基于多元回归分析的上证指数预测模型
上证指数预测模型
摘要
股票市场是我国资本市场的重要组成部分,在推动我国经济发展进程中起到了非常重要的作用。为了更好地理解股票市场以及获得更高的收益,股市的预测成了重多投资者和学术研究者研究和分析的热点问题。而上证指数是研究和判断股票价格变化趋势必不可少的重要依据,在一定程度上反映了我国的经济实力,是宏观经济的晴雨表,也是分析微观经济的重要指标,所以研究上证指数的预测模型具有非常重要的现实意义和使用价值。
本文在充分分析影响股市价格众多因素的基础上,选择多组变量,基于多元回归线性分析建立上证指数的预测模型。首先需要尽可能多的选择原始数据,在这里为了方便计算选择了3月到5月上证指数及各变量的数据(除去休盘日)共64组,22个变量。使用SPSS软件进行线性分析后,剔除某些无关,甚至关联很小的变量后,得出了回归方程的系数,从而得出了上证指数的预测模型
然后利用图表分析了此模型的好坏程度。
关键词:1上证指数;2多元回归分析法;3 SPSS分析;
一、问题的背景与提出
上证指数,是上海证券综合指数的简称。是最早发布的指数,以上海证券交易所挂牌上市的全部股票为计算范围,以发行量为权数的加权综合股价指数。它是研究和判断股票价格变化趋势必不可少的重要依据,在一定程度上反映了我国的经济实力,是宏观经济的晴雨表,也是分析微观经济的重要指标,所以研究上证指数的预测模型具有非常重要的现实意义和使用价值。
本文将在此背景下,充分分析上证指数的组成,使用多元线性回归的方法对其进行合理的预测,建立模型,具有实际意义,以预测未来上证指数的变化趋势。
二、基本假设
1. 忽略除文中提到的影响因素之外的因素对上证指数的影响。
2. 假设经济形势稳定,不会出现较为明显的通货膨胀或通货紧缩。
三、主要变量符号说明
为了便于描述问题,我们用一些符号来代替问题中涉及的一些基本变量,如表1所示。
表1 主要变量符号说明一览表
DIFF | |
DEA | |
RSI | |
D指标 | |
J指标 | |
财政收入增长率 | |
财政支出增长率 | |
货币供应量 | |
货币流通量 | |
居民消费价格指数 | |
固定资产投资情况 | |
WR | |
PSY | |
OBV | |
今日收盘价 | |
今日成交量 | |
昨日收盘价 | |
昨日成交量 | |
近5日平均收盘价 | |
近5日平均成交量 | |
近20日平均收盘价 | |
近20日平均成交量 | |
【注】其余没有列出的符号,我们将在文章第一次出现时给出具体说明
四、问题的分析
对上证指数进行预测,需要对影响上证指数的主要因素进行分析进行分析[1]:对整体股票市场而言,其状态最基本的表现方式是股票价格指数和成交量,而这两项指标又受社会、政治、经济、政策、心理等多种因素的影响。
首先选择表中可以查到的数据作为变量:MACD:DIFF, DEA;RSI;KDJ:D指标,J指标;WR;PSY;OBV
其次选择以下变量:财政收入增长率、财政支出增长率、货币供应量、货币流通量、居民消费价格指数、固定资产投资情况。
由于股民心理受收盘价和成交量的影响,故对上证指数的影响可用以下变量表示:今日收盘价;今日成交量;昨日收盘价;昨日成交量;近5日平均收盘价;近5日平均成交量;近20日平均收盘价;近20日平均成交量.
以上均采用最近三个月的数据(包括上证指数)
五、问题模型的建立和求解
5.1问题的求解
5.1.1多元线性回归分析的数学模型[2]
设明日收盘价为y,影响因素为22个,分别为,,,,,,,,,,,,,,,,,,,,,,它们之间有以下线性关系
5.1.2模型求解
使用SPSS[3]进行回归分析得
模型汇总 | ||||
模型 | R | R 方 | 调整 R 方 | 标准 估计的误差 |
1 | .997a | .994 | .991 | 6.97007 |
a. 预测变量: (常量), x22, x17, x15, x18, x10, x5, x16, x14, x19, x20, x13, x4, x12, x3, x9, x21, x2, x1, x11。 | |||||||
模型 | 平方和 | df | 均方 | F | Sig. | ||
1 | 回归 | 332809.226 | 19 | 17516.275 | 360.552 | .000b | |
残差 | 2137.602 | 44 | 48.582 | ||||
总计 | 334946.828 | 63 | |||||
a. 因变量: y |
b. 预测变量: (常量), x22, x17, x15, x18, x10, x5, x16, x14, x19, x20, x13, x4, x12, x3, x9, x21, x2, x1, x11。 |
系数a | ||||||
模型 | 非标准化系数 | 标准系数 | t | Sig. | ||
B | 标准 误差 | 试用版 | ||||
1 | (常量) | -774.860 | 11619.193 | -.067 | .947 | |
x1 | .677 | .495 | .291 | 1.368 | .178 | |
x2 | -.703 | .423 | -.310 | -1.662 | .104 | |
x3 | -.230 | .323 | -.035 | -.712 | .480 | |
x4 | .180 | .239 | .048 | .754 | .455 | |
x5 | -.032 | .126 | -.014 | -.256 | .799 | |
x9 | -11.195 | 19.037 | -.130 | -.588 | .559 | |
x10 | 18.203 | 121.877 | .031 | .149 | .882 | |
x11 | -21.964 | 46.006 | -.144 | -.477 | .635 | |
x12 | -.019 | .120 | -.007 | -.157 | .876 | |
x13 | .387 | .238 | .081 | 1.629 | .111 | |
x14 | -.258 | .687 | -.020 | -.376 | .709 | |
x15 | -.030 | .012 | -.058 | -2.582 | .013 | |
x16 | -4.824E-010 | .000 | -.040 | -1.759 | .086 | |
x17 | -.003 | .009 | -.006 | -.322 | .749 | |
x18 | -3.391E-010 | .000 | -.028 | -1.372 | .177 | |
x19 | -.017 | .030 | -.022 | -.561 | .578 | |
x20 | 2.887E-010 | .000 | .019 | .543 | .590 | |
x21 | .834 | .053 | .846 | 15.595 | .000 | |
x22 | 1.800E-010 | .000 | .010 | .114 | .909 | |
a. 因变量: y |
5.1.3 模型结果
6、结果分析与进一步推广
6.1多元线性回归分析结果
图表
从上图可以看出标准化残差的分布情况总体总体呈正态,集中在0的附近,这可以说明该回归方程的准确性是比较高的。
由以上图表可知较为精确与实际值接近。
6.2预测模型准确情况分析
在matlab中做出实际值与预测值的比较图如下
七、模型的评价
优点:
1. 可推广性。该多元线性回归法可以应用到多变量线性关系问题评估中。
2. 严谨性。SPSS与MATLAB相结合进行建模与模型评估,大大提高了模型的严谨性,较大程度的减少了人为计算可能会出现的误差。
4. 全面性。变量的选择几乎涵盖了所有可能的影响因素,因此此建模过程是较为全面的。
5. 实用性。本文所建模型与实际紧密联系,结合实际情况对数据进行合理的处理,使模型更加贴近实际,通用性强,具有现实意义。
缺点:
1. 由于时间的限制,对数据的统计和整理还不完善,其中读取数据量很大,有待进一步修改。
2. 由于选取变量的时间范围较窄,因此模型的准确性还有待在数据更多的条件下进一步的验证。
八、参考文献:
[1] 邹艳芬.上证指数的主要影响因素分析.江苏 连云港:连云港化工高等专科学校学报,2002.
[2] 李金海.多元回归分析在预测中的应用.河北;河北工业大学学报,1996年第三期
[3] 包凤达等.多元回归分析的软件求解与案例解读.数理统计与管理,2000年第五期
附录一:变量数据表
x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 | x9 | x10 | x11 | x12 | x13 | x14 | x15 | x16 | x17 | x18 | x19 | x20 | x21 | x22 | y |
-69.58 | -78.35 | 40.4 | 52.86 | 8.45 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 68.07 | 50 | 508 | 2733.170 | 187******** | 2687.98 | 20741070900 | 2842.82 | 25512188820 | 2898.68635 | 22411552685 | 2914.92 |
-60.31 | -78.35 | 50.01 | 51.63 | 44.28 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 28.57 | 58.33 | 520.78 | 2849.68 | 27096178300 | 2733.170 | 187******** | 2876.47 | 26437693180 | 2908.01945 | 22390342195 | 2922.65 |
-51.55 | -78.35 | 50.75 | 53.67 | 65.84 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 25.15 | 58.33 | 513.65 | 2859.76 | 28747821000 | 2849.68 | 27096178300 | 2879.04 | 23798046740 | 2915.56765 | 22087390535 | 2930.00 |
-42.95 | -78.35 | 51.88 | 57.59 | 81.14 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 20.28 | 58.33 | 516.78 | 2874.17 | 31249516900 | 2859.76 | 28747821000 | 2868.04 | 21944803140 | 2922.7755 | 21752066710 | 2937.30 |
-33.87 | -78.35 | 53.73 | 62.8 | 94.09 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 11.18 | 66.67 | 518.95 | 2897.34 | 21746683600 | 2874.17 | 31249516900 | 2855.26 | 182******** | 2929.5433 | 21222320195 | 2944.97 |
-26.06 | -78.35 | 54.07 | 68.44 | 102.23 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 9.79 | 75 | 521.28 | 2901.39 | 23348266100 | 2897.34 | 21746683600 | 2847.70 | 177******** | 2937.3298 | 21418637735 | 2953.52 |
-22.73 | -78.35 | 50.24 | 72.44 | 96.46 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 21.07 | 66.67 | 519.45 | 2862.56 | 138******** | 2901.39 | 23348266100 | 2840.29 | 16384914840 | 2944.78995 | 21412534685 | 2962.15 |
-24.48 | -78.35 | 45.05 | 72.93 | 75.8 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 39.25 | 66.67 | 518.06 | 2804.73 | 19481603000 | 2862.56 | 138******** | 2841.87 | 173******** | 2952.08315 | 21822234910 | 2971.31 |
-25.12 | -78.35 | 45.64 | 71.5 | 62.99 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 37.21 | 66.67 | 519.33 | 2810.31 | 12724755400 | 2804.73 | 19481603000 | 2861.89 | 17444659980 | 2961.09485 | 21787677925 | 2981.13 |
-21.42 | -78.35 | 50.74 | 70.79 | 66.55 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 21.53 | 75 | 521.28 | 2859.50 | 19481603000 | 2810.31 | 12724755400 | 2890.86 | 21166363600 | 2972.2775 | 22251531775 | 2990.88 |
-17.88 | -78.35 | 51.23 | 69.94 | 64.8 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 26.48 | 75 | 522.92 | 2864.37 | 16338666700 | 2859.50 | 19481603000 | 2922.72 | 24318051760 | 2980.48505 | 22191044965 | 2999.18 |
-14.43 | -78.35 | 51.88 | 69.59 | 67.53 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 29.73 | 83.33 | 524.78 | 2870.43 | 186******** | 2864.37 | 16338666700 | 2949.72 | 26457864860 | 2990.59865 | 22924127860 | 3006.09 |
-8.81 | -78.35 | 55.58 | 71.51 | 82.7 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 10.89 | 83.33 | 526.78 | 2904.83 | 20029021300 | 2870.43 | 186******** | 2977.62 | 27067563400 | 3001.19515 | 23032854335 | 3010.70 |
-0.29 | -78.35 | 60.42 | 74.74 | 93.55 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 8.24 | 83.33 | 529.92 | 2955.15 | 31333273500 | 2904.83 | 20029021300 | 2988.85 | 27801887200 | 3009.85955 | 22979468525 | 3012.61 |
11.46 | -78.35 | 65.6 | 78.53 | 101.24 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 3.72 | 83.33 | 533.44 | 3018.80 | 35240043800 | 2955.15 | 31333273500 | 2993.71 | 25036719380 | 3013.78605 | 22329327410 | 3012.78 |
18.98 | -78.35 | 62.86 | 81.34 | 98.2 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 11.32 | 75 | 530.74 | 2999.36 | 27037732200 | 3018.80 | 35240043800 | 2981.51 | 22029135440 | 3014.98695 | 21349991220 | 3011.84 |
25.52 | -78.35 | 63.76 | 83.86 | 99.01 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 7.18 | 75 | 532.91 | 3009.96 | 21697746200 | 2999.36 | 27037732200 | 2965.60 | 20280895900 | 3013.6478 | 21413825705 | 3010.73 |
26.42 | -78.35 | 56.81 | 83.19 | 79.15 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 26.33 | 66.67 | 530.54 | 2960.97 | 23700640300 | 3009.96 | 21697746200 | 2963.74 | 20148775680 | 3010.7943 | 21275972640 | 3010.22 |
28.31 | -78.35 | 58.67 | 82.15 | 75.93 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 23.44 | 75 | 532.29 | 2979.43 | 175******** | 2960.97 | 23700640300 | 2972.33 | 198******** | 3010.7078 | 20776998965 | 3009.73 |
27.74 | -78.35 | 55.62 | 79.18 | 61.32 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 33.81 | 75 | 530.27 | 2957.82 | 20202124100 | 2979.43 | 175******** | 2978.35 | 20446346960 | 3009.0696 | 20530908460 | 3008.60 |
23.95 | -78.35 | 50.59 | 73.12 | 36.8 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.7 | 62.3 | 66.67 | 528.44 | 2919.83 | 182******** | 2957.82 | 20202124100 | 2997.40 | 21540529020 | 3009.4136 | 20109360275 | 3006.93 |
27.16 | -78.35 | 59.16 | 70.92 | 57.7 | 6.5 | 15.4 | 22.1 | 4.4 | 99.6 | 10.5 | 16.17 | 66.67 | 530.54 | 3000.65 | 21037145100 | 2919.83 | 182******** | 3023.55 | 22526463140 | 3011.1055 | 198******** | 3004.58 |
29.62 | -78.35 | 59.47 | 70.97 | 71.26 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 19.83 | 66.67 | 532.75 | 3003.92 | 22041344500 | 3000.65 | 21037145100 | 3025.11 | 22737424240 | 3008.35275 | 19490330865 | 3001.36 |
31.66 | -78.35 | 60.04 | 72.91 | 84.56 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 15.27 | 66.67 | 534.81 | 3009.53 | 20654586600 | 3003.92 | 22041344500 | 3021.31 | 22087248000 | 3005.073 | 189******** | 2988.74 |
36.37 | -78.35 | 64.29 | 76.47 | 97.84 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 2.8 | 66.67 | 537.38 | 3053.07 | 25673034400 | 3009.53 | 20654586600 | 3026.20 | 22356697160 | 3000.7285 | 187******** | 2975.24 |
39.44 | -78.35 | 63.87 | 80.01 | 101.22 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 5.95 | 58.33 | 535.06 | 3050.59 | 23226205100 | 3053.07 | 25673034400 | 3020.32 | 20876463640 | 2997.6385 | 182******** | 2960.60 |
38.04 | -78.35 | 56.94 | 79.99 | 79.85 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 34.33 | 50 | 532.85 | 3008.42 | 22091950600 | 3050.59 | 23226205100 | 3023.53 | 22431287540 | 2995.001 | 178******** | 2944.72 |
34.64 | -78.35 | 53.43 | 76.73 | 57.17 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 49.27 | 50 | 530.97 | 2984.96 | 187******** | 3008.42 | 22091950600 | 3038.31 | 22177654020 | 2945.2425 | 177******** | 2927.05 |
35.48 | -78.35 | 59.17 | 75.85 | 70.63 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 72.94 | 50 | 533.17 | 3033.96 | 22001832400 | 2984.96 | 187******** | 3056.95 | 22211822380 | 2937.6 | 177******** | 2916.78 |
34.92 | -78.35 | 57.54 | 64.69 | 67.07 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 24.64 | 50 | 531.34 | 3023.65 | 18271866800 | 3033.96 | 22001832400 | 3056.89 | 21477546140 | 2927.5315 | 17247644510 | 2905.77 |
37.51 | -78.35 | 62.27 | 74.46 | 73.6 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 19.58 | 50 | 534.44 | 3066.64 | 31000324600 | 3023.65 | 182******** | 3060.72 | 20953836780 | 2918.201 | 17013028500 | 2894.87 |
40.37 | -78.35 | 63.87 | 76.06 | 85.71 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 10.5 | 58.33 | 536.52 | 3082.36 | 20823783000 | 3066.64 | 31000324600 | 3041.91 | 20416656240 | 2906.662 | 16144700545 | 2883.48 |
41.81 | -78.35 | 63.08 | 77.89 | 88.51 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 13.52 | 58.33 | 534.63 | 3078.12 | 189******** | 3082.36 | 20823783000 | 3016.02 | 20040036620 | 2893.8995 | 156******** | 2872.75 |
38.91 | -78.35 | 55.27 | 76 | 64.64 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 46.45 | 50 | 532.79 | 3033.68 | 183******** | 3078.12 | 189******** | 2992.24 | 189******** | 2882.5365 | 153******** | 2863.29 |
36.93 | -78.35 | 56.48 | 73.41 | 57.86 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 39.75 | 50 | 534.76 | 3042.82 | 156******** | 3033.68 | 183******** | 2974.84 | 178******** | 2873.0365 | 150******** | 2854.95 |
29.36 | -78.35 | 46.05 | 68 | 35.59 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 64.85 | 41.67 | 531.53 | 2972.58 | 28314421900 | 3042.82 | 156******** | 2959.22 | 17066611660 | 2861.271 | 14920408540 | 2847.26 |
21.51 | -78.35 | 43.59 | 60.81 | 17.67 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 75.1 | 33.33 | 529.03 | 2952.89 | 189******** | 2972.58 | 28314421900 | 2955.43 | 14021080080 | 2852.9875 | 14062662800 | 2840.43 |
15.63 | -78.35 | 44.63 | 54 | 13.08 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 71.79 | 41.67 | 531.01 | 2959.24 | 137******** | 2952.89 | 189******** | 2953.97 | 130******** | 2846.617 | 136******** | 2833.94 |
9.84 | -78.35 | 42.92 | 47.34 | 7.64 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 78.34 | 41.67 | 529.75 | 2946.67 | 12585624300 | 2959.24 | 137******** | 2949.79 | 12448187780 | 2840.8375 | 135******** | 2827.48 |
6.63 | -78.35 | 46.15 | 42.75 | 15.02 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 68.95 | 50 | 530.92 | 2964.70 | 11771160400 | 2946.67 | 12585624300 | 2944.98 | 133******** | 2834.5875 | 135******** | 2821.02 |
3.16 | -78.35 | 44.47 | 38.87 | 15.57 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 73.7 | 41.67 | 529.62 | 2953.67 | 130******** | 2964.70 | 11771160400 | 2950.30 | 14259045820 | 2827.107 | 134******** | 2815.74 |
-0.24 | -78.35 | 43.22 | 35.76 | 17.11 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 78.07 | 41.67 | 528.23 | 2945.59 | 138******** | 2953.67 | 130******** | 2959.13 | 14538320680 | 2820.5455 | 132******** | 2810.04 |
-3.48 | -78.35 | 42.05 | 32.86 | 15.46 | 8.6 | 12.4 | 22.9 | 6 | 99.8 | 10.5 | 78.31 | 33.33 | 527.15 | 2938.32 | 10931062800 | 2945.59 | 138******** | 2772.66 | 159******** | 2814.3185 | 131******** | 2803.44 |
-1.64 | -78.35 | 52.5 | 34.38 | 43.51 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 41.85 | 41.27 | 528.82 | 2922.64 | 16870364300 | 2938.32 | 10931062800 | 2751.42 | 173******** | 2808.525 | 131******** | 2807.19 |
-0.3 | -78.35 | 52.24 | 40.69 | 78.54 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 42.76 | 33.33 | 527.17 | 2991.27 | 16540710600 | 2922.64 | 16870364300 | 2733.41 | 16364852540 | 2808.224 | 133******** | 2812.11 |
1.29 | -78.35 | 53.44 | 49.25 | 100.64 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 7.47 | 41.67 | 528.62 | 2997.84 | 14483138300 | 2991.27 | 16540710600 | 2702.57 | 157******** | 2798.59 | 132******** | 2817.09 |
-4.24 | -78.35 | 39.48 | 47.61 | 37.77 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 99.77 | 33.33 | 526.55 | 2013.25 | 20679649800 | 2997.84 | 14483138300 | 2670.17 | 156******** | 2787.520556 | 131******** | 2823.95 |
-14.99 | -78.35 | 31.01 | 42.22 | 9.86 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 94.37 | 33.33 | 524.75 | 2832.11 | 180******** | 2013.25 | 20679649800 | 2832.94 | 137******** | 2833.065882 | 12687471212 | 2832.98 |
-23.2 | -78.35 | 31.1 | 35.88 | -2.15 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 93.26 | 41.67 | 525.95 | 2832.59 | 12082931000 | 2832.11 | 180******** | 2836.69 | 12438714660 | 2833.125625 | 12353073600 | 2832.99 |
-29.02 | -78.35 | 32.05 | 30.17 | -4.07 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 90.13 | 41.67 | 527.31 | 2837.04 | 135******** | 2832.59 | 12082931000 | 2838.91 | 12489509740 | 2833.161333 | 12371083107 | 2832.66 |
-33.34 | -78.35 | 31.92 | 27 | 7.99 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 75.52 | 41.67 | 525.95 | 2835.86 | 136******** | 2837.04 | 135******** | 2833.00 | 12583356940 | 2832.884286 | 12284764286 | 2832.09 |
-37.04 | -78.35 | 30.93 | 24.88 | 12.13 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 79.45 | 33.33 | 524.8 | 2827.11 | 11431971000 | 2835.86 | 136******** | 2827.21 | 12088505260 | 2832.655385 | 12180994962 | 2832.08 |
-37.03 | -78.35 | 36.76 | 24.64 | 23.18 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 68.8 | 41.67 | 525.95 | 2850.86 | 11465359200 | 2827.11 | 11431971000 | 2826.89 | 11976129040 | 2833.1175 | 12243413625 | 2832.76 |
-38.23 | -78.35 | 15.77 | 24.91 | 26.56 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 72.02 | 41.47 | 524.72 | 2843.68 | 12336906400 | 2850.86 | 11465359200 | 2825.45 | 12092466300 | 2831.504545 | 12314145845 | 2833.65 |
-41.15 | -78.35 | 31.13 | 23.58 | 15.58 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 88.18 | 41.67 | 523.31 | 2807.51 | 14048782600 | 2843.68 | 12336906400 | 2821.04 | 11854133920 | 2830.287 | 12311869790 | 2834.66 |
-43.02 | -78.35 | 31.06 | 22.85 | 18.74 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 88.46 | 33.33 | 522.2 | 2806.91 | 11159507100 | 2807.51 | 14048782600 | 2822.56 | 11114922700 | 2832.817778 | 12118879478 | 2836.50 |
-42.51 | -78.35 | 36.11 | 26.2 | 46.32 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 61.5 | 41.67 | 523.28 | 2825.48 | 10870089900 | 2806.91 | 11159507100 | 2825.67 | 10953566580 | 2836.05625 | 12238801025 | 2839.07 |
-40.18 | -78.35 | 40.74 | 33.55 | 77.63 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 21.09 | 41.67 | 524.49 | 2843.65 | 12047045500 | 2825.48 | 10870089900 | 2824.78 | 10976465060 | 2837.567143 | 12434331186 | 2842.53 |
-39.65 | -78.35 | 37.18 | 38.77 | 70.07 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 48.88 | 41.67 | 523.37 | 2821.67 | 11145244500 | 2843.65 | 12047045500 | 2820.54 | 10693447740 | 2836.553333 | 12498878800 | 2848.93 |
-39.3 | -78.35 | 36.15 | 41.52 | 58.04 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 57.2 | 41.67 | 522.34 | 2815.09 | 10352726500 | 2821.67 | 11145244500 | 2839.53 | 12769605660 | 2839.53 | 12769605660 | 2864.94 |
-38 | -78.35 | 38.24 | 43.95 | 58.54 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 47.61 | 41.67 | 523.49 | 2822.44 | 10352726500 | 2815.09 | 10352726500 | 2845.64 | 133******** | 2845.64 | 133******** | 2871.29 |
-36.66 | -78.35 | 37.98 | 45.77 | 56.71 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 49.37 | 33.23 | 522.39 | 2821.05 | 10984582300 | 2822.44 | 10352726500 | 2853.37 | 14380858433 | 2853.373333 | 14380858433 | 2879.84 |
-30.07 | -78.35 | 38.44 | 48.38 | 64.02 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 47.6 | 41.67 | 523.45 | 2822.45 | 10631958900 | 2821.05 | 10984582300 | 2869.54 | 16078996500 | 2869.535 | 16078996500 | 2893.08 |
-25.92 | -78.35 | 59.92 | 55.23 | 96.34 | 8.3 | 13.6 | 23.7 | 6.3 | 99.5 | 9.6 | 0.38 | 50 | 525.6 | 2916.62 | 21526034100 | 2822.45 | 10631958900 | 2916.62 | 21526034100 | 2916.62 | 21526034100 | 2913.51 |
附录二:MATLAB程序
%% 导入电子表格中的数据
% 用于从以下电子表格导入数据的脚本:
%
%
%
%
% 工作簿: C:\Users\www.0001.Ga\Documents\数学建模\第二次小模拟\工作簿2.xlsx 工作表: Sheet1
%
% 要扩展代码以供其他选定数据或其他电子表格使用,请生成函数来代替脚本。
% 由 MATLAB 自动生成于 2016/07/03 13:33:07
%% 导入数据
[~, ~, raw] = xlsread('C:\Users\www.0001.Ga\Documents\数学建模\第二次小模拟\工作簿2.xlsx','Sheet1','A2:W65');
%% 创建输出变量
data = reshape([raw{:}],size(raw));
%% 将导入的数组分配给列变量名称
x1 = data(:,1);
x2 = data(:,2);
x3 = data(:,3);
x4 = data(:,4);
x5 = data(:,5);
x6 = data(:,6);
x7 = data(:,7);
x8 = data(:,8);
x9 = data(:,9);
x10 = data(:,10);
x11 = data(:,11);
x12 = data(:,12);
x13 = data(:,13);
x14 = data(:,14);
x15 = data(:,15);
x16 = data(:,16);
x17 = data(:,17);
x18 = data(:,18);
x19 = data(:,19);
x20 = data(:,20);
x21 = data(:,21);
x22 = data(:,22);
y = data(:,23);
%% 清除临时变量
clearvars data raw;
%% 画图
x=[1:64]
f=-774.860+(0.677*x1)-(0.703*x2)-(0.230*x3)+(0.180*x4)-(0.032*x5)-(11.195*x9)+(18.203*x10)-21.964*x11-(0.019*x12)+(0.387*x13)-(0.258*x14)-(0.030*x15)-(4.824e-10*x16)-(0.003*x17)-(3.391e-10*x18)-(0.017*x19)+(2.887e-10*x20)+(0.834*x21)+(1.800e-10*x22);
plot(x,y,'r-')
hold on
plot(x,f,'k-')
grid on
本文来源:https://www.2haoxitong.net/k/doc/fd03f3e1905f804d2b160b4e767f5acfa0c783da.html
文档为doc格式