几种预测方法在房地产行业当中的应用学士学位论文

PAGE8第2页共27页分类号：O241UDC：D10621-407-(2012)3123-0密级：公开编号：2008062095成都信息工程学院学位论文几种预测方法在房地产行业中的应用论文作者姓名：申请学位专业：信息与计算科学申请学位类别：理学学士论文提交日期：毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作者签名：日期：指导教师签名：日期：使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名：日期：

学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名： 日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名： 日期：年月日导师签名：日期：年月日

几种预测方法在房地产行业中的应用摘要房地产行业为国民经济各行业的存在和发展提供了物质条件，是国家财富的重要组成和主要来源。我国房地产产业为国民经济的发展做出了贡献，改善了我国百姓的居住条件。但同时房地产业也面临较为严峻的问题和挑战，引起诸多争议。本文通过对2011年成都市主城区房地产的供给、需求和房价等信息，排除影响不显著的因素，利用回归、拟合和灰色系统等对2011年成都市主城区房地产行业信息数据进行分析，对2012年1-3月成都市主城区房地产行业信息进行预测分析，并与实际2012年1-3月份成都市主城区房地产信息进行横向对比分析，得出结论。关键词：房地产行业；回归；拟合；灰色系统SeveralPredictionMethodsintheRealEstateIndustryAbstractTherealestateindustryprovidedthematerialconditionsfortheexistenceanddevelopmentofvarioussectorsofthenationaleconomy.Itisanimportantcomponentandthemainsourceofnationalwealth.China'srealestateindustryhascontributedtothedevelopmentofthenationaleconomyandimprovethepeople’slivingconditoninChina.Butatthesametimetherealestateindustryisalsofacingmoreseriousproblemsandchallenges.Thishascausingalotofcontroversy.Inthispaper,Iuseregression,fittingandgraysystemanalyzetheinformationdataontherealestateindustryoftheChengduCityin2011bysupply,demandandpricesandotherinformationonthe2011ChengduCityrealestate(Excludefactorshadnosignificanteffect),PredictandanalyzetherealestateindustryinformationfortheJanuary-March2012ofthemaincityinChengdu,andcarryouthorizontalcomparativeanalysisofthepracticalChengduCityrealestateinformationinJanuarytoMarch2012,atlastconcluded.Keywords:realestateindustry;regression;fitting;graysystem目录论文总页数：30页TOC\o"1-3"\h\u1 引言 11.1 课题背景 11.2 本课题研究的意义 11.3 本课题的研究方法 12 建立线性回归和曲线拟合模型 22.1 拟合函数的基本规则 22.2 符号约定 22.3 建立模型 22.4 模型求解 32.5 模型检验 43 建立离散灰色模型（GM（1，1）模型的离散形式） 93.1 灰色预测系统基本理论 93.2 GM（1，1）离散型预测模型 93.3 建立模型 104 计算与结果分析 165 结论与建议 17参考文献 17致谢 18声明 19附录 20引言课题背景我国的房地产行业是在十一届三中全会以后，伴随着改革开放的浪潮，经过长期孕育应用而生的。1988年4月12日，七届人大一次会议通告宪法修改案，规定土地使用权可以依照法律的规定转让，从而为房地产行业的发展奠定了法律基础。自从20世纪80年代房地产业重新兴起，90年代进入快速发展时期以来，我国住房分配和供应体制都发生了根本性的变化，全国房地产开发投资也得到了迅猛的发展。近年来，我国房地产产业为国民经济的发展做出了贡献，改善了我国百姓的居住条件。但同时房地产业也面临较为严峻的问题和挑战，引起诸多争议。2011年1月26日，国务院常务会议退出八条房地产市场调整措施（新国八条），其以挤出投资需求缓和供求矛盾，进而调整房价为目的，主要针对政府与消费者出台的相关条文进行约束。其中差别化信贷、增加土地供应、加强保障房建设、税收调整、市场监管、开发企业监管等政策，主要为对前期政策的收紧式强调。新国八条对成都楼市影响最大因素为省会必须“在一定时期内，要从严制定和执行住房限购令措施”以及向责目标、对象的明确化。2月15，成都市出台“限购令”细则，仅针对主城区限购，重点在保有量上做文章，而非控制购买次数。2011年初成都市成交量处于高处运行，即使在传统淡季的2月成交量也达到了约100万平方米。在开发商们还沉浸与喜悦中时，2月中成都限购令出台，3月成都市成交量同比下跌58.5%，环比降幅更是高达68.7%，之后成交量持续低迷。10月开发商为回笼资金，完成年度营业目标，他们有力借助房交会这个机会加大促销力度，打出各种促销优惠活动，促使成交量逐渐回升，但同比去年成交量仍处于低迷状态。由于11年度对货币从紧政策、限价政策、限购都没有达到预期，2012年国家仍然会延续11年度的公民福利政策之路，房地产业将在挤压与淘汰中顽强成长。本课题研究的意义房地产行业为国民经济各行业的存在和发展提供了物质条件，是国家财富的重要组成和主要来源。所以，购房是每个家庭多要面临的问题。2011年，伴随着楼市调控政策的进行，政府、开发商和购房者都在不断的适应和学习中。本文从购房者的角度考虑，运用科学的方法对房地产的供求关系和相联关系的各种因素进行分析，从而进行有效的预测和调控。本课题的研究方法通过对2011年成都市主城区房地产的供给、需求和房价等信息，排除影响不显著的因素，利用回归、拟合和灰色系统等对2011年成都市主城区房地产行业信息数据进行分析，对2012年1-3月成都市主城区房地产行业信息进行预测分析，并与实际2012年1-3月份成都市主城区房地产信息进行横向对比分析，得出结论。本论文以假设2012年新国八条的影响因素与2011年一致，忽略经济因素（科学技术、货币价值，物价、工资及就业率等）、环境因素，人口因素等情况下，仅以2011年成都市主城区的房价、需求量，供给量建立模型并进行预测。建立线性回归和曲线拟合模型拟合函数的基本规则2.1.1拟合函数能较好的反映出数据的变化规律，不会出现较多的数据不符合拟合函数。2.1.2拟合的函数计算方便。2.1.3如若遇到不能用一个拟合函数拟合的数据时的情况，可以考虑用分段函数进行拟合。2.1.4通过比较多项式拟合一般为较好的的拟合函数，在拟合一组数据时应当首先考虑用多项式进行拟合，如果拟合效果不佳，则考虑用分段函数或观察三点图的大致走向判断用什么函数进行拟合。符号约定表示2011年月份，单位：月份表示2011年月份，单位：月份表示2011年月份，单位：月份表示成都市主城区房价，单位：元表示成都市主城区房屋需求量，单位：万方表示成都市主城区房屋供给量，单位：万方表示一个多项式函数的自变量前面的系数，对应自变量的i次幂，i=0，1，...表示负幂项函数的自变量前面的系数，对应于自变量的下角标，i=0，1，...建立模型建立模拟函数模型，由分析可知在本问题中会建立三个模拟函数。通过观察该数据的散点图，可以做出不同的尝试拟合该数据，为了较好的拟合该数据和计算方便，采用多项式进行拟合为最佳。首先由表一建立2011年1月至12月中时间与成都市主城区房价的函数关系：。再由表二建立2011年1月至12月中时间与成都市主城区房屋需求量的函数关系：。最后由表三建立2011年1月至12月中时间与成都市主城区房屋供给量的函数关系：。注：每个函数多项式表达式中的不一定相等，只是一个代号，下面一样不多解释。模型求解运用数学工具matlab软件,可以拟合该数据，通过多次试验得到结果如下：2.4.1时间与成都市主城区房价的函数关系：模拟函数图形为：（见附录程序2.1.1）2.4.2时间与成都市主城区房屋需求量的函数关系：模拟函数图形为：（见附录程序2.2.1）2.4.3时间与成都市主城区房屋供给量的函数关系：模拟函数图形为：（见附录程序2.3.1）模型检验2.5.1残差分析：在2.4.1时间与成都市主城区房价的函数关系中，通过Mtalab的figure窗口中点击tools在其子菜单中点击BasicFitting选择我们拟合的多项式次数就可以做出该问题的残差图（如下图所示），从残差图上可以看出，这些数据的残差离零点均较近，且残差的置信区间均包含零点，这说明回归模型能较好的符合原始数据。该拟合函数的残差平方和为：39.55时间与成都市主城区房价的函数的残差图（见附录程序2.1.2）时间与成都市主城区房价的函数残差及置信区间图（见附录程序2.1.3）在2.4.2时间与成都市主城区房屋需求量的函数关系中，如上残差分析所示，同样可以做出该问题的残差图与残差及置信区间图（如下图所示），从残差图与残差及置信区间图可以看出，这些数据的的残差离零点均较近，且残差的置信区间均包含零点，这说明回归模型能较好的符合原始数据。该拟合函数的残差和为：12.34时间与成都市主城区房屋需求量的函数的残差图（见附录程序2.2.2）时间与成都市主城区房屋需求量的函数残差及置信区间图（见附录程序2.2.3）在2.4.3时间与成都市主城区房屋供给量的函数关系中，通过Mtalab我们可以做出该问题的残差图（如下图所示），从残差图上可以看出，这些数据的残差离零点均较近，且残差的置信区间均包含零点，这说明回归模型能较好的符合原始数据。该拟合函数的残差平方和为：41.47时间与成都市主城区房屋供给量的函数的残差图（见附录程序2.3.2）时间与成都市主城区房屋供给量的函数残差及置信区间图（见附录程序2.3.3）2.5.2基本检验：由数理统计学可以知道，检验回归模型统计量有三个数值可以反映出拟合良好程度：1、相关系数越接近1，说明回归方程越显著；2、F值，F越大，说明回归方程越显著；3、与F对应的概率p，时（缺省为0.05），回归模型成立。在2.4.1时间与成都市主城区房价的函数函数拟合得出下列数据：回归系数回归系数估计值回归系数置信区间b09654(9232,1.008e+04)b1-233(-793.5,327.4)b2206.7(-35.11,448.5)b3-43.82(-88.82,1.182)b43.648(-0.1047,7.401)b5-0.1069(-0.222,0.008148)=0.968F=36.328287390981p=0.000206885554通过上表可知：相关系数1，则说明回归方程越显著；P=0.000206885554<0.05,回归方程越显著；通过程序我们可知：F=36.328287390981>F(p,n-p-1)=4.387374187406129则回归方程越显著。由以上推断论断知，该拟合函数还是比较符合数据点。在2.4.2时间与成都市主城区房屋需求量的函数拟合得出下列数据：回归系数回归系数估计值回归系数置信区间b0158.1(111.5,204.6)b1-53.95(-83.72,-24.19)b27.441(2.227,12.65)b3-0.3058(-0.5701,-0.04145)=0.8002F=10.6786920285537p=0.0035954318069通过上表可知：相关系数1，则说明回归方程越显著；2、P=0.0035954318069<0.05,回归方程越显著；3、通过程序我们可知：F=10.6786920285537>F(p,n-p-1)=4.066180551351160则回归方程越显著。由以上推断论断知，该拟合函数还是比较符合数据点。在2.4.3时间与成都市主城区房屋供给量函数拟合得出下列数据：回归系数回归系数估计值回归系数置信区间b0-5.491(-448.9,437.9)b197.12(-490.6,684.9)b2-50.2(-303.8,203.4)b310.9(-36.3,58.09)b4-0.9725(-4.908,2.964)b50.03035(-0.09033,0.151)=0.6738F=24.78179928419p=0.0149979179577通过上表可知：相关系数1，则说明回归方程越显著；P=0.0149979179577<0.05,回归方程越显著；3、通过程序我们可知：F=24.78179928419>F(p,n-p-1)=4.387374187406129则回归方程越显著。由以上推断论断知，该拟合函数还是比较符合数据点。建立离散灰色模型（GM（1，1）模型的离散形式）灰色预测系统基本理论灰色预测方法是邓聚龙先生的灰色理论中的一个有机组成部分，是基于灰色动态系统模型（GreyDynamicModel,简称GM）。房地产行业价格，需求，供给结构复杂，形成过程中影响因素众多，具有明显的灰色信，因而完全可以用灰色系统理论进行预测。GM（1，1）离散型预测模型灰色预测模型称为GM模型，G为Grey的第一个字母，M为Model的第一个字母，而（1，1）表示一阶的，一个变量的微分方程型预测模型。GM（1，1）是一阶单序列的线性动态模型，主要用于时间序列的预测。3.2.1GM(1,1)原始模型：设，则称为GM(1,1)模型的原始形式。3.2.2GM(1,1)离散模型：称为GM(1,1)模型的离散形式。3.2.31-AGO序列：设为非负序列，其中，。则为的1-AGO序列，，其中。3.2.4白化方程（影子方程）：若为参数列且则GM（1，1）模型的离散形式的最小二乘估计参数列满足称为GM(1,1)离散模型的白化方程，也叫影子方程。其中为待定系数，为发展系数，为灰色作用量。3.2.5时间响应函数、时间响应序列、还原值：白化方程的解称为时间响应函数。为的时间相应序列。还原值为建立模型3.3.1房价模型根据数据得：=（9573,9773,9854,10020,10176,10135,10075,10010,9975,9982,9971,9950）；对作1-AGO，得：=（9573，19346，29200，39220，49396，59531，69606，79616，89591，99573，109544，119494）；于是：对离散形式进行最小二乘估计，得：（见附录程序3.3.1）确定模型为：时间响应式为：求的模拟值：(9573.00000,19534.03758,29501.45022,39475.24201,49455.41703,59441.97935,69434.93308,79434.28230,89440.03110,99452.18358,109470.74384,119495.71597)还原求出的模拟值，由得：（9573.00067,9960.68208,9967.05896,9973.43991,9979.82496,9986.21409,9992.60732,9999.00463,10005.40604,10011.81155,10018.22116,10024.63487）检验误差：残差为则可算出残差平方和为：相对误差为则计算出平均相对误差3.3.2需求量模型根据数据得：=（107.1,98.74,32.87,33.81,43.2,43.93,42.06,49.2,48.1,54,52.94,58.71）；对作1-AGO，得：=（107.1,205.84,238.71,272.52,315.72,359.65,401.71,450.91,499.01,553.01,605.95,664.66）；于是：对离散形式进行最小二乘估计，得：（见附录程序3.3.2）确定模型为：时间响应式为：求的模拟值：(107.10000,162.20926,216.39434,269.67074,322.05369,373.55818,424.19894,473.99045,522.94696,571.08247,618.41075,664.94533)还原求出的模拟值，由得：(107.10000,55.1092,54.18508,53.27640,52.38295,51.50449,50.64076,49.79151,48.95651,48.13551,47.32828,46.5346)检验误差：残差为则可算出残差平方和为：相对误差为则计算出平均相对误差3.3.3供给量模型根据数据得：=（66.1,18.1,73.7,94.1,72.9,83.7,82.1,167,214,125,129,158）；对作1-AGO，得：=（66.1,84.2,157.9,252,324.9,408.6,490.7,657.7,871.7,996.7,1125.7,1283.7）；于是：对离散形式进行最小二乘估计，得（见附录程序3.3.3）确定模型为：时间响应式为：求的模拟值：（66.10000,134.05607,208.79620,290.99764,381.40524,480.83823,590.19763,710.47364,842.75833,988.24820,1148.26233,1324.2597）还原求出的模拟值，由得：(66.10000,67.95607,74.74013,82.20144,90.40760,99.43299,109.35940,120.27601,132.28469,145.48987,160.01413,175.99737）检验误差：残差为则可算出残差平方和为：相对误差为则计算出平均相对误差（由于数据二异常这里排除数据二进行误差分析）计算与结果分析分别对回归、拟合模型和离散灰色系统模型预测。根据模型进行相关计算,可得2012年成都市主城区1-3月份的房价、需求，供给等信息的预测值。对比2012年1-3月份成都房地产白皮书中的数据,计算出相对误差。如下表：回归、拟合模型：1月房价（元）2月房价（元）3月房价（元）1月需求2月需求3月需求1月供给2月供给3月供给预测值9784.06639311.30248276.812542.436422.12089213.73905387.9874758.02775实际值982694168918472687161737相对误差0.43%1.11%7.19%9.71%14.92%95.12%GM（1，1）离散型预测模型：1月房价（元）2月房价（元）3月房价（元）1月需求2月需求3月需求1月供给2月供给3月供给预测值10031.3881210037.8082110044.2324645.7542044.986944.23247193.54824212.88008234.13189实际值982694168918472687161737相对误差-2.09%-6.6%-12.63%2.65%73.03%49.16%根据上表中可以看出，两种模型对房价的预测都比较准确，回归、拟合模型预测值的相对误差分别为0.43%、1.11%与7.19%，离散型模型预测值的相对误差分别为-2.09%、-6.6%与-12.63%。回归、拟合模型中预测房价走势比较接近实际值，而离散型模型的预测值为上涨趋势不符合现实。对1月份需求量的预测，回归、拟合模型预测值的相对误差为9.71%，而离散型模型的预测值的相对误差为2.65%，相对准确。2月份对于房地产行业是传统的销售淡季，而且2012年传统农历新年在1月末至2月份，所以加大了对2月份需求量的影响。回归、拟合模型预测值的相对误差为14.92%，而离散模型预测值的相对误差为73.03%。11年同期之所以需求量保持在高位是因为当时市场盛传成都要出台限购政策，引发了一波“抢购”风潮，属于特殊情况。3月份的成都市房地产市场回暖，各开发商也拉开了2012年的房地产行业大战的序幕，使得成都市的销售量上涨至约87万方，回归、拟合模型出现了较大的误差，想对误差达到了95.12%，离散型模型的误差值也达到了49.16%。 1月-2月恰逢传统农历新年，是房地产销售的传统淡季，各开发商大多以消化存量房源和年底扫尾工作为主，因此新增供应量非常少。十一届全国人大五次会议上，温家宝在政府工作报告中指出，去年我国加强和改善宏观调控，遏制物价过快上涨，实现经济平稳较快发展；坚定不移地加强房地产市场调控，投机、投资性需求得到明显抑制，多数城市房价环比下降，调控效果正在显现。温家宝在报告中指出，2012年要继续搞好房地产市场调控，严格执行并逐步完善抑制投资、投机性需求的政策措施，进一步巩固调控成果，促进房价合理回归。受诸多方面的影响，且主城区存量房源依然维持在835万方的高位，致使供给量大幅缩水，分别只为16万方和17万方，3月份初步回暖也只达到了37万方，同比去年1-3月出现了较大幅度的下降。模型预测出现了较大的误差。结论与建议本文通过对2011年成都市主城区房地产的供给、需求和房价等信息，排除影响不显著的因素，利用回归、拟合和灰色系统等对2011年成都市主城区房地产行业信息数据进行分析，对2012年1-3月成都市主城区房地产行业信息进行预测分析，并与实际2012年1-3月份成都市主城区房地产信息进行横向对比分析，得出结论。结果表明在国家新八条与“限购令”等因素的影响下，2012年第一季度的房价会持续的平稳下降；而需求量会在销售淡季过后出现“回涌”的现象，出现上涨态势；而开发商在度过了前两个月的低潮期将上年度的存房量进一步降低与资金回笼后，将展开新一年的房地产大战，增加供给。参考文献[1]梅长林，范金城.数据分析方法[M].北京：高等教育出版社,2006。[2]王黎明，陈颖，杨楠.应用回归分析[M].上海：负担大学出版社,2008。[3]李庆扬，王能超，易大义.数值分析.[M].北京：清华大学出版社,2008。[4]刘思峰，谢乃明.灰色系统理论及其应用.[M].北京：科学出版社,2008。[5]姜启源，叶俊.数学建模.[M]北京：高等教育出版社,2003。[6]杨韧.MATLAB应用.[M]成都信息工程学院,2007。[7]赢商网-汇合天恒成都2011年度房地产市场报告21712405621[1]。[8]成都房地产门户-搜房房地产网,统计中心[OL].http://www.SouF,2011-4-3。[9]基于灰色系统的房地产市场供求预测[J].商务现代化,2010,(1):40-44。[10]孙孝雄，任忠，李俊峰.血液流量问题[D].成都:成都信息工程学院[竞赛论文],2009。[11]潘亚男.上海世博会对中国的影响力评估.[D].成都:成都信息工程学院[毕业论文],2011。第29页共33页致谢本文是在李胜坤老师的热情关心和指导下完成的，他渊博的知识和严谨的治学作风使我受益匪浅，对顺利完成本课题起到了极大的作用。在此向他表示我最衷心的感谢！在论文完成过程中，本人还得到了各位老师和同学的热心帮助，本人向他们表示深深的谢意！最后向在百忙之中评审本文的各位专家、老师表示衷心的感谢！作者简介：姓名：崔俊华性别：男出生年月：1989年09月28日民族：满E-mail:Cui14@声明本论文的工作是2012年4月至2011年5月在成都信息工程学院数学学院完成的。文中除了特别加以标注地方外，不包含他人已经发表或撰写过的研究成果，也不包含为获得成都信息工程学院或其他教学机构的学位或证书而使用过的材料。除非另有说明，本文的工作是原始性工作。关于学位论文使用权和研究成果知识产权的说明：本人完全了解成都信息工程学院有关保管使用学位论文的规定，其中包括：（1）学校有权保管并向有关部门递交学位论文的原件与复印件。（2）学校可以采用影印、缩印或其他复制方式保存学位论文。（3）学校可以学术交流为目的复制、赠送和交换学位论文。（4）学校可允许学位论文被查阅或借阅。（5）学校可以公布学位论文的全部或部分内容（保密学位论文在解密后遵守此规定）。除非另有科研合同和其他法律文书的制约，本论文的科研成果属于成都信息工程学院。特此声明！作者签名：崔俊华2012年4月28日

附录2011年1月-2012年3月成都市主城区房地产行业数据：2011年1月-2012年3月成都市主城区房价时间（月份）123456789101112123房价（元/）957397739854100201017610135100751001099759982997199509826941689182011年1月-2012年3月成都市主城区需求量时间（月份）123456789101112123成交面积（）107.198.7432.8733.8143.243.9342.0649.248.15452.9458.714726872011年1月-2012年3月成都市主城区供给量时间（月份）123456789101112123预售面积（）94.172.983.782.1167214125129158161737程序2.1.1：x=1:1:12y=[95739773985410020101761013510075100109975998299719950]cftool(x,y)plot(x,y,'*')title('时间与成都市主城区房价之间的函数')程序2.2.1：x=1:1:12y=[107.198.7432.8733.8143.243.9342.0649.248.15452.9458.71]cftool(x,y)plot(x,y,'*')title('时间与成都市主城区房屋需求量之间的函数')程序2.3.1：x=1:1:12y=[94.172.983.782.1167214125129158]cftool(x,y)plot(x,y,'*')title('时间与成都市主城区房屋供给量之间的函数')程序2.1.2：x=1:1:12y=[95739773985410020101761013510075100109975998299719950]cftool(x,y)plot(x,y,'*')title('时间与成都市主城区房价的函数的残差图')程序2.2.2：x=1:1:12y=[107.198.7432.8733.8143.243.9342.0649.248.15452.9458.71]cftool(x,y)plot(x,y,'*')title('时间与成都市主城区房屋需求量的函数的残差图')程序2.3.2：x=1:1:12y=[94.172.983.782.1167214125129158]cftool(x,y)plot(x,y,'*')title('时间与成都市主城区房屋供给量的函数的残差图')程序2.1.3：x=[123456789101112];y=[95739773985410020101761013510075100109975998299719950];x1=x;x2=x.^2;x3=x.^3;x4=x.^4;x5=x.^5;n=length(y);X=[ones(n,1),x1',x2',x3',x4',x5'];[bbintrrints]=regress(y',X);b,bint,s,rcoplot(r,rint)finv(0.95,5,6)title('时间与成都市主城区房价的函数残差及置信区间图')程序2.2.3：x=[123456789101112];y=[107.198.7432.8733.8143.243.9342.0649.248.15452.9458.71];x1=x;x2=x.^2;x3=x.^3;n=length(y);X=[ones(n,1),x1',x2',x3'];[bbintrrints]=regress(y',X);b,bint,s,rcoplot(r,rint)finv(0.95,3,8)title('时间与成都市主城区房屋需求量的函数残差及置信区间图')程序2.3.3：x=[123456789101112];y=[94.172.983.782.1167214125129158];x1=x;x2=x.^2;x3=x.^3;x4=x.^4;x5=x.^5;n=length(y);X=[ones(n,1),x1',x2',x3',x4',x5'];[bbintrrints]=regress(y',X);b,bint,s,rcoplot(r,rint)finv(0.95,5,6)title('时间与成都市主城区房屋供给量的函数残差及置信区间图')程序3.3.1：x01=9573;x02=9773;x03=9854;x04=10020;x05=10176;x06=10135;x07=10075;x08=10010;x09=9975;x10=9982;x11=9971;x12=9950;X0=[x01x02x03x04x05x06x07x08x09x10x11x12];x13=x01;x14=x01+x02;x15=x01+x02+x03;x16=x01+x02+x03+x04;x17=x01+x02+x03+x04+x05;x18=x01+x02+x03+x04+x05+x06;x19=x01+x02+x03+x04+x05+x06+x07;x20=x01+x02+x03+x04+x05+x06+x07+x08;x21=x01+x02+x03+x04+x05+x06+x07+x08+x09;x22=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10;x23=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10+x11;x24=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10+x11+x12;X1=[x13x14x15x16x17x18x19x20x21x22x23x24];B=[x131;x141;x151;x161;x171;x181;x191;x201;x211;x221;x231];Y=[x14;x15;x16;x17;x18;x19;x20;x21;x22;x23;x24];aj=inv(B'*B)*B'*Y程序3.3.2：x01=107.1;x02=98.74;x03=32.87;x04=33.81;x05=43.2;x06=43.93;x07=42.06;x08=49.2;x09=48.1;x10=54;x11=52.94;x12=58.71;X0=[x01x02x03x04x05x06x07x08x09x10x11x12];x13=x01;x14=x01+x02;x15=x01+x02+x03;x16=x01+x02+x03+x04;x17=x01+x02+x03+x04+x05;x18=x01+x02+x03+x04+x05+x06;x19=x01+x02+x03+x04+x05+x06+x07;x20=x01+x02+x03+x04+x05+x06+x07+x08;x21=x01+x02+x03+x04+x05+x06+x07+x08+x09;x22=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10;x23=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10+x11;x24=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10+x11+x12;X1=[x13x14x15x16x17x18x19x20x21x22x23x24];B=[x131;x141;x151;x161;x171;x181;x191;x201;x211;x221;x231];Y=[x14;x15;x16;x17;x18;x19;x20;x21;x22;x23;x24];aj=inv(B'*B)*B'*Y程序3.3.3：x01=66.1;x02=18.1;x03=73.7;x04=94.1;x05=72.9;x06=83.7;x07=82.1;x08=167;x09=214;x10=125;x11=129;x12=158;X0=[x01x02x03x04x05x06x07x08x09x10x11x12];x13=x01;x14=x01+x02;x15=x01+x02+x03;x16=x01+x02+x03+x04;x17=x01+x02+x03+x04+x05;x18=x01+x02+x03+x04+x05+x06;x19=x01+x02+x03+x04+x05+x06+x07;x20=x01+x02+x03+x04+x05+x06+x07+x08;x21=x01+x02+x03+x04+x05+x06+x07+x08+x09;x22=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10;x23=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10+x11;x24=x01+x02+x03+x04+x05+x06+x07+x08+x09+x10+x11+x12;X1=[x13x14x15x16x17x18x19x20x21x22x23