本文在前人研究的基础上对影响因素进行了科学性的选取，提出一系列研究假设，通 过收集近 3 年来车牌拍卖数据，建立函数模型，对这些数据进行统计分析，得到车牌拍卖 的平均成交价格的主要影响因素及各因素关系，并给出合理预测。本文创造性地在一开始 建立模型，做出平均成交价关于各因素的关系。但发现散点图结果并无直接明显的数量关 系时，决定将原始数据进行累加处理，从平均成交价关于一个因素的研究转化为平均成交 价的累加值关于多个因素的累加值的研究。其次，通过移动平均法对较散乱的数据进行处 理预测。最后，把模型通过一个简易的网页平台的形式展示出来。相比直接计算数据结果， 这样的形式将更简便更人性化。

1.2 国内外研究现状与发展趋势

1.3 本文结构

本文第一部分介绍了“关于上海车牌拍卖中标价估计模型的研究”这个选题的背景和 研究意义以及国内外研究现状与发展趋势。第二部分介绍了涉及到的理论一元线性回归和 多元线性回归等知识点内容。第三部分开始了模型研究的分析其中包括模型的假设和符号

说明和分析收集有价值的数据，并用 MATLAB 软件作出相应的图形，分析变量之间的关系 建立各个因素对估价的影响模型。第四部分在 MATLAB 软件帮助下作图并得出相应的模 型表达式。第五部分根据求得的模型表达式预测下个月的车牌平均成交价并进行检验。第 六部分则分析了模型的合理性和优劣并尝试进行模型的改进和优化。第七部分将模型应用 到网页上，形成一个简易的估价系统，而不是单纯的函数表达式的形式。最后总结致谢。文献综述

2 理论综述

相关分析的主要目的是对变量间存在的数量关系的密切程度进行测度，回归分析是在 相关分析的基础上，构建变量间数量关系的具体模型，并对模型进行各种检验的分析方法。 

   与相关分析不同，回归分析需要确定自变量与因变量，因变量为被影响的变量，自变 量为影响变量，因变量只有一个，而自变量可以有多个。对于只有一个自变量的回归线分 析称为一元回归，有多个自变量的回归分析则称为多元回归；根据变量间相关的形式又可 分为线性回归与非线性回归。 

1.  一元线性回归模型的形式 

回归分析中，通常用 x 表示自变量，用 y 表示因变量，回归模型(RM)是用数学模型描述 自变量与因变量之间的数量关系。一元线性回归是一个自变量与因变量之间线性关系的回 归，又称为直线回归，是回归分析中最基本的形式。直线回归与直线相关对应，一元线性 回归模型的一般表达形式为： 

yi   xi  i                                                                   (1) 式中， xi 为自变量， yi 为因变量；i 表示随机误差，是除自变量 xi 以外所有其他影响因素 的总和；和 为回归参数，是常数。模型表示的意义为：对于自变量 x 的一个取值 xi ， 因变量 y 的值 yi 由可确定的部分xi 和不可确定的随机因素 i 共同决定，不可确定 的因素 i 是随机的，其影响的大小和方向均不能确定，但存在一定的分布规律。 

2. 普通最小二乘法估计参数的原理 在一元线性回归分析中，对于确定的样本，使用不同的估计方法可以得到不同的样本

回归函数，在满足经典假设的情况下，使用普通最小二乘法估计的结果是最优的，其原理 如下：