- 1、本文档共12页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
??
?
??
GDP视角下轨道交通公益性计量
?
??
?
?
?
?
?
?
?
???
?
?
?
?
?
第一节灰色预测的原理
灰色预测是一种根据过去已知的或非确知的灰色信息,寻找系统的内在规律,通过对动态信息的开发、利用和加工建立一个从过去引申到将来的GM模型,从而了解系统的动态行为和发展趋势,为事物的规划决策、系统的控制与状态的评估提供依据。灰色预测模型所需数据量较小,通常只要有4个以上数据即可建模,并且不必知道原始数据分布的先验特征,对无序序列或服从任何分布的光滑离散数据序列,通过有限次的生成即可满足建模条件。灰色预测模型的预测精度较高,可保持原系统的特征,能较好地反映系统的实际状况。
本书需要预测铁路对GDP的影响,铁路建设项目上的大量投资能够对经济产出、生产率和个体福利等方面带来显著的区域经济影响。但是这种影响极其复杂,既表现为产业间的联系,又涉及空间上的联结。而目前对铁路对经济影响的微观机理的研究尚不成熟,有些定量模型虽有扎实的理论基础但数据非常难以获得,很难应用于实践。铁路对经济的影响既有有形的又有无形的,既有已知的又有未知的,这种情况恰好符合灰色模型要处理的类型,所以本书选用灰色模型G(1,1)来预测铁路对GDP的影响。
一一阶累加生成(1-AGO)
设有变量为X(0)的原始非负数据序列:
X(0)=[x(0)(1),x(0)(2),…,x(0)(n)](5-1)
则X(0)的一阶累加生成序列为:
X(1)=[x(1)(1),x(1)(2),…,x(1)(n)](5-2)
式中,
,k=1,2,…,n。
二对X(0)进行准光滑检验和对X(1)进行准指数规律检验
设
若满足ρ(k)<1、ρ(k)∈[0,ε](ε<0.5),ρ(k)呈递减趋势,则称X(0)为准光滑序列,X(1)具有准指数规律。否则,进行一阶弱化处理:
并且令x(0)(k)=x′(0)(k),即X(0)由X′(0)所替代。
三构建相应的微分方程
由第2步可知,X(1)具有近似的指数增长的规律,因此可以认为序列X(1)满足下述一阶线性微分方程:
解得:
其中,
将所求得的
、
代入式(5-5),得:
四建立灰色预测模型
由式(5-7)可得到累加数列X(1)的灰色预测模型为:
如果X(1)来自X(0)一阶弱化处理得到的数列,则由式(5-4)可知,一阶弱化还原后有:
反之,则由式(5-8)再做累减还原,得到X(1)的灰色预测模型为:
五灰色预测模型的检验
1.适用范围
当
时,可用于中长期预测;当
时,可用于短期预测,中长期慎用;当
时,短期预测需慎用;当
时,应采用残差修正;当
时,不宜采用灰色系统预测模型。
2.后验差检验
设残差序列为:
和
分别为残差的均值和方差,
和
分别为X(0)的均值和方差,则后验差比值
,小误差概率
,其中C越小越好,P越大越好。精度检验等级见表5-1。
表5-1精度检验等级
等级
评价
C
P
一级
好
0.35
0.95
二级
合格
0.50
0.80
三级
勉强
0.65
0.70
四级
不合格
0.80
0.60
表5-1精度检验等级
六等维新信息递推
去掉X(0)的首值,增加
为X(0)的末值,保持数列的等维,逐个预测,依次递补,直到完成预测的目标。
七所需数据
①交通基础设施开通使用前若干年(至少5年)所经地区(省、市、县)的相关数据。②交通基础设施开通后所经地区(省、市、县)的相关数据。
第二节评价案例:京沪高铁
利用第一节的方法,可以求出2011年下半年后京沪高铁对沿线地区GDP的影响(见表5-2)。
表5-22011年下半年至2015年京沪高铁对沿线主要站点城市GDP的影响
单位:亿元
城市
“有无”高铁
2011年下半年
2012年
2013年
2014年
2015年
北京
“有”
16251.90
17801.02
19500.60
21330.80
23014.59
“无”
16113.09
18530.49
20052.92
22480.73
24049.71
差值
138.81
-729.47
-552.32
-1149.93
-1035.12
天津
“有”
11190.99
12885.18
14370.16
15722.47
16538.19
“无”
11150.83
12736.68
13556.00
14080.61
14977.51
差值
40.16
148.50
814.16
1641.86
1560.68
上海
“有”
20101.33
21602.12
23560.94
23560.94
25123.00
“无”
20018.40
21743.51
23660.81
24049.93
26476.20
差值
82.9
文档评论(0)