上海世博會(huì)經(jīng)濟(jì)影響力的定量評(píng)估

1、2010年上海世博會(huì)經(jīng)濟(jì)影響力的定量評(píng)估摘要本文選取2010年上海世博會(huì)對(duì)上海經(jīng)濟(jì)的影響作為研究對(duì)象，首先，我們選擇了五屆影響力較大的世博會(huì)與上海世博會(huì)進(jìn)行了定量的縱向評(píng)估。利用互聯(lián)網(wǎng)的相關(guān)數(shù)據(jù)，運(yùn)用層次分析法確定了各級(jí)評(píng)價(jià)指標(biāo)的相對(duì)權(quán)重，然后利用模糊綜合評(píng)判法給這六屆世博會(huì)的經(jīng)濟(jì)影響力進(jìn)行了定量評(píng)估，利用MATLAB計(jì)算出了1933年芝加哥世博會(huì)以來(lái)六屆綜合性世博會(huì)的經(jīng)濟(jì)影響力的綜合評(píng)分依次為75.12、80.01、80、11、77.35、79.35、80.75，由表我們可以肯定上海世博會(huì)的經(jīng)濟(jì)影響力是繼1851年倫敦世博會(huì)以來(lái)較強(qiáng)的。其次我們采用投入產(chǎn)出模型模型的核心思想，以年份與的對(duì)數(shù)值

2、的二次相關(guān)關(guān)系和上海市社會(huì)固定資產(chǎn)總投入與的對(duì)數(shù)值的線性關(guān)系，利用上海統(tǒng)計(jì)年鑒發(fā)布的數(shù)據(jù)，分別建立無(wú)世博影響的表達(dá)式，與有世博影響的表達(dá)式，兩式的預(yù)測(cè)誤差均在1.1%以?xún)?nèi)。與2008年真實(shí)值比較，用表達(dá)式預(yù)測(cè)2008年的的值可以得出世博會(huì)對(duì)2008年上海市經(jīng)濟(jì)貢獻(xiàn)率達(dá)到20.9%。并且在得知申辦世博會(huì)后第年上海市固定投入總額的前提下由可求出世博會(huì)對(duì)上海地區(qū)經(jīng)濟(jì)的持續(xù)性積極影響。如假設(shè)2011年市固定資產(chǎn)總投資為5600億元，則世博會(huì)對(duì)上海經(jīng)濟(jì)有16%的積極影響。最后,經(jīng)過(guò)對(duì)2010年上海世博會(huì)的經(jīng)濟(jì)影響力的兩方面的評(píng)估,我們得知上海世博會(huì)在歷屆世博會(huì)的經(jīng)濟(jì)影響力的綜合評(píng)分中是最高的。由此得出,

3、上海世博會(huì)對(duì)上海經(jīng)濟(jì)的影響力是非常大的,此次世博會(huì)除了對(duì)上海的直接收益影響明顯外, 世博會(huì)對(duì)上海地區(qū)經(jīng)濟(jì)的持續(xù)性積極影響。關(guān)鍵詞：層次分析 模糊綜合評(píng)判 投入產(chǎn)出模型 回歸模型一、問(wèn)題重述2010年上海世博會(huì)是首次在中國(guó)舉辦的世界博覽會(huì)。從1851年倫敦的“萬(wàn)國(guó)工業(yè)博覽會(huì)”開(kāi)始，世博會(huì)正日益成為各國(guó)人民交流歷史文化、展示科技成果、體現(xiàn)合作精神、展望未來(lái)發(fā)展等的重要舞臺(tái)。請(qǐng)你們選擇感興趣的某個(gè)側(cè)面，建立數(shù)學(xué)模型，利用互聯(lián)網(wǎng)數(shù)據(jù)，定量評(píng)估2010年上海世博會(huì)的影響力。二、問(wèn)題分析本文選擇了經(jīng)濟(jì)影響力這一側(cè)面。通過(guò)上海世博會(huì)與前六屆世博會(huì)對(duì)經(jīng)濟(jì)的影響進(jìn)行對(duì)比，應(yīng)用層次分析法和模糊數(shù)學(xué)評(píng)判法來(lái)評(píng)價(jià)上海

4、世博會(huì)對(duì)經(jīng)濟(jì)的影響?！坝绊懥Α眱H僅是一個(gè)模糊的概念，因此在問(wèn)題說(shuō)明過(guò)程中需要將影響力轉(zhuǎn)化為有參考價(jià)值的數(shù)據(jù)時(shí)，往往需要利用數(shù)學(xué)建模的方法對(duì)其進(jìn)行定性與定量的分析。本文在評(píng)估2010年上海世博會(huì)的影響力時(shí)，正是應(yīng)用了這種方法。于是建立模型二，通過(guò)舉辦世博會(huì)所帶來(lái)的與不舉辦世博會(huì)進(jìn)行對(duì)比，建立一套投入產(chǎn)出模型，得出影響力的一個(gè)參考系數(shù)?？疾焓啦?huì)自籌辦以來(lái)對(duì)上海經(jīng)濟(jì)增加的拉動(dòng)作用，以及對(duì)上海經(jīng)濟(jì)發(fā)展的促進(jìn)作用。世博效應(yīng)的作用使得世博會(huì)結(jié)束后可能出現(xiàn)經(jīng)濟(jì)回落幅度較小，而后續(xù)效應(yīng)時(shí)間周期很長(zhǎng)，至少有10到50年，之后還將影響很長(zhǎng)時(shí)間，因此我們將世博會(huì)對(duì)上海的影響分為直接影響和間接影響分別進(jìn)行評(píng)判。三、

5、模型假設(shè) 假設(shè)確定的各級(jí)評(píng)價(jià)指標(biāo)的各個(gè)因素是合理的且并不相互影響； 假設(shè)專(zhuān)家對(duì)每個(gè)因素的評(píng)價(jià)是合乎實(shí)際的； 假設(shè)在構(gòu)造成對(duì)比較矩陣時(shí)對(duì)各因素的權(quán)重賦值是合理的;四、符號(hào)說(shuō)明表示兩個(gè)主要因素的分類(lèi)指標(biāo)的權(quán)重向量；表示第因素的模糊評(píng)判矩陣；表示一級(jí)評(píng)判矩陣的元素表示第因素的綜合評(píng)分；表示世博總體的綜合評(píng)分；分別表示兩主要影響因素的成對(duì)比較矩陣；分別表示兩成對(duì)比較矩陣的最大特征根；表示兩主要因素的權(quán)重相對(duì)于目標(biāo)層的權(quán)重向量；表示從1997年起第年為從1997年起第年的上海市固定投入總量從1997年至2002年上海市總量；從2003年至2008年上海市總量五、模型建立和求解4.1 縱向比較歷屆世博會(huì)對(duì)

6、經(jīng)濟(jì)的影響力 世博會(huì)本身是用來(lái)展示人類(lèi)文明成就的，但對(duì)于主辦國(guó)或主辦城市來(lái)說(shuō)，爭(zhēng)辦世博會(huì)是有其明確的自身目標(biāo)利益，不同的主辦國(guó)與主辦城市有不同的目標(biāo)利益，但有一點(diǎn)是共同的，通過(guò)舉辦世博會(huì)賦予主辦國(guó)和主辦城市新的價(jià)值、新的地位。世博會(huì)的舉辦將在經(jīng)濟(jì)、文化、科技、政治地位等方面為其帶來(lái)巨大的影響。下面將利用層次分析法以及模糊評(píng)判法縱向比較歷屆世博會(huì)，從而得出上海世博會(huì)對(duì)經(jīng)濟(jì)影響力。4.2 模型的建立4.2.1運(yùn)用層次分析法確定評(píng)價(jià)指標(biāo)權(quán)重.圖2層次分析法是把專(zhuān)家的經(jīng)驗(yàn)認(rèn)識(shí)與理性認(rèn)識(shí)結(jié)合起來(lái)，以科學(xué)的解決確定加權(quán)系數(shù)的問(wèn)題。首先我們逐一判斷世博會(huì)每一層次上指標(biāo)的相對(duì)重要程度，并將兩兩比較判斷的結(jié)果按

7、給定的比率標(biāo)度定量化，從而構(gòu)成成對(duì)比較矩陣，通過(guò)計(jì)算矩陣的最大特征值極其相應(yīng)的特征向量，最終得出該層次指標(biāo)權(quán)重系數(shù)。我們將決策問(wèn)題分解為3個(gè)層次,最上層為目標(biāo)層,即為世博會(huì)經(jīng)濟(jì)影響力的綜合定量評(píng)估,最下層為方案層，表示六屆世博會(huì)經(jīng)濟(jì)影響力的綜合評(píng)分的最終排序,中間層為準(zhǔn)則層,有直接影響和間接影響兩個(gè)一級(jí)準(zhǔn)則,下設(shè)旅游經(jīng)濟(jì)、灑店經(jīng)濟(jì)投資融資、就業(yè)率、提長(zhǎng)升國(guó)際地位、帶動(dòng)區(qū)域經(jīng)濟(jì)、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整七個(gè)二級(jí)準(zhǔn)則,具體關(guān)系如圖1 圖1 上海世博會(huì)經(jīng)濟(jì)影響力綜合評(píng)估的層次結(jié)構(gòu)圖世博會(huì)經(jīng)濟(jì)影響力綜合定量評(píng)估直接影響間接影響旅游經(jīng)濟(jì)酒店經(jīng)濟(jì)投資融資交通經(jīng)濟(jì)提升國(guó)際地位帶動(dòng)區(qū)域經(jīng)濟(jì)增長(zhǎng)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整(1) 構(gòu)建成對(duì)

8、比較矩陣。成對(duì)比較矩陣元素的數(shù)值反映了各元素的相對(duì)重要程度，采用1-10及其倒數(shù)來(lái)進(jìn)行標(biāo)度（見(jiàn)表1）。表1：評(píng)價(jià)尺度賦值表重要性同等重要過(guò)渡值稍微重要過(guò)渡值明顯重要過(guò)渡值重要得多過(guò)渡值絕對(duì)重要過(guò)渡值賦值12345678910(2)采用編程的方法來(lái)求解所得比較矩陣的最大特征根及其對(duì)應(yīng)當(dāng)?shù)臍w一特征 向量。具體過(guò)程見(jiàn)程序1和程序2(3)進(jìn)行一致性檢驗(yàn)一致性指標(biāo)可由得出；平均隨機(jī)性指標(biāo)可由表2得出。表2：多階判斷矩陣的值階數(shù)123456789RI0.000.000.580.9021.411.45當(dāng)隨機(jī)一致性比率時(shí)，認(rèn)為層次分析法的結(jié)果有滿意的一致性，即權(quán)重的分配是合理的。否則，要

9、調(diào)整判斷矩陣的元素取值，重新分配權(quán)重的值。4.2.2運(yùn)用模糊分析法對(duì)六屆世博會(huì)進(jìn)行綜合評(píng)價(jià).模糊綜合評(píng)判的一般提法：設(shè)為研究對(duì)象的因素(或指標(biāo)),稱(chēng)之為因素集(或指標(biāo)集)。 為諸因素(或指標(biāo))的種評(píng)判所構(gòu)成的評(píng)判集(或稱(chēng)評(píng)語(yǔ)集,評(píng)價(jià)集,決策集等),它們的元素個(gè)數(shù)和名稱(chēng)均可根據(jù)實(shí)際問(wèn)題的需要和決策人主觀確定.實(shí)際中,很多問(wèn)題的因素評(píng)判集都是模糊的,因此,綜合評(píng)判應(yīng)該是上的一個(gè)模糊子集,其中為評(píng)判對(duì)模糊子集的隸屬度：,即反映了第種評(píng)判在綜合評(píng)價(jià)中所起的作用.綜合評(píng)判依賴(lài)于各因素的權(quán)重,即它應(yīng)該是上的模糊子集,且,其中表示第種因素的權(quán)重.于是,當(dāng)權(quán)重給定以后,則相應(yīng)地就可以給定一個(gè)綜合評(píng)判. 依據(jù)層

10、次分析法得出的各級(jí)指標(biāo)權(quán)重，建立歷屆世博會(huì)模糊定量評(píng)價(jià)尺度模型。一級(jí)指標(biāo)集，相應(yīng)的權(quán)重集為，分別代表直接影響和間接影響。 二級(jí)指標(biāo)集，相應(yīng)的權(quán)重集為，分別表示旅游經(jīng)濟(jì)，酒店經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整。定義評(píng)語(yǔ)集為，對(duì)其賦值為: 。 利用專(zhuān)家或群眾對(duì)世博會(huì)融入舉辦地經(jīng)濟(jì)社會(huì)的情況進(jìn)行評(píng)價(jià)，得到從二級(jí)指標(biāo)到評(píng)語(yǔ)集的模糊矩陣。根據(jù)評(píng)語(yǔ)集劃分的五個(gè)等級(jí),=評(píng)價(jià)第個(gè)因素為第個(gè)等級(jí)的人數(shù)/評(píng)委的總?cè)藬?shù)，且其表示第個(gè)二級(jí)因素第個(gè)等級(jí)的隸屬度。于是可以得到二個(gè)主要因素的模糊評(píng)判矩陣； 根據(jù)層次分析法確定權(quán)重向量: 確定一級(jí)評(píng)價(jià)指標(biāo)第四步：求一級(jí)評(píng)判矩陣， 各主要因素的權(quán)重 相對(duì)于目標(biāo)層的權(quán)重向量為: 由此便可得評(píng)判矩陣

11、 設(shè)分?jǐn)?shù)值;則可得到兩主要影響因素的綜合評(píng)分為：，其中總體綜合評(píng)分為：4.3模型的求解在構(gòu)造上海世博會(huì)綜合評(píng)分的成對(duì)比較矩陣和確定各評(píng)價(jià)指標(biāo)的相對(duì)重要程度時(shí)，我們綜合分析了一個(gè)世紀(jì)來(lái)影響力較大的六屆世博會(huì)（如表3）的相關(guān)數(shù)據(jù)，同時(shí)權(quán)衡了世博會(huì)本身各評(píng)價(jià)指標(biāo)的相對(duì)重要程度，然后確定成對(duì)比較矩陣。表3：歷屆世博會(huì)相關(guān)數(shù)據(jù)年份舉辦城市經(jīng)濟(jì)影響力主題1893美國(guó)芝加哥被稱(chēng)為“改變美國(guó)的一屆世博會(huì)”宣告美國(guó)跨入世界一流強(qiáng)國(guó)的行列并從此一躍成為GDP世界排名第一的國(guó)家。進(jìn)步的世紀(jì)1967加拿大蒙特利爾加速建造了新的地鐵系統(tǒng)擴(kuò)充了城郊高速公路網(wǎng)人類(lèi)與世界1970日本大阪上世紀(jì)六七十年代日本1970年GDP達(dá)

12、到最高值21.2%在全日本產(chǎn)生了15600億日元收入和5700億日元附加值人類(lèi)的進(jìn)步與和諧1992西班牙塞維亞投資約100億美元用于園內(nèi)（14%）園外（86%）建設(shè)建成了全長(zhǎng)470公里的馬德里塞爾維亞高速火車(chē)改善和擴(kuò)建了室內(nèi)機(jī)場(chǎng)、道路、橋梁等基礎(chǔ)設(shè)施發(fā)現(xiàn)的時(shí)代2000德國(guó)漢諾威直接指出為102億馬克在德國(guó)全國(guó)GPD的效應(yīng)接近0.26%給當(dāng)?shù)卣畮?lái)了20億馬克的財(cái)政稅收人類(lèi)2010中國(guó)上海市場(chǎng)開(kāi)發(fā)良好，運(yùn)營(yíng)期間收入16.91億元基礎(chǔ)設(shè)施投資約300億元入園人數(shù)預(yù)測(cè)達(dá)7000千萬(wàn)，創(chuàng)1851倫敦世博會(huì)以來(lái)最高城市，讓生活更美好圖3：六屆世博會(huì)參觀人數(shù)與舉辦天數(shù)的柱形圖例如對(duì)直接影響因素中“旅游經(jīng)

13、濟(jì)”這一評(píng)價(jià)指標(biāo),我們通過(guò)這六屆世博會(huì)的總參觀人數(shù)(如圖3,其中上海的數(shù)據(jù)是官方預(yù)測(cè)得到)來(lái)確定旅游經(jīng)濟(jì)這一評(píng)價(jià)指標(biāo)的權(quán)重大小,由下表我們可以根據(jù)參觀人數(shù)的情況依次給美國(guó)芝加哥世博會(huì),加拿大蒙特利爾世博會(huì)中國(guó)上海世博會(huì)賦值:3、5、6、4、3、7。下面我們以上海世博會(huì)為例,對(duì)直接影響的四個(gè)評(píng)價(jià)指標(biāo)和間接影響的三個(gè)評(píng)價(jià)指標(biāo)分別構(gòu)造成對(duì)比較矩陣為:根據(jù)和法求出其最大特征根和特征向量分別為:，;對(duì)以上兩個(gè)成對(duì)比較矩陣進(jìn)行一致檢驗(yàn):對(duì)于有: ，而從而我們可以得到，因此的不一致性在容許的范圍內(nèi),可用其特征向量作為其權(quán)向量對(duì)于有: ，而從而我們可以得到,因此的不一致性在容許的范圍內(nèi),可用其特征向量作為其權(quán)

14、向量.取兩個(gè)主要因素的權(quán)向量 通過(guò)參考上海世博會(huì)的各項(xiàng)數(shù)據(jù)和專(zhuān)家和群眾對(duì)各項(xiàng)指標(biāo)的評(píng)價(jià)意見(jiàn),我們得到:由層次分析法我們得到: ;從而我們可以得到（程序見(jiàn)附錄1）： 根據(jù)以上方法,我們同理可以得到上述六屆世博會(huì)的綜合評(píng)分如表4：表4：六屆世博會(huì)的綜合評(píng)分匯總表舉辦時(shí)間193319671970199220002010舉辦地芝加哥蒙特利爾大阪塞爾維亞漢諾威上海綜合評(píng)為75.1280.0180.1177.3579.8580.81由上表可知，通過(guò)對(duì)歷屆世博會(huì)經(jīng)濟(jì)效益的各項(xiàng)評(píng)價(jià)指標(biāo)的綜合評(píng)估，上海世博會(huì)的經(jīng)濟(jì)效益的影響力是歷屆最強(qiáng)的，這也從一個(gè)方面說(shuō)明上海世博會(huì)必將對(duì)上海的經(jīng)濟(jì)發(fā)展乃至全國(guó)的經(jīng)濟(jì)增長(zhǎng)產(chǎn)生積

15、極的推動(dòng)作用，世界各地的游客，商人，政客涌入上海，必將促使上海成為國(guó)際化的政治和金融中心。模型二本模型中，先以上海不申辦世博會(huì)為假設(shè)，建立出一套投入產(chǎn)出模型后，在此前提下預(yù)計(jì)出2008年上?？傤~，與08年上海實(shí)際總額進(jìn)行對(duì)比，從而可得到世博會(huì)的影響力。同時(shí)，以該模型為基礎(chǔ)，可以分別算出世博會(huì)第年后，是否舉辦世博會(huì)對(duì)該地區(qū)所產(chǎn)生的持續(xù)性影響。4.1 模型建立與求解根據(jù)2009年上海統(tǒng)計(jì)年鑒發(fā)布的數(shù)據(jù)年 份固定投資合 計(jì)上海市 生產(chǎn)總值年 份固定投資合 計(jì)上海市 生產(chǎn)總值（億元）（億元）197827.91272.811993653.911519.23197935.58286.4319941123.

16、291990.86198045.43311.8919951601.792499.43198154.6324.7619961952.052957.55198271.34337.0719971977.593438.79198375.94351.8119981964.833801.09198492.3390.8519991856.724188.731985118.56466.7520001869.674771.171986146.93490.8320011994.735210.121987186.3545.4620022187.065741.031988245.27648.320032452.116

17、694.231989214.76696.5420043084.668072.831990227.08781.6620053542.559164.101991258.3893.7720063925.0910366.371992357.381114.3220074458.6112188.851993653.911519.2320084829.4513698.15由以上數(shù)據(jù)經(jīng)過(guò)初步處理后，可得出以下結(jié)論進(jìn)入90年代后上海的呈指數(shù)型增長(zhǎng)（計(jì)1978年為第1年，2008年為第30年）總量的對(duì)數(shù)值可以認(rèn)為與與時(shí)間增長(zhǎng)有著二次相關(guān)關(guān)系（見(jiàn)程序4）（以1978年為第一年）總量的對(duì)數(shù)值與投入資本呈一次線性關(guān)系。

18、（見(jiàn)程序5）（計(jì)1978年為第一年）為了使得出結(jié)果更有代表性我們截?。ㄊ啦┥贽k成功前）1997年至2002年的數(shù)據(jù)年份199719981999200020012002固定投入1977.591964.831856.721869.671994.732187.06GDP總量3438.793801.094188.734771.175210.125741.03根據(jù)上述結(jié)論，建立總量與時(shí)間、投入關(guān)系的的投入產(chǎn)出函數(shù)模型其中為從1997年起第年的上海市總量其中為從1997年起第年的上海市固定投入總量將等式兩邊取對(duì)數(shù)，變形為即將問(wèn)題轉(zhuǎn)化為一個(gè)二元二次回歸問(wèn)題（求解過(guò)程見(jiàn)程序6）。在MATLAB求解過(guò)程中，取前

19、五組數(shù)據(jù)解得投入與產(chǎn)出模型的解：并將第六組固定資產(chǎn)投入帶入后進(jìn)行檢驗(yàn)，可得2002年的預(yù)測(cè)總量為：5803.9 億元，與實(shí)際值比較，誤差為1.1%，符合誤差要求。因此，在不申辦世博的假設(shè)下，我們對(duì)2008年上?？偭窟M(jìn)行預(yù)測(cè) （單位：億元）再與申辦世博后上海市2008年實(shí)際GDP總量13698.15億元進(jìn)行對(duì)比即可以認(rèn)為在2008年世博會(huì)對(duì)上海市存在20.9%的正面影響作用。再以上述模型為基礎(chǔ)，建立舉辦世博會(huì)的前提下的投入產(chǎn)出模型年份200320042005200620072008固定投入2452.113084.663542.553925.094458.614829.45GDP總量6694.23

20、8072.839164.1010366.3712188.8513698.15同樣以前五組數(shù)據(jù)為基礎(chǔ)，在MATLAB擬合后得如下解（見(jiàn)程序7）。并將第六組固定資產(chǎn)投入帶入后進(jìn)行檢驗(yàn)，可得2008年的預(yù)測(cè)總量為：13753億元，與實(shí)際值比較，誤差為0.4%，符合誤差要求。因此在已知第年上海市固定投入總額的前提下由可以得出世博會(huì)后，世博期間投入對(duì)上海地區(qū)的持續(xù)性影響。如：假設(shè)2011上海市固定投資為5600億元，計(jì)算得：則2011年時(shí)，世博會(huì)對(duì)上海經(jīng)濟(jì)有18% 的積極影響。 五、模型的評(píng)價(jià)模型一的優(yōu)點(diǎn)：該模型采用了模糊判別矩陣，能很好的將各種二級(jí)因素通過(guò)運(yùn)算得到了各因素的評(píng)分和綜合評(píng)分，這些都表明了

21、所述因素都是符合客觀實(shí)際的，這一模型是可以應(yīng)用于實(shí)際的，而且具有相當(dāng)廣泛的通用性。模型一的缺點(diǎn)：在模型中關(guān)于各因素的權(quán)重主要是依據(jù)相關(guān)數(shù)據(jù)主觀上給定的，可能帶有片面性，實(shí)際中可以根據(jù)側(cè)重點(diǎn)適當(dāng)調(diào)整，不影響整體效果。如果能詳細(xì)的分析各因素之間的關(guān)系，通過(guò)兩兩比較矩陣確定權(quán)向量，結(jié)果可能會(huì)更客觀，但工作量可能會(huì)相對(duì)更大。模型二的優(yōu)點(diǎn)：1、模型一重點(diǎn)考慮世博會(huì)對(duì)經(jīng)濟(jì)的影響，從世博申辦前上海經(jīng)濟(jì)發(fā)展?fàn)顩r與申辦之后上海經(jīng)濟(jì)發(fā)展?fàn)顩r的角度，采用層層遞進(jìn)以及圖像擬合的方法，最終找出了上海市GDP的對(duì)數(shù)值與年份和社會(huì)固定投資的二元二次關(guān)系。2、我們利用建立的數(shù)學(xué)模型對(duì)2009年上海市經(jīng)濟(jì)進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)誤差率為

22、3%，可以說(shuō)明模型是可以用來(lái)預(yù)測(cè)2010年上海市GDP的。3、上海市自從2003年申辦到世博會(huì)舉辦權(quán)，經(jīng)濟(jì)開(kāi)始突增，所以建立兩個(gè)表達(dá)式，用表達(dá)式一模擬2003年到2010年GDP，來(lái)和實(shí)際GDP進(jìn)行比較，凸顯世博會(huì)所帶來(lái)的前期經(jīng)濟(jì)效益。思路清晰明了，簡(jiǎn)單易行。模型二的缺點(diǎn)：1、考慮因素全面而且深刻，采用主成分分析的方法，找出對(duì)經(jīng)濟(jì)貢獻(xiàn)率較大的三大因素。另外我們?cè)谟懻摻?jīng)濟(jì)的同時(shí)，也考慮到社會(huì)效益，使用定性與定量相結(jié)合的處理方法。2、對(duì)模型二進(jìn)行靈敏度分析以及穩(wěn)定性分析，另外采用對(duì)比的方法來(lái)刻畫(huà)影響力的程度，方法科學(xué)嚴(yán)謹(jǐn)。參考文獻(xiàn)1姜啟源，數(shù)學(xué)模型（第三版），高等教育出版社，20032Mark M

23、.Meerschaert，Mathematical Modeling(Third Edition)，機(jī)械工業(yè)出版社，20093於世為，高等教育經(jīng)濟(jì)效益模糊綜合評(píng)價(jià)改進(jìn)模型，科技進(jìn)步與對(duì)策，2005年02期4王建偉，MATLAB7.X程序設(shè)計(jì)，中國(guó)水利水電出版社，20075曲雪蓮，2010年世博會(huì)對(duì)上海經(jīng)濟(jì)拉動(dòng)效應(yīng)研究，6肖道剛，基于成本收益理論的上海世博經(jīng)濟(jì)影響研究，7上海市統(tǒng)計(jì)局，6月份世博園消費(fèi)更趨活躍http:/www.stats-ges/00001652.gif?/2005shtj/tjfx/jdxx/images/00001653.gif8羅燕倩，星級(jí)酒店客房出租率達(dá)80%1 姜啟源

24、，數(shù)學(xué)模型（第三版） M，北京：高等教育出版社， 2003。 2 鳳凰網(wǎng)，日本人難忘的大阪世博會(huì)，3中華網(wǎng)， 大阪世博會(huì)，強(qiáng)力推動(dòng)日本經(jīng)濟(jì) ，4 人民網(wǎng)，看大阪世博會(huì)如何助推日本經(jīng)濟(jì) ，5 上海統(tǒng)計(jì)局，上海統(tǒng)計(jì)年鑒2009 ，附錄程序1：b=1,2,4,1/2;1/2,1,2,1/3;1/4,1/2,1,1/5;2,3,5,1b =1.0000 2.0000 4.0000 0.5000 0.5000 1.0000 2.0000 0.3333 0.2500 0.5000 1.0000 0.2000 2.0000 3.0000 5.0000 1.0000>> x,lumda=

25、eig(b)x = 0.4932 0.1700 - 0.4437i 0.1700 + 0.4437i 0.5345 0.2635 0.0940 + 0.0255i 0.0940 - 0.0255i -0.8018 0.1385 0.0506 + 0.1117i 0.0506 - 0.1117i 0.2673 0.8174 -0.8659 -0.8659 -0.0000 lumda = 4.0211 0 0 0 0 -0.0106 + 0.2913i 0 0 0 0 -0.0106 - 0.2913i 0 0 0 0 0.0000 >> r=abs(sum(lumda)r = 4.0

26、211 0.2915 0.2915 0.0000>> n=find(r=max(r)n =1>> max_lumda_b=x(:,n)max_lumda_b =0.4932 0.2635 0.1385 0.8174>> w=x(:,n)/sum(x(:,n)w = 0.2880 0.1539 0.0809 0.4773>> max_lumda_b=lumda(n,n)max_lumda_b = 4.0211程序2：a=1 1/2 1/2;2 1 3/2;2 2/3 1a = 1.0000 0.5000 0.5000 2.0000 1.0000 1

27、.5000 2.0000 0.6667 1.0000>> x,lumda=eig(a)x = 0.3280 0.1640 + 0.2841i 0.1640 - 0.2841i 0.7510 -0.7510 -0.7510 0.5731 0.2865 - 0.4963i 0.2865 + 0.4963ilumda =3.0183 0 0 0 -0.0091 + 0.2348i 0 0 0 -0.0091 - 0.2348i>> r=abs(sum(lumda)r =3.0183 0.2350 0.2350>> n=find(r=max(r)n =1>&g

28、t; max_lumda_a=lumda(n,n)max_lumda_a =3.0183w=x(:,n)/sum(x(:,n)w = 0.1985 0.4546 0.3469程序3：d1=0.29,0.15,0.08,0.48d1 =0.2900 0.1500 0.0800 0.4800>> d2=0.20,0.45,0.35d2 = 0.2000 0.4500 0.3500>> a4=0.5,0.3,0.1,0.05,0.05;0.4,0.2,0.2,0.1,0.1;0.2,0.3,0.4,0.05,0.05;0.3,0.3,0.2,0.1,0.1a4 = 0.500

29、0 0.3000 0.1000 0.0500 0.0500 0.4000 0.2000 0.2000 0.1000 0.1000 0.2000 0.3000 0.4000 0.0500 0.0500 0.3000 0.3000 0.2000 0.1000 0.1000>> b4=0.4,0.3,0.1,0.1,0.1;0.3,0.3,0.1,0.2,0.1;0.2,0.3,0.1,0.3,0.1b4 = 0.4000 0.3000 0.1000 0.1000 0.1000 0.3000 0.3000 0.1000 0.2000 0.1000 0.2000 0.3000 0.1000

30、 0.3000 0.1000>> p=0.4,0.6p = 0.4000 0.6000>> m1=d1*a4m1 = 0.3650 0.2850 0.1870 0.0815 0.0815>> m2=d2*b4m2 = 0.2850 0.3000 0.1000 0.2150 0.1000>> R=p*m1;m2R =0.3170 0.2940 0.1348 0.1616 0.0926>> z1=m1*95;85;75;65;55z1 = 82.7050>> z2=m2*95;85;75;65;55z2 =79.5500>

31、;> z3=R*95;85;75;65;55z3 = 80.8120程序4：t=3 4 5 6 7 8s=8.8090 8.9963 9.1230 9.2463 9.4083 9.5250T=ones(6,1) t' (t.2)'b,bint,r,rint,stats=regress(s',T);b,statst = 3 4 5 6 7 8s = 8.8090 8.9963 9.1230 9.2463 9.4083 9.5250b = 8.3051 0.1827 -0.0038stats = 0.9972 529.1794 0.0002 0.0003plot(t,

32、s,'r')>> hold on>> fplot('8.3051+0.1827*t-0.0038*t2',3 8)>> hold ontitle('上海GDP對(duì)數(shù)值與年份關(guān)系'); xlabel('年份-2000'),ylabel('上海GDP對(duì)數(shù)值')legend('實(shí)際數(shù)據(jù)','擬合曲線')程序5：t=2452.11 3084.66 3542.55 3925.09 4458.61 4829.45/1000s=8.8090 8.9963 9.1230 9.2463 9.4083 9.5250plot(t,s,'r')t = 2.4521 3.0847 3.5426 3.9251 4.4586 4.8294s = 8.8090 8.9963 9.1230 9.2463 9.4083 9.5250plot(t,s,'r')hold on>> fplot('8.0662