食品价格变动及预测模型课程.doc

食品价格变动分析及预测模型 摘 要 本文主要对北京、上海和西安三个城市的主要食品价格进行了分析与预测。 针对问题一，由于题目所给的主要食品种类较多，首先将其进行分类。以近期50个城市主要食品每十天平均价格的涨跌幅为指标，利用SPSS软件，采用系统聚类法中的最小距离法，将涨跌幅变化相近的食品分为一类，得到六个分类，分别为：豆角，黄瓜，西红柿，大白菜，油菜，其它食品；根据分类结果以及北京、上海和西安三个城市的主要食品的平均价格数据，利用Excel对三个城市的每类食品的平均价格绘制折线图，分析得到三个城市的每类食品价格变动特征间的差异（见文中表1）。 针对问题二，由于三个城市数据量较少，利用灰色系统可以利用少量数据进行短期预测的特点，借鉴灰色系统GM(1，1)模型。利用问题一所得到的分类，对三个城市的六类食品2014年8—12月份的价格进行预测。六类食品分别以豆角，黄瓜，西红柿，大白菜，油菜，猪肉为代表，取其1—7月每月的平均价格数据为原始数列，利用MATLAB软件编程计算出1—12月每类食品的预测价格，根据预测的数据利用Excel绘制折线图，分析得到2014年8—12月份，三个城市六类食品中豆角、黄瓜、西红柿、油菜、猪肉的价格走势均是下降的；大白菜的价格走势是上升的。上海市油菜的价格走势是上升的,北京市和西安市油菜的价格走势是下降的。 针对问题三，首先采用50个城市主要食品每十天的平均价格数据，利用主成分分析法，分析得出27种主要食品中对居民消费水平影响较大的有13种，分别为第8、9、15、16、17、19、20、21、22、23、24、25、27种食品。得出结论：可以通过监测尽量少的食品种类价格相对准确地计算、预测居民消费者价格指数。其次根据所查询到北京、上海和西安三个城市的每类食品的平均价格数据，运用主成分分析法，分析得出对居民消费影响较大的食品种类个数分别为4种、6种、7种。由此可知，在相同的精度下，不同城市的食品的主成分的种类以及种类数目不一致。 最后对模型进行了评价与推广。 关键词 谱系聚类法；灰色预测模型；主成分分析法；MATLAB软件 一、问题重述 全国居民消费价格指数是根据与居民生活有关的产品及劳务价格统计出来的物2000年以来，我国城镇居民家庭食品消费支出占总支出的比重一直维持在36%以上。在收入增长缓慢的情况下，食品价格上涨将使人民群众明显感到生活成本增加，特别是食品价格上涨将降低低收入群体的生活质量。为监测食品价格的实际变化情况国家统计部门定期统计城市主要食品价格变动情况。建立数学模型： 根据的数据，变动。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，三个城市所选取的食品种类以及种类数目是否一致？ 二、问题分析 针对问题一：该问题讨论的是三个城市主要食品价格变动特征间的差异。价格变动可以用价格的涨跌幅来衡量。首先以近期全国50个城市主要食品平均价格变动情况的数据为基础，利用系统聚类法，根据食品价格的跌涨幅对27个主要食品进行分类。分类完成后，找出三个城市的各类主要食品价格数据，利用Excel绘制三个城市的每类食品价格走势图，分析其差异。 针对问题二：该问题讨论的是预测三个城市2014年8-12月份的食品价格食品价格 第个样品和第个样品之间的距离 第类与第类的距离 上海市每类代表食品的原始数据 北京市每类代表食品的原始数据 西安市每类代表食品的原始数据 上海市每类代表食品数据的均方差比值 北京市每类代表食品数据的均方差比值 西安市每类代表食品数据的均方差比值 协方差矩阵的特征值 五、模型建立与求解 本文根据题目所给数据及查询到的数据，对北京、上海和西安三个城市主要食品价格变动进行分析与预测，并对三个城市主要食品进行了主成分分析。 5.1谱系聚类法并采用最短距离对食品价格变动进行分类 由于该题数据样本容量较大，不利于模型的建立。因此为了使问题简单化，本模型使用谱系聚类法根据样品之间的相似程度对样品进行了分类，使所要讨论的样品容量减少，便于问题的解决。 对于个样品的多元观测数据([1])：,可将每个样品看成维空间的一个点，个样品组成维空间的个点，则在维空间可定义一种距离，根据两个样品之间距离的大小来衡量它们的相似程度。设表示第个样品和第个样品之间的距离，则有： （1）时，样品和样品恒等；（2）对于一切的和，；（3）；（4）。 本模型采用欧氏距离来衡量样品两两之间的相似程度。