅價(jià)格增長(zhǎng)超過(guò)GDP的增長(zhǎng)速度速這種狀況，經(jīng)濟(jì)水平會(huì)因?yàn)樯唐纷≌瑑r(jià)格的過(guò)高、房地產(chǎn)市場(chǎng)的泡沫現(xiàn)象而抑制發(fā)展。因此，寶雞政府應(yīng)該加大廉租房、公租房的建設(shè)力度，另外控制市場(chǎng)經(jīng)濟(jì)，使得寶雞市商品住宅價(jià)格變得更加的合理。六、模型的評(píng)價(jià)與推廣模型的優(yōu)點(diǎn)：1.對(duì)問(wèn)題一建立了多元線性回歸模型，該模型實(shí)時(shí)有效，具有一般性與通用性。2.模型簡(jiǎn)單易懂，便于編程計(jì)算，

18、可以用其在較短時(shí)間內(nèi)對(duì)大量數(shù)據(jù)進(jìn)行處理， 減少工作量，提高工作效率。3.問(wèn)題三所得出的結(jié)論可運(yùn)用到其它地區(qū)。模型的缺點(diǎn)：1.曲線擬合模型對(duì)數(shù)據(jù)依賴性高，易產(chǎn)生波動(dòng)。2.計(jì)算量比較大，需要的數(shù)據(jù)量較大，不易于收集。模型的推廣： 本文建立的多元回歸分析模型、灰度預(yù)測(cè)模型及曲線擬合模型均具有較強(qiáng)的通用性，通過(guò)房地產(chǎn)相關(guān)因素之間關(guān)系的分析可以推廣到判斷其他城市或者是世界各地區(qū)的房地產(chǎn)相關(guān)信息是否合理進(jìn)行判斷。七、參考文獻(xiàn)1范秀榮，蘇繼偉，統(tǒng)計(jì)學(xué)原理，重慶，高等教育出版社，196200頁(yè),20102寶雞市統(tǒng)計(jì)局網(wǎng)站 3陜西省統(tǒng)計(jì)局網(wǎng)站4色預(yù)測(cè)模型分析案例，huz915,百度文庫(kù),2016/085吉屋網(wǎng)寶

19、雞區(qū)網(wǎng)站6王蓉,張仁陟, 陳英, 基于多元回歸分析和灰色模型的康樂(lè)縣城鄉(xiāng)建設(shè)用地預(yù)測(cè),林學(xué)·草業(yè)·資源與生態(tài)環(huán)境 2012/ 017卓金武，MATLAB在數(shù)學(xué)建模中的應(yīng)用，北京航空航天大學(xué)出版社，20118李星,數(shù)值分析第二章，科學(xué)出版社 ，2014年1月 附錄附錄1（寶雞市從2006年到2015年商品住宅價(jià)格）年份2006200720082009201020112012201320142015價(jià)格/每平方2060221025002520260030003675350035973937附錄2（寶雞市從2006年到2015年的年人均工資收入）年份200620072008200

20、9201020112012201320142015人均年工資9424109931322516346189782233725777285093156029475附錄3（各個(gè)主要片區(qū)的GDP）渭濱區(qū)120.68157.60189.15220.04253.90343.81407.16427.25445.70469.90金臺(tái)區(qū)96.54110.72130.72151.80174.16204.60241.25275.73295.45304.23陳倉(cāng)區(qū)60.6673.1387.48101.60114.83119.32130.31136.59143.15147.72鳳翔縣50.5660.9273.3385.

21、20102.80120.84143.01161.96181.81187.76岐山縣51.0058.7771.9383.5796.74113.57134.01144.09149.10143.85扶風(fēng)縣29.8035.9642.9349.9053.4162.8073.0784.6389.3797.87眉縣26.9933.4640.1446.5053.3062.3577.1990.57104.63106.91隴縣15.7617.5922.2325.6029.3836.7143.3049.8857.1659.78千陽(yáng)縣7.428.7611.4113.3315.6120.8025.9431.0135.0

22、641.11麟游縣5.756.918.3110.1713.2919.2541.1550.5955.7564.48鳳縣16.9224.8833.5146.6566.5491.15110.80130.21145.61148.45太白縣4.305.136.587.659.1011.3513.7915.8317.1119.50附錄4（大宗商品總指）年份燃料黑色金屬材料類有色金屬材料類化工原料類木材及紙漿類建材類農(nóng)副產(chǎn)品類紡織原料類大宗商品總價(jià)格指數(shù)20021111111198.4420031.081.141.031.04111.191.07106.5120041.251.441.291.171.031

23、.081.331.14114.5420051.521.631.491.291.031.141.311.1110.6520061.671.571.821.291.061.181.371.14105.1920071.721.642.011.321.171.211.351.14104.2120082.141.951.971.521.261.221.391.15111.8920091.891.621.691.341.181.221.461.1592.1720102.141.6721.521.281.251.521.34107.8220112.371.782.231.661.351.41.631.421

24、09.23附錄5x = 0.0001 0.0486 0.9424 0.0001 0.0594 1.0993 0.0001 0.0718 1.3225 0.0001 0.0842 1.6346 0.0001 0.0983 1.8978 0.0001 0.1207 2.2337 0.0001 0.1441 2.5777 0.0001 0.1598 2.8509 0.0001 0.1720 3.1560 0.0001 0.1792 2.9475>> y=2060 2210 2500 2520 2600 3000 3675 3500 3597 3937y = 2060 2210 2500

25、2520 2600 3000 3675 3500 3597 3937>> c=(inv(x'*x)*x'*yc = 1.0e+007 * 1.5307 0.0026 -0.0001附錄6x=0.0001 0.0486 0.0098 0.0001 0.0594 0.0107 0.0001 0.0718 0.0115 0.0001 0.0842 0.0111 0.0001 0.0983 0.0105 0.0001 0.1207 0.0104 0.0001 0.1441 0.0112 0.0001 0.1598 0.0092 0.0001 0.1720 0.0108 0.

26、0001 0.1792 0.0109x = 0.0001 0.0486 0.0098 0.0001 0.0594 0.0107 0.0001 0.0718 0.0115 0.0001 0.0842 0.0111 0.0001 0.0983 0.0105 0.0001 0.1207 0.0104 0.0001 0.1441 0.0112 0.0001 0.1598 0.0092 0.0001 0.1720 0.0108 0.0001 0.1792 0.0109>> y=2060 2210 2500 2520 2600 3000 3675 3500 3597 3937y = 2060

27、2210 2500 2520 2600 3000 3675 3500 3597 3937>> c=(inv(x'*x)*x'*yc = 1.0e+006 * 3.3896 0.0138 0.0992附錄73) x=0.0001 0.0098 0.0001 0.0107 0.0001 0.0115 0.0001 0.0111 0.0001 0.0105 0.0001 0.0104 0.0001 0.0112 0.0001 0.0092 0.0001 0.0108 0.0001 0.01094) x=0.0001 0.0098 0.0001 0.0107 0.0001

28、0.0115 0.0001 0.0111 0.0001 0.0105 0.0001 0.0104 0.0001 0.0112 0.0001 0.0092 0.0001 0.0108 0.0001 0.0109x = 0.0001 0.0098 0.0001 0.0107 0.0001 0.0115 0.0001 0.0111 0.0001 0.0105 0.0001 0.0104 0.0001 0.0112 0.0001 0.0092 0.0001 0.0108 0.0001 0.0109>> y= 2060 2210 2500 2520 2600 3000 3675 3500 3

29、597 3937y = 2060 2210 2500 2520 2600 3000 3675 3500 3597 3937>> c=(inv(x'*x)*x'*yc = 1.0e+007 * 2.6259 0.0031附錄8clc,clearx0=3960 3982 3968 3970 3970 3993 3975 4110 4106 4106 4119' n=length(x0);lamda=x0(1:n-1)./x0(2:n) range=minmax(lamda') x1=cumsum(x0); B=-0.5*(x1(1:n-1)+x1(2:n

30、),ones(n-1,1);Y=x0(2:n);u=BY x=dsolve('Dx+a*x=b','x(0)=x0');x=subs(x,'a','b','x0',u(1),u(2),x0(1); yuce1=subs(x,'t',0:n-1); y=vpa(x,6) yuce=x0(1),diff(yuce1) epsilon=x0'-yuce delta=abs(epsilon./x0') rho=1-(1-0.5*u(1)/(1+0.5*u(1)*lamda' lamd

31、a = 0.9945 1.0035 0.9995 1.0000 0.9942 1.0045 0.9672 1.0010 1.0000 0.9968range = 0.9672 1.0045u = 1.0e+003 * -0.0000 3.9113y =-790032.+793992.*exp(.495088e-2*t)yuce = 1.0e+003 * 3.9600 3.9407 3.9603 3.9799 3.9997 4.0195 4.0395 4.0595 4.0797 4.0999 4.1203epsilon = 0 41.2986 7.7403 -9.9151 -29.6680 -26.5190 -64.4685 50.4830 26.3350 6.0870 -1.2614d