图5  年世博会拉动上海市经济增长的预期比率
5 结论与讨论
5.1结论
本文以上海市2002～2009年经济总量统计资料作为原始数据，构建了上海市 的GM（1,1）灰色预测模型，并进行了模型的预测精度检验，平均相对误差 为 。在平均预测精度为 和灰色关联度为 的条件下，得到上海市年的预测值为 亿元。
借鉴Humphreys等人对亚特兰大奥运会的短期经济影响力的分析方法，用乘数分析法分析得出，在上海世博会经济影响力下，由于直接投资 亿元人民币所带来的直接投资效应为 亿元，由社会消费品零售额带来的间接投资 亿元人民币带来的间接投资效应为 亿元，最终预测得到年上海市中因世博会而带来的增加额所占总量比率为 。
5.2模型的适用性与推广中注意的问题
尽管本文的构建了上海市年经济总量的预测模型，并在一定的预测精度和灰色关联度水平下得到了模型的预测结果。但是由于现实社会中经济运营环境的复杂性和制约经济发展因素的不唯一性，可能会导致模型的预测结果与现实结果存在着差异。但本文所构建的上海市经济总量的GM（1,1）预测模型，是一种比较有效的方法，具有预测精度高、所需源信息少、计算简便等优点。说明该类模型适用于具有“小样本”、“贫信息”特征的会展经济分析。
本文利用GM（1,1）进行建模时，序列的数值为“非负”。但在实际运用中，当时间数据序列为高差时，就可能为负数据序列。对于此种情况，首先可以导出灰色参数的显式表达式，由此对原始数据序列乘以不等于零的常数后再对预测结果及精度影响加以讨论解决。
参考文献
[1]张世贤，奥运经济与世博经济之比较研究[J]，社会科学，2004年第5期：19-24。
[2]梁鑫,谢佳丽,李朝，广西GDP的统计预测模型及应用[J]，经济数学,2008, 25(3)：289-293。
[3]赵盈，我国GDP时间序列模型的建立及实证分析[J]，西安财经学院学报,2006, 19(3)：11-14。
[4]李占江,曹海燕，使用ARIMA模型对内蒙古GDP进行时序建模及预测[J]，内蒙古农业大学学报,2008,29(2)：173-175。
[5]靳珊，ARIMA模型在贵州GDP中的应用[J]，科教文汇,2007(10)：154-155。
[6]何书元，应用时间序列分析[M]。北京：北京大学出版社,2003。
[7]魏宁，边宽江，袁志发，基于ARIMA模型的陕西省GDP分析与预测[J]，安徽农业科学，2010,38(9)：4933-4935。
[8]刘斌，刘思峰，党耀国,基于灰色系统理论的时序数据挖掘技术[J],中国工程科学，2003，15（9）：32-35。
[9]Hsu Li2chang,App lying the Greyp rediction model to the global inte-grated circuit industry[J],TechnologicalForecasting&Social Change,(2003) ; 70:563―574.
[10]马勇，基于GM（1，1）改进的DGM 模型预测港口货物吞吐量[J]，中国水运，2007年第2期：16-18。
[11]左继宏,基于灰色GM（1,1）模型预测GDP及人均GDP[J],决策参考，2005年第5期：19-20。
[12]王方华，世博会与上海经济[M]，上海：上海交通大学出版社, 2003。
[13]刘焕彬，数学模型与实验[M]，北京：科学出版社，2008年，192-198。
[14]刘思峰,郭天榜,党耀国,灰色系统理论及应用[M],北京：科学出版社，1999：26-29。
[15]邓聚龙，灰理论基础[M]，武汉：华中科技大学出版社，2002。
[16]杨长江，微观经济学[M]，上海：复旦大学出版社，2004年，36-48。
[17]刘琦，北京奥运经济研究[J]，社会科学，2003年第6期：15-23,2003年。
[18]世博网，开园184天运行平稳顺利有序逾7308万人次参观创历史新高，http://www.expo2010.cn/a/20101031/000192，2010年11月06日。
[19]顾佳，港报称申办世博会将为上海带来“掘金”良机，中国新闻网，2010年。
5/5 首页 上一页 3 4 5 |
