?1(1)(1)?(x?x)(1)(2)?2???1(x(1)?x(1))B??2(2)(3)????1(1)(1)??(x(9)?x(10))?2?1?0)?x((2??)?（0）?x1?? Y??(3）?
??????(0)????x(10)???1??
? (5).计算u?u?(a,b)T=(BTB)?1BTY
从而得到a=-0.0973, b=399.9440（程序十是求解过程） (6).建立模型
（1）dx?ax(1)?b dt 求解得到：
b?akb(0)x((1)?(x?)e??4652.82138e0.0973k?4110.42138 k?1)(1)aa
（7）.预测2020年的经济适用房投资：
）(1)(1)?((0?? 由x=x?xk)(k)(k?1)可得到：
1.
(0）(1)(1)?(21)?(21)?(20)=3019.7 x=x?x
因此可以得到：
预测2020年的经济适用房投资为3019.7
8）. 对房屋销售均价的预测
(0)（0）(0) (1).建立房屋销售均价数据时间序列如下：x(0)?(x(1),x，?，x(10))? （2）(2063, 2053, 2112, 2170, 2250, 2359, 2778, 3168, 3465, 3728)
（2）.求级比?(k)
? ?(k))x((k0?1)?(0） x(k)?=（?(2),?,?,?(10))?（3）
(1.00487,0.972064,0.973272,0.964444,0.849172,0.876894,0.914286,0.9294
53) （程序三是求解过程）
由于所有的?(k)?[0.849172,1.00487],k=2,3,…,10,故可以用x(0)作满意的GM（1，
1）建模。
(3).对原始数据x(0)做一次累加，即：
x(1)=（2063，4113，6225，8395，10645，13004，15782，18950，22415，26143）
（4）.构造数据矩阵B（程序二是求解过程）及数据向量Y
14
?1(1)(1)?(x?x)(1)(2)?2???1(x(1)?x(1))B??2(2)(3)????1(1)(1)??(x(9)?x(10))?2?1?0)?x((2??)?（0）?x1?? Y??(3）?
??????(0)????x(10)???1??
?u?(a,b)T=(BTB)?1BTY
从而得到a=-0.1, b=1585.1（程序十一是求解过程） (6).建立模型
（1）dx?ax(1)?b dt 求解得到：
b?akb(0)x((1)?(x?)e??17914e0.0973k?15851 k?1)(1)aa（7）.预测2020年的房屋销售均价：
）(1)(1)?((0?? 由 x=x?xk)(k)(k?1) 可得到：
(0）(1)(1)?(21)?(21)?(20)=12597 x=x?x? (5).计算u
因此可以得到：
预测2020年的房屋销售均价为12597
所以综上所述，可以得到一下表：
表6 预测2020年影响住房因素的相关数据 预测2020年影响住房因素的相关数据 国民总收年份 入 2020 国内生产总值 居民消费价格指数 税收 455710 城市化率 62.5801 经济适用房投资 3019.7 房屋销售均价 12597 投放 16547000 1887300 9292.8 97.3556 结合上面预测的结果，给出以下几点建议：
1）. 进一步完善房地产价格调控, 促进房地产市场健康发展。首先, 政府应以保持房地产市场的持续发展为目标, 正确把握和及时调整调控力度; 其次, 政府应根据不同区域的经济发展状况、居民消费水平及房地产业的发展情况来制定切实有效的调控措施, 不宜搞全国“一刀切”; 再次, 政府应采取稳定和可预见的政策, 我国居民的心理预期受政府政策的影响较大, 应减少房地产政策的频繁变动, 避免因担心政策变动而产生的恐慌性行为; 最后,政府要进一步整顿和规范房地产市场秩序, 降低消费者购房交易的风险, 同时加强房地产信息系统和预警预报体系建设, 正确引导社会舆论和市场预期。
2）. 随着国民经济的发展和人们可支配收入的增加, 促使我国居民对住宅的需求不断增加, 而供需矛盾突出则导致房价非理性上升。要从根本上解决目前供不应求的矛盾，政府应从供给和需求这两个方面来采取适当的措施。供给方面：我国政府需要根据房地
15
产市场的变化情况, 保持房地产投资规模, 适时调整住房的供应总量、结构，特别是要多开发经济实用房来满足具有真正住房需求的人群的需求，同时避免因收入增加导致的流动性过剩对房地产的投机炒作；需求方面： 针对不同结构的房地产商 我国政府需要根据房地产市场的变化情况, 保持房地产投资规模, 适时调整货币供应总量、结构、供应方式、供应节奏及供应时间; 加强宏观经济调控。
3）. 明确政策法规，不断优化房地产投资环境。其一，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。其二，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。其三，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。其四，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。其五，在投资环境较好的地区推进试点房地产信托投资基金（REITs），拓展房地产投资渠道，推进房地产市场发展。
六、模型评价
6.1模型优点
（1）.在考虑到预测未来房地产变化时，我们运用了能够精确预测数据量较少的灰色预测（GM（1,1））模型，得到预测出的2020年的影响房地产各个因素的数据；
（2）.整篇文章数据均来自可信度较高的网站，反映的情况离真实很近；
（3）.计算机分析与实际情况相结合，给出了自回归模型中的参数与真实值与预测值的比较，进而可以预测出房地产带来的异常变化。
6.2模型的缺点
（1）在网上寻找数据时，数据量有些少，对未来各情况的预测可能存在较大的误差；
（2）在对房地产的预测中，忽略了在很多客观和主管因素带来的影响；
（3）由于数据的局限性，计算结果可能存在一定的误差。
七、模型的科学性与推广
7.1模型的科学性分析
16
7.1.1假设的合理性
文中数据的来源是中国统计年鉴-2010，故数据的可信度高，所以我们所获得的数据正确无误。
7.1.2思维的合理性
选取七个方面作为影响房地产的影响因素，并借助于有力的模型对影响房地产的因素进行不同的分析，同时我们运用Matlab软件对模型求解。
7.1.3方法的科学性
本文中，我们针对不同的预测方面，使用了各种可靠的、科学的数学方法，其间我们用到了数理统计方法、Matlab软件求解法等。在搜集的数据可信度较高，能够反映客观实际问题，条件的抽象也比较合理，所以这种方法也是科学的。
7.1.4参数设置的合理性与现实性
两个预测模型中涉及了一些参数，这些参数数值的选取主要依据计算机分析和考虑到实际情况而得到的，所以参数的设置也是科学的。
7.1.5求解方法的可靠性
在对模型进行求解时，我们用成熟的Matlab软件分别对模型进行了求解，并得到了一致的结果。
7.2 模型的推广
根据前面所建立的模型，可以很好地解决影响房地产因素的问题。在数据充足的情况下进行了定量的分析。推而广之，本文所建立的模型也可以对任何城市的房地产影响因素的分析等方面的异常增长进行评估。
八、参考文献
[1]. 参考网址 http://www.stats.gov.cn/tjsj/ndsj/
[2]. 邓聚龙,灰色理论基础[M],武汉:华中科技大学出版社,2002 [3]. 谭赟，时间序列分析模型构建与MATLAB实现，科技资讯，30（26）：253-254，2009 [4]. 牛军宜，冯平，基于Markov状态切换的水质时序自回归预测模型，吉林大学学报，
40（3）：657-664, 2010
17
[5]. 丁明，张立军，吴义纯．基于时问序列分析的风电场风速预测模型 [J].电力自动
化设备，25（8）：32-34, 2005
[6]. 黄现代，多变量灰色预测模型算法的MATLAB，四川理工学院学报，21（1）：44-46，
2008
[7]. 中国统计年鉴-2010
九、附录
9.1原始数据
表7 2000年～2009年影响住房因素的相关数据 2000年～2009年影响住房因素的相关数据 国民总年份 收入 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 98000.45 108068.2 119095.7 135174.0 159586.7 185808.6 217522.7 267763.7 316228.8 343464.7 国内生产总值 99214.55 109655.2 120332.7 135822.8 159878.3 184937.4 216314.4 265810.3 314045.4 340506.9 居民消费投放 价格指数 税收 1197 1036 1589 2468 1722 2563 3041 3303 3844 4027 100.4 100.7 99.2 101.2 103.9 101.8 101.5 104.8 105.9 99.3 12582 15301 17636 20017 24166 28779 34804 45622 54224 59522 城市化率 36.22 37.66 39.09 40.53 41.76 42.99 43.90 44.94 45.68 46.59 经济适用房投资 542.4 599.6 589.0 622.0 606.4 519.2 696.8 834.11 982.64 1134.1 房屋销售均价 2063 2053 2112 2170 2250 2359 2778 3168 3465 3728
9.2源代码
程序一：
x0=[2063 2053 2112 2170 2250 2359 2778 3168 3465 3728;
98000.454 108068.211 119095.689 135173.976 159586.748 185808.559 217522.67 267763.659 316228.825 343464.69;
99214.5543 109655.1706 120332.6893 135822.7561 159878.3379 184937.369 216314.4295 265810.3058 314045.4271 340506.8673;
1197.2 1036.1 1589.2 2468 1722.3 2563.4 3041 3302.6 3843.7 4027 ; 100.4 100.7 99.2 101.2 103.9 101.8 101.5 104.8 105.9 99.3 ;
12581 15301 17636 20017 24165 28778 34804 445621 54223 59521; 36.22 37.66 39.09 40.53 41.76 42.99 43.9 44.94 45.68 46.59; 542.4 599.6 589 622 606.4 519.2 696.8 834.11 982.64 1134.1];
for i=1:8
x0(i,:)=x0(i,:)./x0(i,1);
end
n=size(x0,1);
18