食品价格变动分析数学建模.docVIP

装 订 线 食 品 价 格 摘 要 本文在综合考虑不同地域的食品价格的基础上，分析了食品价格变动的特点、未来一段时间食品价格的预测以及食品价格与CPI的关系。 针对问题一，我们首先将数据进行无量纲化处理，利用关联分析计算出各食品价格间的相关度；然后利用Q型聚类分析模型结合欧氏最短距离，将总体27种食品分为了6大类；最后，分别作出这6大类食品价格随时间变化的折线图，分析出食品价格波动的特点。 针对问题二，我们利用了 GM（1，1）灰色预测模型。先进行数据的检验与处理，对原始数据进行一次累加，使数据有较强规律性，进而建立灰微分方程；再用最小二乘法，求解模型，利用所得的函数对六类食品的均价走势进行拟合，并依次进行残差检验与级别偏差检验，均有ε(k) 0.1，ρ(k) 0.1，达到了较高的精度要求，拟合效果很好；最后，通过拟合函数预测2014年5月份食品价格走势。 针对问题三，我们先计算出食品、衣着、住房价格等居民格方面的消费价格与CPI的关联度，通过关联度，可以确定食品价格对CPI有着剧烈的影响，因此进一步检测以确定食品的价格是否可以用来预测CPI；然后，在对所涉及到的食品进行分类和分析各类食品价格走势的基础之上，结合了两个城市——西安与武汉——食品价格的数据，用多元线性回归分析求解出样本回归方程，作为总体回归方程的估计；模型的检验，用多重决定系数检验拟合程度，用F检验观测显著性，均达到了较高的精度；最后，根据求解出的回归方程，发现用西安的少量食品价格预测CPI时，达不到最低的精度要求，误差很大，因此对于西安来讲，不能仅通过已知的少量食品价格来预测CPI；而对于武汉来讲，其拟合函数有较高的精度，可以通过少量食品价格来准确预测2014年5月份武汉居民消费价格指数CPI。 最后是模型的评价与推广。其中，利用关联分析模型和聚类分析模型来解决分类问题很合理，基于最小二乘法的多元线性回归方程拟合具有良好的精度与可信度，能够得到不错的预测结果，具有较强实用和推广价值。 关键词：关联分析模型 Q型聚类分析 GM（1，1）灰色预测 多元线性回归分析 一、问题重述 1.1 问题背景 1.2 问题提出 根据已知的信息，建立数学模型： 根据的数据，。 食品价格预测 （3）目前统计部门需要监测大量食品价格变动情况以计算居民消费者价格指数变动情况，能否仅仅通过监测尽量少的食品种类（这里，食品种类是指附件1表格中的商品名称，可以认为每一种商品名称即为一种食品种类）价格即能相对准确地计算、预测居民消费者价格指数？在同样精度要求下，不同地区所选取的食品种类以及种类数目是否一致？请至少选择两个有特点的城市进行说明。 二、模型假设 收集到的相关的数据都准确可靠，可信度高； 食品零售价格每十天的平均价格与食品日平均价格的偏差很小，可以忽略不计； 食品的分类是按价格走势来划分的，同一类的食品价格的变化幅度可能有所不同，假设只要满足相同的价格走势即可； 假设在预测时间段内不存在经济发展状况、突发情况（如自然灾害）等能使食品价格波动显著的因素。 三、符号说明 ：一组数列中的参考数列； ：一组数列中的比较序列； :是比较数列对参考数列在k时刻的关联系数； ：为数列对参考数列的关联度； ：欧式距离； ：时间序列的原始数据 ：对原始数据进行一次累加后的数据 ：相对误差 ：级比偏差 四、问题一 4.1 问题分析 该问题要求根据已知的统计数据，分析出我国食品价格波动的特点。因此，从题目的要求可以看出，食品的价格是我们所要分析研究的对象。但由于已知的食品种类有27种，数据量比较庞大，如果逐个地分析每一种食品的价格波动情况，势必导致过程繁琐，无概括性与简洁性。因此可以先对27种食品进行分类，分类的依据是各食品价格间的关联程度。由于每一类中的食品价格均具有相同的走势，因此可以逐类分析，即可得出我国食品价格的波动情况。 4.2 建立模型Ⅰ——关联分析模型 ①用附表1中的数据， 建立矩阵： ，则 ，（i=1，2，…，27） 表示27种食品中某一种食品在给定时间段内没十天的平均价格。 根据灰色系统理论中的关联分析理论，选取参考数列： ，其中k表示时刻。假设有m个比较数列 ，（i=1，2，…，m） 则称 是比较数列对参考数列在k时刻的关联系数，其中p（在区间[0，1]中）为分辨系数，称一式中的，分别为两级最小差与两级最大差。一般来讲，分辨系数ρ 越大，分辨率越大；ρ 越小，分辨率越小。（1）式定义的关联系数是描述比较数列与参考数列在某时刻关联程度的一种指标，由于各个时刻都有一个关联数，因此信息显得过于分散，不便于比较，为此我们给出定义3 称： 为数列对参考数列的关联度。 综