猪肉价格走势的综合预测分析.doc

猪肉价格走势的综合预测分析摘要1985年后，我国猪肉计划流通体制开始向国家宏观调控下的自由流通体制过渡，国家放开猪肉供销价格管制，猪肉价格问题开始出现并一直困扰着我国猪肉市场。本文就猪肉价格走势的综合预测分析问题，根据题目中的条件和要求，在合理的假设下，建立四个模型。模型一为简单的线性回归模型；模型二是在采用灰色关联度，建立猪肉价格与其影响因素的关系模型后，算出各因素关联度所占的权重，建立猪肉价格预测模型；模型三是建立GM（1,1）模型进行长期预测；模型四是指数滑动模型，在模型三不足的情况下，对未来猪肉价格的预测。通过求解这四个模型，很好的解决了问题。对于问题一，我们先分析出，影响猪肉价格的主要因素是:出栏猪的价格、猪仔的价格以及玉米的价格。然后，描绘出各自的价格与猪肉价格的变动情况，发现各因素在一定程度上都影响了猪肉的价格。对于问题二，我们选取了2000年1月到2009年6月各月，共114个猪肉的实际价格，来对猪肉价格的波动情况进行分析，并用matlab进行拟合，得到猪肉价格与时间的拟合图像的线性拟合方程：，并消除数据随机性，得到猪肉价格周期拟合图像，并推断出我国猪肉价格的变动周期近似为3年。对于问题三，对于短期预测，我们先将各因素与猪肉价格单独分析，拟合得到各因素与猪肉价格的线性拟合方程，并建立灰色关联度模型，算出各因素关联度所占的权重，建立猪肉价格预测方程：并进行短期预测。对于长期预测，我们建立了GM(1,1)模型，并求解得到其预测方程：，进行了长期预测。在模型改进中，对于短期，我们进行多项拟合，将线性拟合后的平均相对残差3.1%下降到2.6%，显然后者更精确。对于长期，我们建立指数平滑模型，用SAS进行了预测求解，并得到了11年1月至12年6月这段时间呈缓慢上升趋势，12年6月后又称缓慢的下降趋势。而通过SAS做出的预测图，也可以看到未来几个月猪肉价格呈缓慢上涨趋势，并在一定的误差范围内是可行的。对于问题四，根据计算结果，我们对于农业部门和生猪养殖企业，给予了指导养殖生产的建设性的，可行性意见。关键词： 线性回归模型 灰色关联度 GM（1,1）模型 指数滑动模型一、问题重述1.1问题背景：当前猪肉价格连连上涨，屡创新高。不仅吃肉的人喊贵，卖肉的人也抱怨忙活一天几乎都赚不出摊位费买肉的人少了。可以说，猪肉价格暴涨影响着亿万百姓的生活。7月9日，国家统计局公布6月份全国CPI同比上涨6.4%，创三年新高，其中猪肉价格上涨57.1%，影响CPI上涨约1.37个百分点，也就是说猪肉价格对CPI贡献超过20%。甚至有网友戏称：中国的CPI变成了中国猪肉指数（China Pig Index）。与此同时，来自农业部的调研显示，“生猪存栏连续4个月增长”。养殖户们认为，价格涨涨跌跌伤不起，现在补栏会踩空。经济学者们则称，这是猪周期，是去年行业低迷造成的时滞反应。1.2目标任务：(1)分析当前我国生猪生产的现状和发展特点，找出影响猪肉价格的主要因素。(2)自行选择某一地区（某个省份、某个地区或全国）为研究对象，收集猪肉价格的相关数据，分析我国猪肉价格的波动性，并讨论其周期性。(3)根据（2）并结合历史数据和周期性，综合考虑(1)中找出的影响猪肉价格的主要因素,分析并预测所研究的地区的猪肉价格走势。(4)结合上述计算结果给农业部门和生猪养殖企业写一篇关于指导养殖生产的短文。二、模型假设1、在本题中，假设查阅的所有数据均有效，即不考虑人为因素造成的无效数据或误差。2、在问题（2）中，我们假设猪肉的价格的变化趋势在短时间内只与时间有关系，即不考虑国家宏观调控和猪饲料价格变动以及疾病等其他因素的情况下，我们对猪肉价格作简单地分析。3、假设在预测期间，不会出现金融危机、猪流感等严重影响生猪出栏量的意外发生。4、假设在预测期间，不会有打压猪肉价格或者哄抬猪肉价格的事件发生。5、假设不会发生不发生大的疫情，灾难或国家政策干预等引起猪肉价格急剧变化的事件。6、假设消费者对猪肉的需求量不发生巨大变化。7、所选的数据具有代表性。三、符号说明关联算子进行无量纲化后的数据被评价对象指标序列与参考序列对应元素的绝对差两极最大值两极最小值比较序列与参考序列对应元素的关联系数分辨系数，本文取=0.5关联度猪肉价格出栏猪价格猪仔价格玉米价格模型模拟序列残差序列相对误差序列平均相对残差发展系数内生控制灰数待估计参数变量四、模型的建立与求解4.1问题一的分析与求解：4.1.1因素分析：目前，国内学者对猪肉价格的形成已经进行过一些研究，一些观点散见与对农产品价格形成的研究和对猪肉价格的研究。现已经基本认同了影响猪肉的价格是由多种因素决定，其中就猪仔、出栏猪的价格以及猪粮的价格主要影响着我国猪肉的整体价格。4.1.2时间数据化：由于数据庞大和不全，本文选取了我国10年3月至12月价格表，每月数据记录有两次，所以我们把每个数据对应的时间数据化，即10年3月1日至10日为第一个时间区间，10年3月20日至31日为第二个时间区间，,依次类推。4.1.3出栏猪价格与猪肉价格的对比与分析：我们首先摘取10年3月至12月出栏猪的价格(见附录表)以及10年3月至12月实际猪肉(见附录表)的价格，作出各自的时间序列图进行比较。图 2010年3月12月我国出栏猪与猪肉价格对比（元/公斤）通过两图的对比，可以明显得出猪肉价格和出栏猪价格的波动表现出相对一致的趋势。所以，出栏猪的价格在一定程度上也影响了猪肉的价格。4.1.4出栏猪价格与猪肉价格的对比与分析：同样，我们摘取10年3月至12月猪仔的价格(见附录表)以及10年3月至12月实际猪肉的价格，画出各自的时间序列图进行比较。图 2010年3月12月我国猪仔与猪肉价格对比（元/公斤）通过两图的对比，可以明显得出猪肉价格和猪仔价格的波动表现出相对一致的趋势。所以，猪仔的价格在一定程度上也影响了猪肉的价格。4.1.5出栏猪价格与猪肉价格的对比与分析：因为在我国，猪的饲料主要来源是玉米，玉米在猪饲料中所占比例高达60%-80%，因此通常以玉米价格作为饲料价格进行计算。而饲料成本很大程度上影响到了猪肉的价格，所以本文取玉米价格来讨论饲料对猪肉价格的影响。我们摘取10年3月至12月玉米的价格(见附录表)以及10年3月至12月实际猪肉的价格，画出各自的时间序列图进行比较。图 2010年3月12月我国玉米与猪肉价格对比（元/公斤 (玉米与猪肉价格对比图) (玉米价格走势图) 通过两图的对比，同样可以得出猪肉价格和玉米价格的波动表现出相对一致的趋势。所以，玉米的价格在一定程度上也影响了猪肉的价格。4.1.6结果分析：经过上述分析，我们认为影响猪肉价格的主要因素是:出栏猪的价格、猪仔的价格以及玉米的价格，且近似趋向于线性关系。4.2问题二的分析与求解：4.2.1数据选取： 由于要研究猪肉价格变化的周期性，而猪肉价格在短期内是很难发现其周期性的，所以，在这里我们选取了2000年1月到2009年6月各月猪肉实际价格，来进行分析。4.2.2时间数据化：在这里我们选取了2000年1月到2009年6月各月，共114个猪肉的实际价格，来进行分析，由于数据庞大，每月数据记录有一次，所以我们把每个数据对应的时间数据化，即00年1月为第一个时间区间，00年2月2为第二个时间区间，,依次类推。4.2.3周期分析：matlab拟合：我们将所划分的时间区间与猪肉的实际价格用matlab进行线性拟合(程序见附录程序)得到猪肉价格与时间的拟合图像。图 猪肉价格与时间的拟合图像即得到猪肉价格与时间的拟合图像的线性拟合方程：计算周期：我们用上述拟合的方程做出各月所相对应的拟合价格，由于数据具有随机性，为了消除随机性，我们将实际价格与其相对应的拟合价格做差。即：差值=实际价格-拟合价格为了更好地计算出其周期性，我们将上述得到的差值与实际价格做比，得到其相应的比值（见附录表）。即：比值=差值/实际价格综上，我们将比值控制在-1,1之间，并作出猪肉周期拟合图。图 猪肉价格周期拟合图像用excel得出，在时间点78处（2006年6月），比值最小为-0.56425，在时间点96处(2007年12月)，比值最大为0.346866。所以我们认为猪肉价格的半周期近似于2006年6月到2007年12月这一时间段。 即半周期1.5年 周期3年所以我们认为我国猪肉价格的波动是呈现周期性的，且周期大致为3年。且在06年6月至07年12月之间猪肉价格呈增长趋势，08年1月至09年6月呈下降趋势依次类推。此结果也符合实际情况。综上：我国猪肉价格的波动是呈现周期性的，且周期大致为3年。4.3问题三的分析与求解：4.3.1建立猪肉价格与其因素的线性拟合模型：我们选取了10年3月至12月猪肉价格、出栏猪价格、猪仔价格以及玉米价格的数据(见附录表)，用matlab分别模拟出其各自对应的图像及其所对应的方程。出栏猪与猪肉价格的线性方程： (程序见附录)猪仔价格与猪肉价格的线性拟合方程y玉米价格与猪肉价格的线性拟合方程4.3.2短期预测：构建灰色关联度模型：灰色关联分析的基本思路是：确定系统的行为，找出行为数列，寻找影响系统行为的元素，采集影响系统行为的元素的数据列，计算每个元素数据列与行为数据列的关联度3。关联度的计算步骤如下：1、根据评价目的确定评价指标体系，收集评价数据，设个数据序列形成如下矩阵：其中为指标的个数，2、确定参考数据列：参考数据列应该是一个理想的比较标准，可以以各指标的最优值（或最劣值）构成参考数据列，也可根据评价目的选择其它参照值。记作：3、对指标数据序列用关联算子进行无量纲化：4、逐个计算每个被评价对象指标序列与参考序列对应元素的绝对差值：5、求两级最大值与最小值：6、计算关联系数：分别计算每个比较序列与参考序列对应元素的关联系数，其中，式中为分辨系数，在（0，1）内取值，越小，关联系数间的差异越大，区分能力越强，通常取0.5。7、计算关联度：最后，将结果按照子序列对同一母序列关联度的大小顺序进行排列，就形成关联序。它直接反映了子序列对母序列的贡献大小或主次关系。采用灰色关联法，求解出栏猪价格、猪仔价格和玉米指数与猪肉价格的关联度。我们选取了10年3月至12月猪肉价格、出栏猪价格、猪仔价格以及玉米价格的数据序列如下： 2010年3月到2010年12月的猪肉价格序列 2010年3月到2010年12月的出栏猪价格序列 2010年3月到2010年12月的猪仔价格 2010年3月到2010年12月的玉米价格其中参考序列为，被比较数列为，。对序列进行初始化，将该序列所有数据分别除以第一个数据。得到：则其序列差为：求得两极差：关联系数，取=0.5有： 所以，关联度为：猪肉价格的短期预测：由求得的关联度，并计算其相应所占的权重为：，可得猪肉价格预测公式： 将10年3月至12月出栏猪价格、猪仔价格以及玉米价格的数据代入变可得到其相对应的预测值。表 2010年猪肉价格（元/公斤）的拟合结果时间(10年)预测1实际价格残差序列1相对误差序列13-1至1018.7734719.240.46653160.0242480063-20至3119.3349718.121.21497120.0670513894-1至1017.8510417.80.05104110.0028674764-20至3018.0233217.730.29332180.0165438125-1至1018.3836717.630.75366850.0427492045-20至3118.4284517.460.96844980.0554667676-1至1018.6007817.531.07078250.0610828576-20至3018.6439217.181.46392250.0852108587-1至1019.1654919.060.10548530.0055343827-20至3120.1142220.840.72577860.0348262288-1至1020.9537621.260.3062370.0144043748-20至3121.2838621.470.1861440.0086699589-1至1021.5967421.540.05673630.0026339989-20至3021.5962521.760.16375490.00752550110-1至1021.3956821.770.37431650.01719414210-20至3121.5070121.990.48298590.0219638911-1至1021.8351922.50.66480940.02954708411-20至3022.4142523.350.93574650.04007479712-1至1022.5028923.210.70711070.03046577912-20至3122.3390523.30.96095050.041242512图 2010年猪肉价格的拟合结果从2010年3月到2010年12月猪肉价格的真实值为： 相应的模型模拟序列为： 残差序列： 相对误差序列： 平均相对残差： 预测出的2010年3月到2010年12月猪肉价格与真实值的相对误差较小，从而预测2010年的生猪年末存栏量，有较高的精度。 4.3.3长期预测：构建GM（1,1）模型：我们搜集了2000年到2009年每月的猪肉价格，运用灰色系统建模的思想，建立了灰色GM(1,1)模型进行拟合，并预测未考虑影响因素下的猪肉未来价格。建立灰色系统预测模型GM(1,1)步骤如下：设时间序列有个观察值，, 通过累加生成新序列，生成序列相应的微分方程为：（1）其中式（1）中为发展系数，为内生控制灰数。设为待估计参数变量，利用最小二乘法求解可得其中,将求得的带入式（1），解微分方程得，GM(1,1)模型的时间响应序列为：,（2）式（2）即为预测方程，此时可利用一次累减，得到（）（3）模型的求解及检验：得a=-0.00955,u=7.65192，代入（3）式得到（）根据方程可求的每个月的预测值及残差值（见附录表）。根据方程，预测2010年及2011年的猪肉价格走势，并与我们搜集到的实际猪肉价格进行比较，比较结果如表所示：表 2010年及2011年的猪肉价格走势年月2010.032010.042010.052010.062010.072010.082010.092010.10预测值24.6903724.9272125.1663225.4077225.6514425.897626.1459226.39672实际值18.6917.76517.545117.35519.9521.36521.6521.88年月2010.112010.122011.012011.022011.032011.042011.052011.06预测值26.6499326.9055627.1536527.4242127.6872827.9528628.22128.4917实际值22.92523.25523.8424.67524.5724.5725.73529.21从而我们得到了其长期的预测价格及其方程：（）4.4对问题三模型地改进：4.4.1短期预测：将玉米价格与猪肉价格进行多项拟合：不难发现，在4.3.1，玉米价格与猪肉价格的线性拟合图像中，依次拟合的结果并不是很好，实际值点与拟合图像偏差较大，所以我们将玉米价格与猪肉价格进行多项拟合（程序见附录），得到相应拟合图。玉米价格与猪肉价格的多项拟合方程： 计算短期预测函数：根据，以及上述玉米与猪肉价格的多项拟合方程，同理可得猪肉价格预测公式： 将10年3月至12月出栏猪价格、猪仔价格以及玉米价格的数据代入变可得到其相对应的预测值。表 2010年猪肉价格（元/公斤）的拟合结果时间（10年）预测2残差序列2相对误差序列23-1至1019.285160.04516430.0023474193-20至3119.539971.41996950.0783647614-1至1017.807770.00776920.0004364714-20至3017.71720.0128040.0007221655-1至1017.931570.30156690.0171053285-20至3118.020240.56023850.0320869696-1至1018.455590.92558760.0528002046-20至3018.6011.42099890.0827123927-1至1019.239440.17943980.0094144697-20至3120.188180.65182410.031277558-1至1021.027720.23228250.0109258018-20至3121.357810.11218950.0052254099-1至1021.948270.40826760.0189539279-20至3021.801680.04168450.0019156510-1至1021.250490.51951140.02386363710-20至3121.274150.71584520.03255321611-1至1021.690.81000430.03600019111-20至3022.488210.86179210.03690758312-1至1022.708330.50167130.02161444612-20至3122.4130.88699610.0380685表 2010年猪肉价格（元/公斤）的拟合结果从2010年3月到2010年12月猪肉价格的真实值为： 相应的模型模拟序列为： 残差序列： 相对误差序列： 平均相对残差： 我们发现，与所做出的平均相对残差3.1%相比，进行多项拟合后的平均相对残差2.6%相比，显然后者更精确。4.4.2长期预测：建立指数滑动模型：由的结果，从表中看出预测值和实际值差距偏大，所以用此模型预测将来的猪肉价格不可取。为此我们建立了指数滑动模型，并利用SAS软件进行求解。 SAS软件求解：我们查阅了10年3月至11年7月我国猪肉的实际价格（见附录表.1），运用SAS软件，我们可以得出下面的拟合图，下面我们可以检验模型是否显著。图.2 2010年3月至11年7月我国猪肉的实际价格走势图从下面的两个图形，我们可以看出自相关系数与偏自相关系数都在两倍标准误差的范围内，所以该时间序列是平稳性序列。从下面的White Noise Tests和Unit Root Tests两幅图可以看出，在White Noise Tests中所有的值几乎都在1，所以它很难拒绝白噪声，即该序列为白噪声序列。而Unit Root Tests中所有的值几乎都在0.1至0.01处波动，所以易拒绝，即模型显著。所以我们得到了猪肉价格未来的走势情况。图.3 我国猪肉价格未来走势预测图通过该模型对未来走势的预测图，以及由知：我国猪肉价格的波动是呈现周期性的，周期大致为3年，在06年6月至07年12月之间猪肉价格呈增长趋势，08年1月至09年6月呈下降趋势依次类推可做出估计：11年1月至12年6月这段时间呈缓慢上升趋势，12年6月后又称缓慢的下降趋势。而通过SAS做出的预测图，也可以看到未来几个月猪肉价格呈缓慢上涨趋势，并在一定的误差范围内是可行的。4.5问题四的分析与求解：根据我们建模所得到的结论，影响生猪价格的主要因素包括玉米的价格，仔猪的价格及出栏猪的数量，根据结论，我们对生猪养殖企业在指导养殖生产方面提出了几个建议如下：1、由于玉米等饲料价格的飞涨，为减少成本，这就要求养猪户要考虑科学饲养。在喂养上，选择部分能够代替玉米的猪饲料，可以利用发酵饲料玉米糠，豆腐渣，秸秆等，适时适量投入一些玉米、麸皮等饲喂，这样算起来养猪成本比较低。针对地区差异以及所言的猪品种的不同，选择合适的价格合理的饲料。同时我们要科学调制饲料，不同的饲料所含的各种营养成分不同，提高蛋白质及其它营养的吸收效率。多种饲料搭配使用，可使各种养分互补，能更好地满足猪的营养需要。除了采取以上做法，企业还应当采取农牧结合的“畜禽肥料作物”、“畜禽沼气作物”的生态循环模式，以及“渔牧结合型”、“综合利用型”和“生态处理型”的畜禽生态养殖模式。2、因为出栏猪的价格又是影响猪肉价格的一个很重要的因素，所以我们要合理的控制出栏猪的价格，价格偏高，表面上是收益增加，但是我们要看到另一方面，价格的提高会影响人们的消费量，人们吃不起了，影响销量，总体收益未必提高。出栏猪的价格受到很多因素的影响，比如自然灾害影响了猪的产量，猪的产量的多少直接影响供求关系，这必然影响到出栏猪的价格，所以面对自然灾害，我们要及时采取补救措施。这不仅有利于企业的可持续发展，同时也促进了市场的稳定发展。面对现在猪肉价格较高的局势，我们要增加出栏猪的数量，这样能有效地使猪肉价格下降。3、仔猪的价格是影响猪肉价格的又一大因素，猪肉的价格的飞涨，更多的人被吸引到养猪这个行业，养猪的数量增多，使仔猪的需求增加，造成供给的不平衡，仔猪价格又是养猪的成本之一，所以这就形成了循环。所以作为养猪企业要充分考虑到这个因素，为提高出仔率，养猪企业要注意猪的生长环境，还要考虑隔离舍、配种舍饲养环节，分娩舍饲养环节，断奶后大栏饲养环节等环节。除了从我们建模得出的影响因素出发对企业提出建议，我们也要考虑到规模化养殖所占有的优势。鼓励养殖场进行兼并、重组，组建规模大、具备竞争力优势的生态养殖企业和集团。养多少猪才是规模化？目前我国还没有一个统一的、权威的养殖规模化数量标准。从生猪产业结构来看，中小型养殖场存栏母猪150300头，效益较好，应成为市场主体。同时因集团型农业龙头企业的大型养猪场管理规范、科技水平较高和资本雄厚，抗风险能力更强，各企业要注意自己的规模，要探索具有中国特色的“畜牧资本政策扶持龙头企业规模养殖”相结合的生猪产业发展模式。企业还应开展生产经营中的技术指导、咨询、培训和交流等活动，开发、引进、试验和推广新品种、新技术、新成果，提高生产管理水平，交流并传递市场信息，以利于企业的发展。为提高养猪技术，组建专业技术队伍，定期聘请有关专家教授，进行养殖管理方法的技术培训，对存栏生猪及能繁母猪进行疫病防治和诊治、配种。总之，不同的企业有不同的养猪方法，以上提到的措施都是企业为了获得更高的利润所应该采取的措施。不仅如此，针对养猪问题，国家政府都已经采取了一定的措施，我们企业要积极的配合国家的政策，这不仅有利于企业的发展，也有利于国家的繁荣富强，更直接的影响到人民的根本利益。五、模型的评价模型的优点：1. 利用灰色关联度所计算的权重具有科学意义。2. 本文充分考虑了主要因素的影响，根据模型很好的预测了将来猪肉的价格。3. 本文的处理方法亦可以用在其他领域，具有广泛性。4. 问题(2)的模型在对于猪肉价格的定量计算上有着很重要的实际意义。它既反映了在经济学上价格的波动性，也能较为准确的预测出下其发展的趋势。模型的缺点：1. 问题一所考虑的主要因素具有主观性，不够全面。2. 所建立的模型所考虑到的因素不够完整，造成误差。比如自然灾害往往会影响养猪业，进而影响猪肉价格，但在我们的模型中我们没有充分考虑到这个因素；同时，人们的CPI指数也会影响猪肉的价格；牛肉等替代品的存在也会影响猪肉的价格。3. 由于数据采集比较困难，我们只采集了2000年之后的数据，没有考虑2000年之前猪肉的行情，这可能会使我们所得到的结果不够精确。4. 根据数据所建立的GM（1,1）模型得到的拟合结果跟实际值存在一定的差距。六、参考文献1 辛贤、谭向勇：中国生猪与猪肉价格波动因素测定j.中国农村经济1999(5):28-24。 2出栏猪、猪仔、玉米的价格数据源:中华人民共和国国家统计局/3邓聚龙. 灰色理论基础 M.武汉.华中科技大学出版社 2002。4姜启源 谢金星 叶俊 数学模型（第三版） 高等教育出版社 2003年8月第3版。5 养猪巴巴/6汪晓银、周保平 数学建模与数学实验 北京.科学出版社 2010年1月第一版。7 中国知网/kns50/8 苏金明 王永利MATLAB7.0实用指南电子工业出版社 9王诚君 王鸿 中文EXCEL2003应用教程清华大学出版社2005版10彭昭英世界统计与分析全才SAS希望图书创作室2000.6版11张英 商豪应用随机过程2001年第二版七、附录表 2010年3月12月出栏猪价格表（元/千克）时间区间12345678910出栏猪价格10.559.969.559.659.749.719.679.7810.2911.27时间区间11121314151617181920出栏猪价格11.9512.1612.3512.4512.5312.7113.0613.6113.7313.65表 2010年3月12月猪肉价格表（元/千克）时间区间12345678910猪肉价格19.2418.1217.817.7317.6317.4617.5317.1819.0620.84时间区间11121314151617181920猪肉价格21.2621.4721.5421.7621.7721.9922.523.3523.2123.3表 2010年3月12月猪仔价格表（元/千克）时间区间12345678910猪仔价格15.3216.8114.0613.9614.1313.9113.8413.714.114.98时间区间11121314151617181920猪仔价格15.9516.3916.5916.616.4616.6116.7917.1517.0916.96 表 2010年3月12月玉米价格表（元/千克）时间区间12345678910玉米价格1.921.941.961.992.032.022.12时间区间11121314151617181920玉米价格32.12程序：y=9.3 9.66 9.47 9.22 9.2 9.25 9.48 9.82 9.98 10.16 10.35 10.21 10.8 10.84 10.71 10.45 10.15 10.54 10.74 10.68 11.03 10.74 10.65 10.59 10.6 10.75 9.77 10.25 9.76 9.75 9.74 10.01 10.11 10.12 10.29 10.26 10.5 10.3 10.04 9.92 9.68 9.86 10.65 10.61 11.03 11.56 12.41 12.43 12.44 12.3 12.65 13.07 13.16 13.74 14.1 14.72 15.21 15.03 14.48 14.21 14.14 14.33 13.95 13.58 13.27 13.15 13.07 12.94 13 12.34 11.87 11.95 12.43 12.18 11.65 11.13 10.71 10.58 11.06 12.01 12.84 12.99 13.35 14.4 13.9 13.5 13.1 12.8 14.5 16.3 18.8 24.02 25.64 25.98 26.7 28.8 24 24 24 24 23.5 22 22 23.5 24 22.86 20 21.75 21.54 20.95 23.54 21.74 20.18 19.88;x=1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 ;p s=polyfit(x,y,1)y1=polyval(p,x)plot(x,y ,*,x,y1)程序结果：p = 0.1227 6.9793s = R: 2x2 double df: 112 normr: 31.7684y1 = Columns 1 through 9 7.1019 7.2246 7.3473 7.4700 7.5927 7.7154 7.8381 7.9608 8.0835 Columns 10 through 18 8.2062 8.3289 8.4516 8.5743 8.6970 8.8197 8.9424 9.0651 9.1878 Columns 19 through 27 9.3105 9.4332 9.5559 9.6786 9.8013 9.9240 10.0467 10.1694 10.2921 Columns 28 through 36 10.4148 10.5375 10.6602 10.7829 10.9056 11.0283 11.1510 11.2737 11.3964 Columns 37 through 45 11.5191 11.6418 11.7645 11.8872 12.0099 12.1326 12.2553 12.3780 12.5007 Columns 46 through 54 12.6234 12.7461 12.8688 12.9915 13.1142 13.2369 13.3596 13.4823 13.6050 Columns 55 through 63 13.7277 13.8504 13.9731 14.0958 14.2185 14.3412 14.4639 14.5866 14.7093 Columns 64 through 72 14.8320 14.9547 15.0774 15.2001 15.3228 15.4455 15.5682 15.6909 15.8136 Columns 73 through 81 15.9363 16.0590 16.1817 16.3044 16.4271 16.5498 16.6725 16.7952 16.9179 Columns 82 through 90 17.0406 17.1633 17.2860 17.4087 17.5314 17.6541 17.7768 17.8995 18.0222 Columns 91 through 99 18.1449 18.2676 18.3903 18.5130 18.6357 18.7584 18.8811 19.0038 19.1265 Columns 100 through 108 19.2492 19.3719 19.4946 19.6173 19.7400 19.8627 19.9854 20.1081 20.2308 Columns 109 through 114 20.3535 20.4762 20.5989 20.7216 20.8443 20.9670表 2000年1月到2009年6月各月价格差比值表时间时间区间猪肉价格拟合价格差值比值2000.1yue19.37.10192.19810.2363552000.2yue29.667.22462.43540.2521122000.3yue39.477.34732.12270.224152000.4yue49.227.471.750.1898052000.5yue59.27.59271.60730.1747072000.6yue69.257.71541.53460.1659032000.7yue79.487.83811.64190.1731962000.8yue89.827.96081.85920.1893282000.9yue99.988.08351.89650.190032000.10yue1010.168.20621.95380.1923032000.11yue1110.358.32892.02110.1952752000.12yue1210.218.45161.75840.1722232001.1yue1310.88.57432.22570.2060832001.2yue1410.848.6972.1430.1976942001.3yue1510.718.81971.89030.1764992001.4yue1610.458.94241.50760.1442682001.5yue1710.159.06511.08490.1068872001.6yue1810.549.18781.35220.1282922001.7yue1910.749.31051.42950.1331012001.8yue2010.689.43321.24680.1167422001.9yue2111.039.55591.47410.1336452001.10yue2210.749.67861.06140.0988272001.11yue2310.659.80130.84870.079692001.12yue2410.599.9240.6660.062892002.1yue2510.610.04670.55330.0521982002.2yue2610.7510.16940.58060.0540092002.3yue279.7710.2921-0.5221-0.053442002.4yue2810.2510.4148-0.1648-0.016082002.5yue299.7610.5375-0.7775-0.079662002.6yue309.7510.6602-0.9102-0.093352002.7yue319.7410.7829-1.0429-0.107072002.8yue3210.0110.9056-0.8956-0.089472002.9yue3310.1111.0283-0.9183-0.090832002.10yue3410.1211.151-1.031-0.101882002.11yue3510.2911.2737-0.9837-0.09562002.12yue3610.2611.3964-1.1364-0.110762003.1yue3710.511.5191-1.0191-0.097062003.2yue3810.311.6418-1.3418-0.130272003.3