相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来的发展趋势。灰色预测用等时距观测到的反映预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。原始生成列为：
累加生成列为：
f建立灰色微分方程：
运用最小二乘估计法求得a和u
最后得出预测模型：Y1k1Y01uaeakua
2、模型使用：
原始数累加生成
关联度系
年份值
列
预测值
绝对误差相对误差数
1993
39
3938999900001256E06
1
1994
42
814399063121990631004739606481618
1995
43
124472605866426058700990830462567
1996
44
1685077360756773608015394603512274
1997
48
216545477619654776201364120358993
1998
54
270586024605460246008523104434434
1999
66
3366295855693041443004608205466319
2000
74
410676384556361545008596703656591
2001
80
490726662247333776009167203333424
2002
84
5747806772225932278007062203820111
2003
87
661838707298312927003596905395678
2004
94
7559010509243894908004143504849361
2005
96
851968028739080287400083630820399
2006
100
9511039985223998522003998504783812
2007
107
10581117290434729043004419704367577
2008
117
1175120034198303419800259330547223
2009
1289566
2010
1385424
2011
1488407
由此我们可以预测出2009、2010、2011年房地产从业人数分别为128957、138542、148841
万人，绝对误差平均数为2062769，相对误差平均数为0041683015。关联度检验为0512456
基本满足要求了；计算原始序列的标准差S1为258817，计算绝对误差序列的标准差S2为
8251075，计算方差比CS1S2为03188，当P1时，C035，故已经满足要求。
关联度0512456
三、ARMA模型：
图1、房地产从业人数：
f图2、对数化后的趋势图：图3、一阶差分趋势图：
f图4、二阶差分趋势图：
从我国1993～2008年房地产从业人数用y表示的变化趋势如图1所示可看出我国房地产的从业人数从1993～2008年的序列呈现出指数增长的趋势是非平稳过程。对序列取对数logy如图2所示此时序列有线性上升趋势。再对对数值序列进行一阶差分ily如图3所示直观上看新序列变为非平稳时间序列。再对对数值序列进行二阶差分iily如图4所示直观上看新序列变为平稳时间序列。
f分析：iily的单根检验结论：检验t统计量的值为3568468，p00233005所以该序列平稳
分析：我们经过用ARMA33、ARMA34、ARMA43和ARMA44对模型的拟合，发
现ARMA44比较适合此模型。
r