内容发布更新时间 : 2024/11/16 21:46:35星期一 下面是文章的全部内容请认真阅读。

可行性与实用性验证 , 在此以就业人数 (Y 作为因变量

, 以 X 1 、 X 2 、 X 3 分别表示第一、二、三产业 GDP ,

作为多因素变量 , 特收集了 1988 ~ 2002 年这四个变量的数据 (见 通过建模进行预测分析 . 首先 , 应用 1. 1 中的灰色

D GM (1 ,1 模型并借助于 mat hemat ica4. 0 对 2003~2005 年第一 、二 、三

产业的 GD P 分别进行预测及检验 , 见表 1. a i x i ∑ - 1 [3] [3, 8] [3]

2 2 2 ( ( ( ( ∑ m m 1 2 ( ( ( ( ( ( ( ∑ ∑ m H/ p ^ 2 F 检验 : F = ; 其中 H = y

t - h - Y 回归离差 ∑ 2 [9] 第 2期

Predicted value Item 2003

2004 ( ( Year Year

苏变萍等 :多因素时间序列的灰色预测模型 表 1第一 、二 、三产业 GDP 的预测值及检验 Tab. 1Prediction and check o n the value of Ⅰ , Ⅱ , Ⅲ Primary industry Secondary industry GDP/100millio n yuan GDP/100million yua n 314. 971043. 52 328. 231177. 24 291

Tertia ry industry GDP/100million yua n 909. 52 1016. 63 Model Par amete r Accuracy test p : 2005(Year a b

α: ε: C : 1 342. 06 1. 04211 255. 129 0. 003872 0. 944851 0. 125724 1 1328. 09 1. 12814 571. 51 0. 003174 0. 999665 0. 023773 1 (

1136. 36 1. 11777 520. 189 0. 007208 0. 996845 0. 067809

通过表 1的几项检验 , 我们发现对 X 1、 X 2、 X 3所建立的 D GM 1,1预测模型是合格的 , 因此可用 它们的预测值对 Y (就业人数 进行预测 .

其次 , 对于 1. 2中所建的多因素预测模型 得如下主要结果 , 见表 2.

(2 , 借助于统计软件 SPSS11. 5进行多元线性回归分析 a 0

表 2多元线性回 归模型概述

Tab . 2Summary o n m ulti 2element linear regressio n mo del Regression coeff icie nt Verifiable value a 1a 2a 3R R F Sig 2

表 2中的相关系数 R =0. 9091, 可决系数 R =0. 8263都比较接近于 1, 且 F =21. 47, 显著性概率

Si g =0. 000<0. 05, 这些表明因变量 Y 与多因素变量 表中的回归系数得如下多因素预测模型 :

^ ^ X 1 , X 2 ^