数学建模课程设计成品

1*****************实践教学******************兰州理工大学理学院2014年冬季学期数学模型与数学实验课程综合训练题目：房产价格与住房保障规模专业班级：2012级信息与计算科学<1>班姓名：胡亚龙学号：12540111指导教师：孟新友惠富春成绩：目录目录 1任务一：验证性实验 2任务二：编程实验 6任务三：数学模型 8摘要 8一、前言 9二、问题的陈述 102.1问题的提出 102.2问题分析 10三、符号说明及假设 113.1符号说明 113.2假设 12四、模型的建立与求解 124.1模型的建立 134.2模型的求解 13五、模型的评价与改进 175.1模型的评价 175.2模型的改进 18六、参考文献 19附录：程序代码 20任务一：验证性实验第一题：[X,Y,Z]=peaks(30);%返回peaks函数上的三个坐标轴上的函数值pcolor(X,Y,Z);shadinginterp%伪彩色图holdon%保持上面图形contour(X,Y,Z,19,‘k‘)%add19contourlinesinblackxlabel(‘X-axis‘),ylabel(‘Y-axis‘)%对x轴和y轴进行说明title(‘PCOLORandCONTOURofPEAKS‘)holdoff第二题：x=linspace(0,3*pi);%对x进行赋值，范围是0到3piz1=sin(x);%z1代表的函数z2=sin(2*x);%z2代表的函数z3=sin(3*x);%z3代表的函数y1=zeros(size(x));%求y1的值y3=zeros(size(x));%求y3的值y2=y3/2;%求y2的值plot3(x,y1,z1,x,y2,z2,x,y3,z3);%画x-y1，x-y2和x-y3的图像grid,xlabel(‘x-axis‘),ylabel(‘y-axis‘),abel(‘z-axis‘)title(‘sin(x),sin(2x),sin(3x)‘)%加标题第三题：x=(0:.1:1)*2*pi;%0为开始值，1为终止值，步长为0.1y=sin(x);%y的函数表达式pp=spline(x,y);%（x，y）作为采样点ppd=spderiv(pp);%寻找微分的样条表示xi=linspace(0,2*pi);%xi的范围yi=ppval(pp,xi);%对采样点（x，y）样条插值yyd=ppval(ppd,xi);%样条插值plot(x,y,‘o‘,xi,yi,xi,yyd,‘-‘)%画出x-y的图像并且用圆圈标注以及xi-yi的函数图像用直线。第四题：x=[0.1.2.3.4.5.6.7.8.91];%初始值为0，步长为0.1，y=[-.4471.9783.286.167.087.347.669.569.489.3011.2];%建立一个向量n=2;p=polyfit(x,y,n)%曲线n次拟合xi=linspace(0,1,100);%对xi规定范围（0-100，步长为1）z=polyval(p,xi);%求近似值plot(x,y,'o',x,y,xi,z,':');%画x-y和xi-yi的函数图像xlabel('x');%标注x轴ylabel('y=f(x)'),%标注y轴title('SecondOrderCurveFitting');第五题：R0=1; a=12*R0;b=9*R0;T0=2*pi; %对a，b和T0进行赋值，a为椭圆的长半轴，b为短半轴 T=5*T0;dt=pi/100;t=[0:dt:T]';%dt控制卫星运动的快慢f=sqrt(a^2-b^2);%求f的值 th=12.5*pi/180; %求th的值 E=exp(-t/20); %函数E的表达式 x=E.*(a*cos(t)-f);%x的函数表达式y=E.*(b*cos(th)*sin(t));%y的函数表达式z=E.*(b*sin(th)*sin(t));%z的函数表达式plot3(x,y,z,'g') %画x-y-z的图像。 [X,Y,Z]=sphere(30);X=R0*X;Y=R0*Y;Z=R0*Z;%画出以30为经度和纬度的球面gridon,holdon,surf(X,Y,Z),shadinginterp%处理色彩效果 x1=-18*R0;%x轴下边界x2=6*R0;%x轴上边界y1=-12*R0;%y轴下边界y2=12*R0;%y轴上边界z1=-6*R0;%z轴下边界z2=6*R0;%z轴上边界axis([x1x2y1y2z1z2])%调整图幅大小 view([11737]);%观看视角comet3(x,y,z,0.02);%卫星运动轨迹函数holdoff任务二：编程实验第一题.做出下列函数图象（根据学号尾号做相应的题目）(1)曲线y=x2sin(x2-x-2),-2x2(要求分别使用plot或fplot完成)用plot:forx=-2:0.001:2;y=x^2*sin(x^2-x-2);plot(x,y);holdon;end用fplot:x=-2:0.01:2;

y=x.^2.*sin(x.^2-x-2);fplot(@(x)[x^2*sin(x^2-x-2)],[-22]);第二题.用矩阵除法解下列线性方程组，并判断解的意义（根据学号尾号做相应的题目）。程序：A=[4,1,-1;3,2,-6;1,-5,3];b=[9,-2,1]';x=A\b结果：x=2.38301.48942.0213第三题.解下列微分方程（根据学号尾号做相应的题目）。(1)y’=x+y,y(0)=1,0<x<3(要求输出x=1,2,3点的y值)任务三：数学模型摘要房地产行业与百姓的生活息息相关，近年来，由于房地产价格不断攀升，房地产产业已经引起了社会的广泛关注。为了社会持续稳定的发展,政府一直出台各种文件，对房地产市场进行调控，对于这个问题，本文主要进行了以下工作：1、综合考虑影响房地产价格的多种因素，对各种影响因素之间的相互关系，首先运用经济学原理和常识进行定性分析，然后根据收集到的各影响因素的数据，分别建立影响因素与房地产价格之间的拟合模型，依据相关系数剔除次要的影响因素得到影响房地产价格的主要因素。影响房地产价格的主要因素有：国民总收入、国内生产总值、国家城市化率、保障性住房规模（经济适用房投资额）、税收政策（房产税收收入）、金融政策（房产投资资金）。2、建立房地产价格与各主要影响因素之间联系的数学模型。根据各主要影响因素数据建立房地产价格与各种影响因素之间的回归方程，找到了房地产价格与各个影响因素之间的关系，本文经过计算得到多元线性回归方程为：3、对未来几年我国房地产价格进行了预测：考虑到灰色预测精度不高的问题且在实际操作中需要不断的改进与完善其工作量之大使得我们不得不寻求其他模型，因此在第二问中我们建立了具有一定可靠性、精度高的多元回归模型，得到未来几年我国房价的走势：未来一段时间内楼价会以一个较低涨幅持续上涨。4、根据对未来几年房地产价格预测的结果并结合影响房价的主要因素，提出了针对我国目前房地产价格问题的一些合理性建议。关键词：房价多元线性回归分析线性拟合残差分析前言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，对房地产市场进行调控。但由于各部门配合得不协调，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。与此同时，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，保质保量完成今年开工建设1000万套的任务，努力改善群众住房条件。物价水平、国内生产总值、国民收入水平、金融政策、税收政策、土地、城市化率等都是影响房地产价格的因素，然后，公租房、廉租房和经济适用房等各类保障性住房的建设力度加大，有利于增加房地产的供给力度，对房地产市场价格会产生较大影响。问题的陈述2.1问题的提出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，政府一直出台各种政策，对房地产市场进行宏观调控：物价水平、国内生产总值、国民收入水平、金融政策、税收政策、土地、城市化率等都是影响房地产价格的因素，然后，公租房、廉租房和经济适用房等各类保障性住房的建设力度加大，有利于增加房地产的供给力度，对房地产市场价格会产生较大影响。参考有关的研究成果和国民经济的运行数据就我国房地产价格研究如下问题：1）、对有关统计数据进行分析，用适当的方法寻找影响房地产价格的主要因素或指标。2）、建立房地产价格与包括城镇住房保障规模在内的主要因素或指标之间联系的数学模型。3）、利用所建立的关于房地产价格的数学模型，根据有关政策和规划对未来几年我国或某一地区在不同的保障房建设力度下就房地产价格趋势进行仿真或预测（可以根据模型的需要对未来的情况作适当的假设）。4）、根据所建立的数学模型和仿真结果，对房地产价格问题提出你们的咨询建议。2.2问题的分析通过对此问题的分析，我们遇到了一些困难，比如说，问题中提到的金融政策和税收政策对房价的影响，没法用具体的数据进行量化，我们便从金融政策和税收政策中分别找出对房价影响的最主要的因素来进行了量化。2.1、对于问题1)的分析影响房地产价格的因素众多，要从其中找出影响房地产价格的主要因素，就需要一个评价的标准，对此我们采用线性拟合中的相关性系数来观察各影响因素分别与房地产价格之间的关系，根据相关性大小从而找出对房地产价格产生影响的主要因素。2.2、对于问题2)的分析本题要求找出各主要影响因素与房价的联系，根据经济学知识可知，各主要影响因素对房地产价格具有一定的线性关系，故我们对此问题的解决办法是，建立多元线性回归方程模型找到各主要因素与房地产价格的联系，为了简化计算，本文不考虑各主要因素之间的相互影响和联系。2.3、对于问题3）的分析问题3）考虑到灰色预测精度不高的问题且在实际操作中需要不断的改进与完善其工作量之大使得我们不得不寻求其他模型，建立房地产价格与各主要因素之间的关系，因此根据第二问中我们建立的具有一定可靠性、精度高的多元回归模型，并通过数据拟合得到未来几年影响房价的主要因素的量化数据，对未来几年房地产价格走势进行了预测，但是运用回归方程模型来预测某一事物未来发展趋势时，必须要有大量的数据才能获得准确的预测结果，显然我们不具备短期内收集足够大量的数据的条件,而且影响房地产价格的因素还有许多，这些因素之间相互联系，相互影响，所以我们在求解过程中进行了适当的假设。2.4、对于问题4）的分析问题1）中已找出影响房地产价格的主要因素，并已经知道了各影响因素对房地产价格的具体影响方式，从而可以提出调控这些因素的措施，并结合当前国家政策法规，对房地产价格问题提出一些合理的建议。符号说明及假设3.1、符号说明国名总收入国内生产总值国家城市化率保障性住房规模（经济适用房投资额）物价水平（建材价格指数）居住用地价格指数税收政策（房产税收收入）金融政策（房产投资资金）房地产价格国名总收入与房价之间的相关系数国内生产总值与房价之间的相关系数国家城市化率与房价之间的相关系数保障性住房与房价之间的相关系数物价水平与房价之间的相关系数居住用地价格指数与房价之间的相关系数税收政策与房价之间的相关系数金融政策与房价之间的相关系数3.2、假设1、保障性住房用经济适用房代替；金融政策用房地产投资金额代替；税收政策用房产税收收入代替；2、假设各影响因素之间相互独立，并且忽略次要因素对房价的影响；3、相关网站公布的数据真实可靠；4、不考虑战争、金融危机等对经济冲击过大的灾难；5、国家金融、财税等事关房地产的政策不会在短期内发生大的变动；四、模型建立及求解4.1、模型的建立主要影响因素的判定表1给出了我国1993——2013年期间的房屋销售均价，国民总收入，国内生产总值，国家城市化率，保障性住房规模，物价水平，居住用地价格指数，税收政策（房产税收收入）的相关数据。表SEQ图表\*ARABIC1近年来国内房地产数据年份国民总收入（亿元）国内生产总值（亿元）国家城市化率（%）经济适用房投资额（亿元）物价水平（建材价格）(指数上年=100）居住用地价格指数(指数上年=100）税收政策（房产税收收入）(亿元）金融政策（房产投资金额）(亿元）199335260.035333.928.14…140.9098.5056.302360.21199448108.548197.928.64…114.3098.2060.302554.00199559810.560793.729.04…102.6098.6081.703149.02199670142.571176.629.37…102.5098.70102.203216.44199778060.878973.029.92…99.7099.90123.903178.37199883024.384402.330.40270.8598.60100.40159.803614.23199988479.289677.130.89437.0298.8099.90183.504103.20200098000.599214.636.22542.44101.50101.00209.604984.052001108068.2109655.237.66599.6598.6098.60228.606344.112002119095.7120332.739.09589.098.20107.70282.407790.922003135174.0135822.840.53622.099.70112.40323.9010153.802004159586.7159878.341.76606.4105.10111.60366.3013158.302005185808.6184937.442.99519.2103.10110.30435.9015909.202006217522.7216314.443.90696.8101.90106.00515.2019422.902007267763.7265810.344.94820.9103.00113.70575.1025288.802008316228.8314045.445.69970.9109.50111.30680.3431203.202009343464.7340506.946.591134.1101.10106.40803.6636241.802010344903.6397983.050.001349.9102.30127.60894.0648267.002011468562.3473104.052.041450.2103.44136.50920.4549562.202012518214.7519470.054.321634.5105.10140.20944.3651234.502013566130.1568845.256.271866.4106.26142.601023.052128.20由于房地产价格与国民总收入、国内生产总值、国家城市化率、保障性住房规模、物价水平（建材价格指数）、居住用地价格指数、税收政策（房产税收收入）、金融政策（房产投资资金）等呈线性关系，而它们的线性组合仍呈线性，故我们选用多元线性方程来建立此模型。用线性回归对房价和影响房价的各个因素进行线性拟合，得到结果如下(相关程序见附录一)：4.2模型的求解（1）房地产价格()与国民总收入()之间的关系：图1：房地产价格()与国民总收入()之间的关系回归方程：相关系数：正相关很强（2）房地产价格()与国民生产总值()之间的关系：图2：房地产价格()与国民生产总值()之间的关系回归方程：相关系数：正相关很强（3）房地产价格()与城市化率()之间的关系：图3：房地产价格()与城市化率()之间的关系回归方程：相关系数：正相关很强（4）房地产价格()与建材价格指数()之间的关系：图4：房地产价格()与建材价格指数()之间的关系回归方程：相关系数：正相关性很差（5）房地产价格()与保障性住房规模()之间的关系：图5：房地产价格()与保障性住房规模()之间的关系回归方程：相关系数：正相关性强（6）房地产价格()与居住用地交易价格指数()之间的关系：图6：房地产价格()与居住用地交易价格指数(）之间的关系回归方程：相关系数：正相关性一般（7）房地产价格（）与税收收入（）之间的关系：图7：房地产价格（）与税收收入（）之间的关系回归方程：相关系数：正相关性强（8）房地产价格（）与房产投资（）之间的关系：图8：房地产价格（）与房产投资（）之间的关系回归方程：相关系数：正相关性强由以上数据可以看出，国民总收入、国内生产总值、国家城市化率、保障性住房规模、税收政策（房产税收收入）、金融政策（房产投资资金）对房价的影响显著，是房价的主要决定因素，而物价水平（建材价格指数）、居住用地价格指数虽然对房价也有影响，但并不显著。（9）多元线性回归的建立及残差分析和一元回归一样,多元线性回归模型只是一种假设,求出回归方程后,还需要对它进行残差分析,以检验与间的线性关系是否显著,即需要对假设构造F-统计量及检验的拒绝域：拒绝域：其中为残差平方和在语句基础上执行命令可得时序残差图（有关程序见附录2）。图9残差分析原始图运用编程对这些数据进行回归分析得到结果为:由残差图可以看出，2010年的数据的残差不包含零，则应把它视为异常值，在回归中应把它剔除，再进行回归。将2010年的数据剔除后，本文又进行了回归，在语句基础上执行命令可得时序残差图（有关程序见附录3）。图10残差分析改进图运用编程对这些数据进行回归分析得到结果为:至此我们找到了影响房地产价格的主要因素与房地产价格之间的关系。（10）回归系数的检验通过进行回归系数检验得出，计算检验临界值t=2.2281；计算预测区间，，，，，(计算程序见附录三)。通过比较T的值，我们可以得出国民生产总值、保障性住房规模、税收政策（国家房产税收收入）、金融政策（房产投资资金）对房价的影响是显著的。（11）房地产价格趋势预测运用拟合方法对国民总收入、国民生产总值、城市化率、经济适用房投资规模、房产税收收入、房产投资因素对2015到2018年的房屋销售均价进行了预测。表2对未来几年的预测年份因素2015201620172018国民总收入88430101360113250126245国民生产总值87520100320122520143740城市化率55.459956.79257.49658.683经济适用房投资2226.12123.92236.52367.8房产税收收入1575.41737.91934.22135.6房产投资835.993413103602112624由可得2015到2018年间房屋销售均价为：6027.8、6420.5、66742.6、6843.2。根据预测结果可知房地产价格每年呈上升趋势，并且增速在11.5%左右。说明我国房地产行业存在很大的经济泡沫，需要进一步完善和改进各项有关政策。（12）对房产价格问题提出的建议本文根据建立的模型多得的结果，本文提出了如下四项措施来对我国的房价进行调控。措施一、提高人均收入，合理选择建房机址，适当降低房价。1.建议政府根据房价提高人均收入，使其购房能力逐渐增强。2、响应“两会”，提高个人所得税起征点，使低收入人群具有更多可支配收入。 3、建立“卫星城”，实现人口密集型城市的人员分流，缓解市区住房紧张压力。措施二、放弃GDP每年保持8%的增长率，GDP增长速率的降低必将是房价趋于平衡增长阶段。我们需要建立起一套良好的分配机制，那就是如何把这些赚到的钱，有效率地分给全国老百姓，让大家一起致富。通过各种政策，保护民营企业赚取利润的权益，希望民营企业赚更多的钱，当然，国营企业也包括在内。然后我们还需要建立起一套良好的分配机制，那就是如何把这些赚到的钱，有效率地分给全国老百姓，让大家一起致富。措施三、加大保障性住房投资金额，增加房屋可用有效数量。1.政府出台优惠政策，吸引更多房地产商投资，使有效房屋供应量充足。2.政府建立保障性住房以及经济适用房，使更多人拥有可居住房屋。3.提供低收入者更多购房补助，增加其买房能力。措施四、明确政策法规，不断优化房地产投资环境。1.制定健全房地产开发、建设、销售、以及土地征用、流转等环节的相关法律法规，以及有效协调各方利益，维护社会稳定。2.密切关注房地产价格与交易变化，判断房地产市场走势及风险，并及时向社会发布。3.适当控制各地土地挂牌交易量，审查参与土地竞购和交易的房地产企业资金流动性水平。4.明确地方政府责任，根据实际出台必要地方监管措施，严防房地产企业违规操作行为。5.在投资环境较好的地区推进试点房地产信托投资基金，拓展房地产投资渠道，推进房地产市场发展。五、模型评价与改进5.1、模型评价1、模型优点在确定对房价的影响因素时，采用线性回归法，帅选出对房价影响较大的几个因素，具有一定的科学性。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、模型缺点1）模型建立时仅选取了主要因素，忽略了一些次要因素，因此结果可能与实际情况不太符合。2）本模型建立过程中考虑各个因素与房价呈线性关系，假设各影响因素之间相互独立，但实际各因素之间是相互影响的。3）由于数据太少，在进行多元线性回归预测时可能导致结果存在一定的误差。4）模型建立过程中，适当再加入一些参数可能会使模型更加精细，更符合实际；例如，人口密度、人们的心理波动等。5.2、模型改进针对寻找主要因素和数据量由于本文选择主要因素时，为了简化计算，只收集了与房地产价格相关的11个因素，并未对其他因素做出分析和研究。因此可以考虑城市的各方面因素，如考虑建成面积、流动人口、交通环境等因素，这样在众多因素建立的模型，可以让所建立的模型更全面，实用性更广。针对有些因素存在共线性问题影响房地产价格的因素众多，因素之间又是相互联系、相互制约，影响房地产价格的有些因素存在共线性问题。因此我们模型应该尽可能的利用相互独立的隐私惊醒模型构建，同时选用更好的模型对本文采用的多元线性回归模型进行辅助预测。六、参考文献[1]阳明盛，熊西文，林建华.MATLAB基础及数学软件(第一版)[M].大连理工大学出版，2006[2]茆诗松，程依明，濮晓龙.概率论与数理统计教程(第一版)[M].北京：高等教育出版社，2004[3]马哲.基于土地指数编制下的北京土地市场趋势探讨[J].中国经贸,2009,vol.24,(3)[4]汪茵芸,史明,蒋漓.房价问题的数学建模[J].海南大学学报自然科学版，2009,vol.27,(1)[4]姜启源，谢金星，叶俊.数学模型(第三版)[M].北京高等教育出版社,2003[5]丁克良，沈云中，欧吉坤.整体最小二乘直线拟合[J]辽宁工程技术大学学报自然科学版，2010，vol.29,(1)[6]孙忆敏.我国大城市保障性住房建设的若干探讨[J].规划师论坛，2008,vol.24,(4)[7]马建唐.中国国家统计年鉴(国民与国内总收入)［EB/OL］./tjsj/ndsj/2010/indexch.htm

2-1[8]国务院发展研究中心信息网（居住用地交易价格指数）［EB/OL］./DRCmon.web/DocViewSummary.aspx?docid=2210699&leafid=1663

附录：程序代码附录一、相关性分析程序：图1：y=[786995129114091591180619972063205321122170225023592778316834653728];x=[35260.048108.559810.570142.578060.883024.388479.298000.5108068.2119095.7135174.0159586.7185808.6217522.7267763.7316228.8343464.7];plot(x,y,'o')xlabel('国民总收入');ylabel('房价均值');holdonp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图2：y=[786995129114091591180619972063205321122170225023592778316834653728];x=[35333.948197.960793.771176.678973.084402.389677.199214.6109655.2120332.7135822.8159878.3184937.4216314.4265810.3314045.4340506.9];plot(x,y,'o')xlabel('国内生产总值');ylabel('房价均值');holdonp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图3：y=[786995129114091591180619972063205321122170225023592778316834653728];x=[28.1428.6429.0429.3729.9230.4030.8936.2237.6639.0940.5341.7642.9943.9044.9445.6946.59];plot(x,y,'o')xlabel('城市化率');ylabel('房价均值');holdonp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图4：:y=[129114091591180619972063205321122170225023592778316834653728];x=[102.60102.5099.7098.6098.80101.5098.6098.2099.70105.10103.10101.90103.00109.50101.10];plot(x,y,'o')xlabel('建材价格指数');ylabel('房价均值');holdonp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图5：y=[18061997225023592778316834653728];x=[3466.403970.364257.493513.454379.034810.265621.865354.65];plot(x,y,'o')xlabel('保障型住房规模');ylabel('房价均值');holdonp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图6.y=[1591180619972063205321122170225023592778316834654045];x=[99.90100.4099.90101.0098.60107.70112.40111.60110.30106.00113.70111.30127.60];plot(x,y,'o')xlabel('居住用地交易价格指数');ylabel('房价均值');holdonp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图7y=[995129114091591180619972063205321122170225023592778316834653728];x=[60.3081.70102.20123.90159.80183.50209.60228.60282.40323.90366.30435.90515.20575.10680.34803.66];plot(x,y,'o')xlabel('税收收入');ylabel('房价均值');holdonp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)图8：y=[995129114091591180619972063205321122170225023592778316834653728];x=[2554.003149.023216.443178.373614.234103.204984.056344.117790.9210153.8013158.3015909.2019422.9025288.8031203.2036241.80];plot(x,y,'o')xlabel('房产投资');ylabel('房价均值');holdonp=polyfit(x,y,1)y1=polyval(p,x);plot(x,y1)a=corrcoef(x,y)附录二、残差原始图程序：x=[35260.035333.928.141648.9056.302360.2148108.548197.928.641757.6060.302554.0059810.560793.729.041844.3081.703149.0270142.571176.629.372978.50102.203216.4478060.878973.029.922676.50123.903178.3783024.384402.330.402784.60159.83614.2388479.289677.130.893274.90183.504103.2098000.599214.636.222845.40209.604984.05108068.2109655.237.663080.10228.606344.11119095.7120332.739.091747.80282.407790.92135174.0135822.840.532103.90323.9010153.80159586.7159878.341.762023.50366.3013158.30185808.6184937.442.991771.30435.9015909.20217522.7216314.443.902200.70515.2019422.90267763.7265810.344.942210.80575.1025288.80316228.8314045.445.692600.00680.3431203.20343464.7340506.946.591956.90803.6636241.80344903.6397983.050.002933.02894.064826.70];%x1国民总收入X2国内生产总值x3国家城市化率X4保障性住房规模X5物价水平想x6居民用地价格指数y=[7869951291140915911806199720632053211221702250235927783168346537284045]';%房价[b,bint,e,eint,stats]=regress(y,x)rcoplot(e,eint)结果：b=0.0606-0.05027.10880.21152.8388-0.0872bint=0.00800.1133-0.0926-0.0077-3.015717.23320.06370.35930.16495.5127-0.1699-0.0045e=-83.3155-29.4329158.4883-124.0002-36.195359.870352.73425.2597-16.9619153.786816.1532-28.1811-165.8985-112.788944.2947-49.7527107.3702-7.0414eint=-250.899684.2685-240.5966181.7308-23.4044340.3810-323.223675.2233-248.8101176.4195-163.9792283.7198-139.6051245.0734-147.7634298.2828-240.3712206.4473-31.2908338.8643-206.4989238.8052-258.4436202.0814-348.142116.3451-320.519294.9415-149.8675238.4568-232.1846132.6791-21.9060236.6464-13.0087-1.0741stats=1.0e+004*0.00010.02360.00001.1908残差改进图程序：x=[35260.035333.928.141648.9056.302360.2148108.548197.928.641757.6060.302554.0059810.560793.729.041844.3081.703149.0270142.571176.629.372978.50102.203216.4478060.878973.029.922676.50123.903178.3783024.384402.330.402784.60159.83614.2388479.289677.130.893274.90183.504103.2098000.599214.636.222845.40209.604984.05108068.2109655.237.663080.10228.606344.11119095.7120332.739.091747.80282.407790.92135174.0135822.840.532103.90323.9010153.80159586.7159878.341.762023.50366.3013158.30185808.6184937.442.991771.30435.9015909.20217522.7216314.443.902200.70515.2019422.90267763.7265810.344.942210.80575.1025288.80316228.8314045.445.692600.00680.3431203.20343464.7340506.946.591956.90803.6636241.80];%x1国民总收入X2国内生产总值x3国家城市化率X4保障性住房规模X5物价水平想x6居民用地价格指数y=[786995129114091591180619972063205321122170225023592778316834653728]';%房价[b,bint,e,eint,stats]=regress(y,x)rcoplot(e,eint)结果：b=-0.09730.10845.91060.15061.7756-0.0510bint=-0.23950.0449-0.03190.2487-2.594114.41540.01680.2844-0.63274.1840-0.12660.0246e=-7.664040.500286.6164-121.2992-12.209436.550392.643782.9457-87.493057.4746-14.5783-84.0965-92.6957-20.878677.2766-87.121886.9596eint=-138.6221123.2942-123.1760204.1765-65.0416238.2745-280.511137.9128-189.8513165.4325-150.8891223.9897-53.4344238.7219-99.2874265.1788-252.915877.9298-91.1720206.1211-198.8991169.7426-261.494893.3018-244.792359.4010-185.4533143.6960-75.2261229.7793-225.981851.7381-18.9058192.8250stats=1.0e+003*0.00100.26350.00008.1144附录三、回归系数检验程序：n=17;p=6;x1=[35260.048108.559810.570142.578060.883024.388479.298000.5108068.2119095.7135174.0159586.7185808.6217522.7267763.7316228.8343464.7]';%国民总收入x2=[35333.948197.960793.771176.678973.084402.389677.199214.6109655.2120332.7135822.8159878.3184937.4216314.4265810.3314045.4340506.9]';%国内生产总值x3=[28.1428.6429.0429.3729.9230.4030.8936.2237.6639.0940.5341.7642.9943.9044.9445.6946.59]';%国家城市化率x4=[170190210230250270.85457.02542.44599.65589.0622.0606.4519.26969.880.9970.91134.1]';%保障性住房规模x5=[56.3060.3081.70102.20123.90159.80183.50209.60228.60282.40323.90366.30435.90515.20575.10680.34803.66]';%房产税收x6=[2360.212554