基本医疗保险基金支出预测模型与实证

文章利用灰色邓氏关联度、等维灰色系统GM(1,1)模型探讨基本医疗保险基金支出影响因素并对其进行预测,为合理分配基本医疗保险基金提供数据支持。结果表明:医疗保健支出中农村居民人均医疗保健支出对基本医疗保险基金支出的影响最大,其次是财政支持和三级医院诊疗人次数,对收入水平、一级医院门诊病人次均医药费、农村每万人医疗机构床位数的影响最小。基本医疗保险基金支出、人均GDP、城镇居民人均可支配收入、农村居民人均可支配收入、国家财政医疗卫生支出、财政投入基层医疗卫生机构、财政对基本医疗保险基金的补助、城镇居民人均医疗保健支出、农村居民人均医疗保健支出、一级医院门诊病人次均医药费、农村每万人医疗机构床位数、三级医院诊疗人次数在2020—2030年均呈现上升态势。     

等维灰数递补模型在人口预测中的应用

人口是一国和地区发展的重要因素。准确的人口预测是制定国民经济计划、区域发展规划的基础。文章介绍了灰色GM(1.1)模型在人口预测中的应用,包括模型的建立、精度检验、不同维模型的选优以及提高模型预测精度的等维递补方法;并用等维灰数递补GM(1.1)模型对甘肃省2006-2020年的总人口进行了预测,精度检验结果表明模型预测精度高,预测结果较为可靠。     

灰色差分预测模型及应用

为了解决舰船纵摇运动灰色预测问题,文章通过对灰色系统理论建模杌理的分析,从离散的角度出发,建立了光滑性数据序列的差分模型,并与其原GM(1,1)模型进行比较,最后用指数序列验证了差分模型预测的有效性,精度较高,该模型同样具有较好的实用性与有效性.研究结果表明可以将文章的模型作为原模型的近似形式加以利用.     

改进粒子群算法优化灰色神经网络预测模型及其应用

文章针对神经网络存在局部最优、收敛速度慢以及大样本等缺点,将改进的粒子群算法、灰色模型和神经网络模型有机结合,构建了改进粒子群优化灰色神经网络预测模型(IPSO-GMNN).并与其他预测模型进行比较,实证结果表明:IPSO-GMNN预测模型能够克服神经网络预测模型的不足,更好地识别时间序列的非线性和突变性特征.在对我国专利授权数量的预测应用中,新模型对非线性时间数据预测表现出更好的预测精度和稳定性.     

能源需求组合预测模型的构建及应用

随着中国经济的快速发展,能源消费不断提高。文章利用能源消费量的历史数据,建立了我田能源消费系统的ARMA模型和灰色预测模型的组合模型,通过组合模型和ARMA模型、灰色预测模型的具体比较分析,证明组合模型更为易行、有效。结论可以作为我国及地区未来能源消费量预测的有效工具。     

基于小波分析的AR-GREY预测模型及其应用

文章介绍了小渡分析、自回归模型和灰色预测模型,建立了基于Maliat小波分析的AR-GREY预测模型.将非平稳时间序列用小波分解到不同尺度上以减少原始序列的随机性.然后再利用灰色模型对低频信息(趋势)进行预测,对于高频信息(短期波动)则建立自回归模型,从而在充分拟合趋势的同时,避免了短期波动的过拟合:通过BDI预测算例验证了预测模型的实用性和精度.因利用了MATLAB软件和Eviews软件,模型构建、修改方便,可在实际中应用.     

流动人口的社会保险覆盖率及其影响因素分析

利用国家卫计委2010年12月的全国性大规模调查数据,本文研究了城市外来流动人口的社会保险覆盖率及其影响因素。研究发现,教育和培训提高了流动人口的参保概率;企业所有制性质、有无劳动合同,显著影响流动人口的参保;农民工各项社会保险的参保状况显著低于城城流动人口,并且中部地区流动人口的社会保险参保率显著低于东部和西部地区。流动人口不再是被动的社会保险获得者,已经有了一定的主动权。在提高流动人口社会保险覆盖率的政策设计上,除了加强流动人口的职业培训和教育之外,还应该严格落实新《劳动合同法》的实施,将农民工作为社会保险扩面工程的重点人群,并将中部地区作为扩面工程的重点区域。     

等维新息灰色预测模型及预测精度比较——基于我国城镇居民养老保险预测分析

本文在对我国城镇居民养老保险分析和预测中引用了等维新息灰色预测模型并与传统灰色预测模型进行了预测精度比较,最终引入了等维新息处理的灰色预测模型。等维新息灰色预测在每一步预测中,不断推陈出新对原始数据进行等维新息处理。通过对实际案例研究证实,文中提出的预测模型可以在建模过程中成功地反映数据运动规律,具有合理、有效的中长期预测功能。笔者希望通过对我国城镇居民养老保险的灰色预测分析,为今后养老保险系统的后续研究打点基础。     

基于累积法的灰色马尔科夫预测模型及其应用

文章针时传统灰色马尔科夫预测模型运算量大等问题,将累积法与灰色马尔科夫预测模型相结合,提出了一种基于累积法的灰色马尔科夫预测模型,克服了传统预测模型的缺陷,并以贵州省历年旅游人数数据为例进行分析预测,结果表明该模型能够降低运算量,提高预测水平.     

农产品价格预测模型的构建

农产品价格变动关乎农民收入的增长和生活水平的提高,同时也是农业管理部门决策的重要依据.针对农产品价格预测这一问题,文章先后建立了指数平滑模型、ARIMA(求和自回归移动平均)模型及基于二者的组合预测模型,并结合2011-2015年西安朱雀市场胡萝卜的月度价格数据,依据所建立的三个模型应用SPSS等相关软件对未来短期胡萝卜价格进行预测分析.预测结果显示:组合模型比单个预测模型预测精度更高,是一种有效的农产品价格预测模型.     

基层财政收支灰色预测模型及应用

灰色预测模型在应用中可以不去直接研究复杂系统内部各因素之间的关系,也不需要大量的样本,仅通过对原始数据的整理来寻求其变化规律,对于小样本、时间序列的县级财政收支预测更为适合。文章从模型和指标的角度对基于灰色模型的财政收支预测进行了研究,通过广丰县财政收支模拟表明:通过灰色预测模型对县级财政收支进行预测拟合效果较好,对县级财政决策的制定和风险的防范和化解具有积极意义。     

股指期货预测模型构建及其应用效果分析

文章选择股指期货价格以及基差预测这一理论界和实务界共同关心的问题为研究对象,使用香港恒生期货数据为样本,分别采用时间序列ARIMA、ARMA模型对恒生期货连续指数的日收盘价对数序列LHF和基差序列BASIS进行建模分析,并利用预测误差检验量对模型样本外的预测效果进行了实证研究.结果表明,ARIMA(3,1,3)模型很好地拟合和预测了股指期货指数对数LHF序列的走势,达到了预测目的;ARMA(1,1)和ARMA(3,3)模型在预测精度方面不甚理想但基本刻画了基差序列的变动趋势.     

中国人口发展预测模型的构建与应用

文章利用<中国人口统计年鉴>中的部分数据,以2001年为初始年份构建了按年龄分布的女性模型-Leslie模型,对中国未来人口进行了长期预测.并得出结论:我国在短期内不缺少劳动力,但须加强劳动力结构方面的调整.文章还分别就人口老龄化问题、人口抚养比进行了分析,并得到了我国老龄化在加速,人口抚养比呈现增加的趋势的结论.     

基于累积法的灰色马尔科夫预测模型及其应用

针对传统灰色马尔科夫预测模型运算量大等问题,将累积法与灰色马尔科夫预测模型相结合,提出了一种基于累积法的灰色马尔科夫预测模型,克服了传统预测模型的缺陷,并以贵州省历年旅游人数数据为例进行分析预测,结果表明该模型能够降低运算量,提高预测水平。     

中国能源消费系统预测模型的构建

文章采集了大量能源消费量的历史数据,在此基础上首先利用灰色预测和多项式曲线趋势外推的方法建立了我国能源消费系统的单项预测模型;其次,通过标准差法进行权重分配,建立了我国未来能源消费量的组合预测模型,并应用此模型对2007～2011年的能源消费量进行了预测.     

中国人口增长预测模型及其改进

文章根据已有的人口数据,运用数据拟合方法和矩阵方法分析研究了人口增长的规律,分别建立了预测中国人口增长的回归和凯菲茨矩阵两个数学模型,并且给出了中国人口短期和长期的预测结果.通过比较,阐述了两种模型的优缺点.     

稳态随机先验下MF-VAR预测模型及其应用

准确把握宏观经济发展趋势有利于前瞻性地调控经济运行,防范外部冲击。当前广泛用于宏观经济预测的MF-VAR模型,虽然能胜任常态情形的预测任务,但其参数估计过程多以传统Minnesota形式分布作为推断先验,难以贴合现实中异方差性的非理想预测环境。文章引入稳态随机先验对模型进行改进和优化,并通过湖北省主要宏观经济指标进行实例验证,发现稳态先验的“均值调整”信念驱使预测向均值回归,在简化估计程序的同时还能提高远期视野下的预测精度;随机先验的时变方差设定能有效捕捉序列的结构变动,使模型能同时适应常态和不确定性冲击的情形;分级稳态和因子随机波动可以牺牲部分样本信息而兼顾降维能力与计算优势。稳态随机先验的延展性和灵活性拓展了MF-VAR模型的应用场景,放宽了模型的应用条件,并进一步提高了预测精度。     

一种拓展的灰色预测模型及其特性研究

文章以进一步提高灰色预测模型的建模精度,拓展其应用范围为目的,在该模型已有研究成果基础上,根据GM(1,1)的建模条件,构建了一种拓展的灰色预测模型(EGM),给出该模型的原始形式和白化方程,并利用参数包技术对其参数特性进行了研究.     

灰色预测模型在季节波动预测中的应用

文章将数据统计分组,用灰色预测分析,对不同季节的时间序列分别建立了一阶微分方程,并求出预测公式,从而得出预测值.这种模型比通常的季节预测模型有更好的效果.     

含误差修正的ARIMA-GM叠加预测模型及其应用

本文针对具有波动和增长二重趋势的季节周期性时间序列,首先利用ARIMA(p,d,q)(P,D,Q)S乘积模型对原序列进行识别和拟合;然后对其残差子序列运用带阀值的灰色GM(1,1)改进模型进行逐期修正;最后结合二者得到基于残差子序列修正的ARIMA-GM叠加预测模型。本文利用此模型对短期日负荷进行预测,结果表明此模型具有很高的预测精度和良好的适应性,可以满足实际的预测要求。