【正文】 figure(1)plot(t,y, 39。年份序號39。年份序號39。disp(Y)。+006 +007 +006 +005]。中輸入所選取的因素%ylabel(39。 else N(i,j)=0。而在提出該模型時也確實參考很多的數(shù)據(jù)，才將之間的個各因素確定為線性的。模型建立之后進(jìn)行了修正，得到的結(jié)果比較符合實際。政府又提出新國四條：堅決抑制不合理住房需求。后果二：國民經(jīng)濟通脹急劇轉(zhuǎn)為通縮，經(jīng)濟硬著陸。：供求關(guān)系對房屋價格的影響是不可忽略的。通過實驗發(fā)現(xiàn)，采用二次多項式進(jìn)行逼近最為合理（運用MATLAB軟件，）。dd=181。經(jīng)計算得各個協(xié)方差的值為：(利用MATLAB軟件，協(xié)方差計算程序參見附錄3)181。da=0式1同理＝0推出：181。為了計算各因子的信息增益，我們先給定房價所需的信息期望： 接下來計算每個屬性的的熵，我們從竣工面積開始。因此，ID3總是選擇具有最高信息增益的屬性作為當(dāng)前結(jié)點的測試屬性。 問題二分析本問題的對某地區(qū)未來幾年的房價走勢進(jìn)行預(yù)測，較為準(zhǔn)確地預(yù)測房價，對社會發(fā)展極為重要，可以為經(jīng)濟決策提供參考，故其研究意義相當(dāng)重大。陜西理工學(xué)院大學(xué)生數(shù)學(xué)建模競賽房價問題的模型設(shè)計及相關(guān)問題討論摘要: 本文選取了全國幾類代表性城市，并收集了影響房價的因素，選取了影響房價的主要因素，發(fā)現(xiàn)了房價和其主要因素之間近似成線性關(guān)系，進(jìn)而建立表示房價的數(shù)學(xué)模型——多元線性回歸模型（Y =*ΔA +*ΔB +*ΔC +*ΔD+ pjY）。我們需要確定的是具體研究哪一座城市的房價數(shù)據(jù)，然后再考慮房價走勢的預(yù)測問題。設(shè)S是s個數(shù)據(jù)樣本的集合。觀察竣工面積的每個樣本值的分布，對于竣工面積=1，有1個房價=1,1個房價=0；對于竣工面積=0，有3個房價=1，有8個房價=0（見表三）。yb+*181。aa=181。ya=181。造價與年份擬合曲線（見圖9）為：y=+ 圖9下面運用擬合曲線，計算未來四年住房造價：年份序號9101112年份2011201220132014住房造價表十二 住房支出與年份擬合曲線參照表七中的數(shù)據(jù)，運用MATLAB建立擬合曲線。從價值規(guī)律上來講，一種商品的價格并不完全由起內(nèi)在的價值決定，同時還受到市場供求關(guān)系的影響。房價的急劇下跌，除了打擊開發(fā)商本身外，將嚴(yán)重打擊投資者對地產(chǎn)投資的信心，消費者的信心也會受到挫傷。增加住房有效供給。方案簡潔明了，易于操作。在計算時為了節(jié)省時間又能夠說明問題，所以只選用了幾組數(shù)據(jù)。 end endenddisp(N)2. 主要因素與房價關(guān)系圖畫法程序x=[ ]。商品房平均銷售價(元/平方米)39。 %輸入?yún)f(xié)方差矩陣%B=[+008 +009 +007 +006]。 %輸出13個城市的計算房價%X=[ ]。)ylabel(39。)ylabel(39。o39。y2=polyval(p,x2)。) %……代表所輸入的因素%xlabel(39。)xlabel(39。 %輸入13個城市的A,B,C,D,以列矩陣輸入%Y=*()+*()*()+*()+。+007 +008 +006 +006。 39。 for i=1:13 if M(i,j)=a N(i,j)=1。 其次，確定模型參數(shù)的樣本序列僅僅有13組數(shù)據(jù)，在應(yīng)用統(tǒng)計規(guī)律中，因為統(tǒng)計規(guī)律本來只是適用于一些大樣本甚至是無窮大序列，如果在樣本很小的情況下應(yīng)用，結(jié)果誤差可能會很大。模型基于信息增益法判定影響房價的主要因素。對政府來講，政府作為房地產(chǎn)政策的制定者，市場的管理者應(yīng)建立公開競爭的土地供應(yīng)制度，加大執(zhí)法力度，清理囤積土地，繼續(xù)深化稅制改革，提高政府管理水平；對房地產(chǎn)企業(yè)自身來講，應(yīng)提高管理水平，加強成本控制。后果一：銀行紛紛倒閉，經(jīng)濟急劇衰退，如果房價急跌，銀行是最大的受害者，銀行會受到巨創(chuàng)，一旦銀行倒閉，國家金融崩潰，國家經(jīng)濟急劇衰退，中國經(jīng)濟將要重建。房屋建筑單位的利潤和稅金是住宅價格的必要組成部分，所以房屋價格受其影響很大。城鄉(xiāng)人均儲蓄余額與年份擬合曲線（見圖8）為：Y=33210+2345x+780 圖8下面運用擬合曲線，計算未來四年城鄉(xiāng)人均儲蓄余額：年份序號9101112年份2011201220132014城鄉(xiāng)人均儲蓄余額117495134660153385173670表十一 造價與年份擬合曲線參照表七中的數(shù)據(jù)，運用MATLAB建立擬合曲線。cd=181。dd=0式4式式2，式3，式4寫成矩陣相乘的形式為： * = 則求解參數(shù)的公式為： = * 式5具體到本問題中，我們運用往年的統(tǒng)計數(shù)據(jù)對模型中各個參數(shù)的求解。ca+*181。表二城市編號竣工面積人口增長率工薪收入儲蓄余額造價人均每年住房支出開發(fā)商投資房價1001111112001111013010000104001111115100011106101111117000000008010000009000000101000000000110100010012010000001301100100 最終是根據(jù)房價來求其他因子的信息增益，所以統(tǒng)計房價中0,1的樣本數(shù)為：=1有4個樣本，=0有9個樣本。一個屬性的熵越大，它蘊含的不確定信息越大。通過分析主要因素與房價之間的變化關(guān)系，確定變量，分析比較，最終可以確定房價問題的模型—多元線性回歸模型。對模型進(jìn)行了全方面的論述，得出求解其中各個參數(shù)的方法，并最終求出房價。針對本問，可以收集該城市歷年房價的真實數(shù)據(jù)，通過Matble軟件對相關(guān)數(shù)據(jù)進(jìn)行擬合，分別建立相關(guān)關(guān)系，用模型擬算出未來幾年城市房價走勢。假定類標(biāo)號屬性具有m個不同的值，定義m個不同的類。所以房價=1房價=0竣工面積=111竣工面積=038表三則1 因此該屬性對應(yīng)的熵為： 信息增益為： 同理可得：各個屬性等于1或等于0時，房價等于1和房價等于0時的樣本數(shù)如表四所示：房價=1房價=0人口增長率=105人口增長率=044房價=1房價=0工薪收入=141工薪收入=008房價=1房價=0儲蓄余額=140儲蓄余額=009房價=1房價=0造價=141造價=008房價=1房價=0年人均住房支出=143年人均住房支出=006房價=1房價=0開發(fā)商投資=133開發(fā)商投資=01