山东省产业结构灰色预测分析

通过对近几年山东省GDP和三次产业结构的统计数据分析,根据三次产业与时间的关系,利用灰色系统理论,分析了各产业与GDP的关联度,并建立了GM(1,1)预测模型,模型输出的结果与历史情况误差范围相当小,进而利用该模型对山东省10年后产业结构情况进行了预测分析。预测结果显示,山东经济发展阶段处于工业化中期,呈现二三一的发展态势。     

灰色GM(1,1)模型预测安徽省私人汽车拥有量

利用2007-2012年安徽省私人汽车拥有量统计数据,建立了一个私人汽车拥有量预测的灰色GM(1,1)模型.模拟结果表明,灰色GM(1,1)模型比较合理地反应了安徽省私人汽车拥有量的增长趋势,并且预测精度较高、误差较小,为私人汽车拥有量预测提供了一个科学而有效地方法.     

日本文化产业出口贸易预测及其启示

日本的文化产业,尤其是漫画产业、动画产业、游戏产业,也是我国文化产业要重点发展的新兴产业.日本文化产业出口贸易在产品与市场方面,与我国存在较大的相似性,因而构成较强的出口贸易竞争关系.通过GM(1,1)模型预测日本的文化产业在未来五年内的出口贸易额,以便为我国制定文化产业发展战略和产业外贸政策提供参考.     

民族地区经济可持续发展与电力需求研究

以内蒙古为例,结合民族地区电力供需现状,运用GM(1,1)马尔可夫模型对内蒙古用电需求量进行预测.预测结果证明,利用GM(1,1)马尔可夫模型预测电力需求行之有效,预测结论对内蒙古未来几年的电力规划及建设具有重要的指导作用.     

基于GM(1，1)残差尾段修正模型的我国建筑业总产值预测研究

在动态灰色预测模型（GM（1,1）模型）的基础上,选取我国近七年建筑业总产值作为研究对象,为了提高模型精度和预测更加准确性,建立残差尾段修正模型。结果表明,基于GM (1,1)残差尾段修正模型预测我国建筑业总产值的准确性有所提高,且达到相应模型精度要求,对我国短期建筑业总产值的预测具有一定的参考价值。     

基于灰色预测模型的滑坡变形监测应用研究

对灰色预测理论作简要介绍,并介绍灰色预测中GM(1,1)在变形监测中的理论方法。以重庆彭水县水库滑坡为例,在变形监测中分析GM(1,1)的精度和可行性。     

基于灰色理论的京津冀老龄化趋势对比及老龄产业发展对策研究

我国人口老龄化趋势已经日臻明显,但不同地区老龄化进程、特征存在差异。在京津冀地区协同发展的背景下,该文选取京津冀三个地区的人口结构面板数据,首先利用GM(1,1)模型分别对未来十年人口老龄化的趋势进行预测,数据显示河北省老龄化速度明显超过京津地区,其次从三地历年人口年龄结构、抚养比、可支配收入等方面进行对比分析,最后对河北省老龄化的应对和老龄产业发展提出建议。     

基于初始值优化的灰色马尔科夫链预测模型研究

在传统灰色GM(1,1)预测模型的基础上,首先对预测模型的初始值进行优化,然后采用马尔科夫链对优化后的模型进一步改进,建立了一种基于初始值优化的灰色马尔科夫预测模型,优化后的模型可以有效提升预测的准确性和稳定性.最后通过对宁德市旅游入境总人数的实例分析,验证了新模型的有效性,拓展了灰色预测模型的应用范围,为宁德市旅游事业的发展提供了一种新方法和新思路.     

五次产业分类法及其指标体系设计

随着科学技术的飞速发展和新产业的不断出现 ,广泛使用的三次产业分类法已越来越适应不了国民经济管理的需要。因此 ,我们提出五次产业分类法划分标准、意义 ,并设计出五次产业分类法下的国民经济统计指标体系框架 ,以便使五次产业分类法能够得到实际运用     

福建省并购市场增长空间预测

当前,并购重组正在成为中国经济转型的重要方式。福建省并购市场呈现明显的同行业并购且呈扩张趋势,表明福建省企业具有强有力的成长性、并购市场存在很大增长空间。GM(1,1)模型的实证结果证实,到2020年福建省并购市场将达2700多亿元交易量,占GDP的4%左右。未来大规模的并购交易不仅需要市场内在活力的推动,也需要政府支持。建立相应的并购交易平台,并鼓励通过金融创新等手段支持并购融资,以促进福建省产业调整和结构优化。     

典型旅游区旅游产业经济MLR与GM(1,N)预测研究

桂林是中国典型的旅游区,桂林旅游产业既是中国旅游产业的缩影,也是中国旅游产业发展探索的先行者。通过SPSS19.0统计软件对桂林市旅游总收入与各旅游产业要素进行多元线性回归分析建立MLR模型,并建立旅游总收入与旅游产业要素的灰色系统GM(1,N)模型,以对比分析两模型的实效性。研究结果表明,典型旅游地旅游经济发展的驱动因素主要包括市场结构、管理体制以及游览方式,其合理组合可以有效提高旅游经济的发展。     

宿州市主要产业的经济贡献率与增长弹性分析

对产业(部门)的经济贡献率、产业(部门)的增长弹性系数、产业地位与产业发展层次等分析中使用的主要指标进行界定。对三次产业的经济贡献率与增长弹性、主要经济部门的经济贡献率与增长弹性进行了分析,阐述了三次产业及主要产业(部门)的经济贡献率及其各自的产业发展层次。最后,对分析结果进行了总结,指出了当前宿州市三次产业及主要产业(部门)在经济发展中所处的位置及存在的问题,并在此基础上,提出了促进宿州市经济发展的对策建议。     

FDI对我国三次产业影响作用的实证分析

利用自回归分布滞后(ADL)模型,结合我国1983到2006年的有关数据,对我国FDI对三次产业的影响作用作出实证分析,得出结论,FDI在短期内对我国经济增长起了较大的促进作用,但长期作用不显著.并结合我国经济现状分析了原因,提出要充分发挥其在经济增长中的作用,需调整FDI在三次产业之间以及产业内部的投资结构.     

中国就业结构与产业结构偏离的分析

就业增长和经济增长的不一致可以用就业结构和产业结构的偏离度进行衡量。利用近30年的数据,可以计算出中国就业结构与产业结构的偏离度。利用多项式分布滞后(PDLS)模型,对三次产业的固定资产投资对就业的滞后作用进行研究,研究结果表明,三次产业对就业的影响都有一定的滞后性,但长期来看,第三产业的固定资产投资的就业弹性最大,第一产业的固定资产投资的就业弹性最小。要解决中国的就业问题就要大力发展第三产业。     

产业部门经济力的测度与因素分析--基于广东省投入产出模型的实证研究

投入产出模型包含了国民经济运行的丰富信息 ,为人们研究和比较各产业部门在社会再生产各领域和环节中的地位和作用提供了便利。本文在此基础上对各类产业特征作出描述和分析 ,进而对经济发展中的产业选择提供了一定的参考     

浙江产业集群发展预测的分析模型

利用灰色系统理论的GM（1，1）模型，建立浙江产业集群产值预测模型预测2005年生产总值，并为预测2006年的生产总值提供计算途径．通过借鏊国外产业集群的成功经验，为浙江产业集群竞争力的研究提供一个有价值的数学模型．     

中国海洋产业结构变迁浅论

建国以来,我国海洋产业结构经历了海洋产业恢复发展期、海洋产业曲折前行期和海洋产业大发展时期.通过海洋三次产业对海洋经济和国民经济重要性的长期比较,长期看,三次产业对两者的重要性明显不同,其中第一产业最大程度的体现了这种不同,其次是第二产业,第三产业则相对较少.     

基于人口结构转变的老龄消费研究

中国在较短的时间内经历了从人口数量向人口结构的转变,人口年龄结构由年轻型过渡到老年型,人口结构的转变催生了庞大的老龄市场的形成与发展,老龄经济将有可能成为中国新的经济增长点。以中国2010年第六次人口普查数据和1998—2012年居民平均消费水平数据为基础,构造生存模型测算老龄人口数量,并构建灰色GM(1,1)模型预测老龄消费规模,研究结果显示:2011—2050年总人口数量先增后减,至2050年为12.14亿,老龄人口则持续上升到4.46亿,而老龄消费占比由2011年的10.65%提升至2050年的30.14%。不断增长的老龄消费支出孕育着较大的消费潜能和市场机遇,中国政府应抓住机遇,大力发展老龄经济,推动经济社会转型协调发展。     

新常态下中国产业协调发展路径——基于产业关联视角的研究

产业的协调发展是新常态下中国经济增长主要动力来源之一。分析中国三次产业比例指标可知,当前三次产业产值结构、贡献率、三次产业对国内生产总值的拉动作用等不甚合理,第二产业作用下降明显,第三产业作用提升。分析产业关联指标发现,三次产业内各主要行业对国民经济发展的需求及带动作用存在明显差异。通过完全消耗系数测算,发现与主要行业关联密切的行业具有较高的一致性。在第三产业中对交通运输及仓储、批发和零售业、金融业等服务业消耗较大,研发及综合技术服务等行业消耗系数较小。针对分析发现的问题,提出促进新常态下中国产业协调发展的对策建议:通过第二与第三产业的支撑,促进第一产业规模化生产经营模式实现及效率提升;第二产业的转型升级需要从第一产业和第三产业寻找突破口;提升信息技术、仓储物流、金融等服务业对第一产业和第二产业的带动作用;发挥研发、综合技术服务等服务业在三次产业提升及协调发展中的核心作用。     

云南省乡镇企业发展对策研究

一、现状 党的十一届三中全会以来,云南乡镇企业进入一个以一定速度和规模发展的新时期,日益显示出在农村商品经济发展和两个文明建设中的重要功能:第一、为农业剩余劳动力转移开拓了广阔领域。1986年,全省乡镇企业从业人数达125.65万人,占农村总劳动力的8.5％。昆明市的西山区、官渡区,玉溪市等7个县(市、区)的乡镇企业从业人数占农村总劳动力20～38％。第二、乡镇企业总收入持续增长,在农村经济总收入中的比重随之上升。全省乡镇企业总收入1986年达34.5亿元,分别为1978、1980年的9.6倍、5.8倍,年均递