世博会影响力评价.docx
《世博会影响力评价.docx》由会员分享,可在线阅读,更多相关《世博会影响力评价.docx(11页珍藏版)》请在冰点文库上搜索。
世博会影响力评价
2010高教社杯全国大学生数学建模竞赛
承诺书
我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.
我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。
我们知道,抄袭别人的成果是违反竞赛规则的,如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。
如有违反竞赛规则的行为,我们将受到严肃处理。
我们参赛选择的题号是(从A/B/C/D中选择一项填写):
B
我们的参赛报名号为(如果赛区设置报名号的话):
所属学校(请填写完整的全名):
南方医科大会
参赛队员(打印并签名):
1.王沛沛
2.姚慧
3.麦金玲
指导教师或指导教师组负责人(打印并签名):
李淑龙
日期:
2012年8月14日
赛区评阅编号(由赛区组委会评阅前进行编号):
2010高教社杯全国大学生数学建模竞赛
编号专用页
赛区评阅编号(由赛区组委会评阅前进行编号):
赛区评阅记录(可供赛区评阅时使用):
评
阅
人
评
分
备
注
全国统一编号(由赛区组委会送交全国前编号):
全国评阅编号(由全国组委会评阅前进行编号):
对世博会的影响力分析
摘要
既然是上海世博会,那么从上海的变化来分析当然更直接更能反映问题。
首先我们分析的是上海世博会对上海市生产总值的增加的贡献率。
因此我们所建立的第一个模型是用灰色预测的方法根据2005-2009年的数据预测2010、2011年的数据,跟2010、2011年实际的作比较。
运用贡献率模型具体算出了世博会对上海生产总值的贡献率。
由于我们的第三个假设有可能不符合实际,上海市GDP的增长并不完全是由世博会所推动的,而且考虑到世博会的信息传播功能、经济辐射功能、知名度提高等功能,所以仅仅从一般意义上探讨经济影响还远远不够。
并且,经常会夸大世博会的经济社会效应,为此我们根据《会展经济学》的相关知识建立了模型二。
我们将消费主体具体的分成了三个部分,又将消费主体的花费分成了三个部分,并充分注意到只有和世博会有关的“新钱”才能给上海带来经济影响。
我们认识到并不是所有的世博会的消费都会留在上海的经济系统中,因此,我们提出了世博会消费捕获率的概念。
我们还结合具体的情况考虑了会展消费乘数和边际消费倾向,最终得到了世博会经济效应衡量公式。
关键词:
世博会会展经济学灰色预测模型贡献率
一、问题重述
中国2010年上海世界博览会(Expo2010),是第41届世界博览会。
此次世博会也是由中国举办的首届世界博览会。
上海世博会以“城市,让生活更美好”(BetterCity,BetterLife)为主题,总投资达450亿人民币,创造了世界博览会史上最大规模记录。
同时超越7000万的参观人数也创下了历届世博之最。
2010年上海世博会是首次在中国举办的世界博览会(2010年5月1日-10月31日)。
从1851年伦敦的“万国工业博览会”开始,世博会正日益成为各国人民交流历史文化、展示科技成果、体现合作精神、展望未来发展等的重要舞台。
请你们选择感兴趣的某个侧面,建立数学模型,利用互联网数据,定量评估2010年上海世博会的影响力。
2、问题分析
(1)通过研究世博会对上海生产总值的贡献率,我们可以以此评估2010年上海世博会对上海市经济的影响力。
为研究世博会对上海生产总值的贡献率,我们首先通过灰色预测模型预测2010年上海生产总值,在与实际对比来得出贡献率。
3、模型的基本假设
1.在2010年期间,在上海没有与世博会相当的会展举办。
2.所有的统计数据都在误差允许的范围之内。
3.假设上海经济增长与其他的新产生的因素无关。
4、符号说明
表示第i个数据经过第j次处理
V:
旅游者或外来企业总数;
L:
本地居民或企业总数;
会展相关的消费支出比例;
:
旅游者;
G:
政府总规模;
这表示各会展消费主体在各自群体中所占的比例;
5、模型的建立与求解
1.世博会对GDP增长贡献率的模型
(1)通过网上的数据,我们得出了2005-2009上半年的GDP值,列表如表一:
年份
2005
2006
2007
2008
2009
2010
2011
上海市生产总值(亿元)
9247.66
10572.24
12494.01
14069.87
15046.45
17165.98
19195.69
(2)令
对应于原始数据。
第一步,构造累加生成列:
第二步,
通过一次累加(1-AGO)生成新序列
这里
则
其相应的微分方程为
即为GM(1,1)模型。
其中
称为发展灰数;u称为内生控制灰数(未知参数)。
第三步,参数的确定:
该式称为时间响应函数,其中
可根据最小二乘法得出
其中
由微分方程求得:
(3)预测值得还原:
由于GM模型得到的是一次累加量,必须将GM模型所得数据
经过逆生成,即累减还原为
才能使用。
有公式
即得到估计值
(4)预测值和实际值的图形
(5)计算贡献
率
利用MATLAB软件算得上海世博会对上海生产总值的贡献率为结果是6.90%(具体程序见附录一)
利用软件可算出
=0.066962,u=2323.261024时间响应函数为
模型分析:
根据GM模型可预测到2010年和2011年上海生产总值大约分别为15864.72亿元和17084.354044亿元,但根据《上海统计年鉴》可知2010年和2011年上海生产总值实际是17165.98亿元、19195.69亿元,根据程序(见附录)得到上海世博会对上海生产总值的贡献率为6.90%,从而可知上海世博会对上海生产总值具有明显影响力。
2.世博会对上海GDP的定量分析
很多其他模型的计算不仅不够严谨,而且带有很大的随意性,因此,我们需要对世博会的影响力进行科学、客观和全面的分析,为相关各方提供必要的决策依据。
我们这个模型将会对世博会的经济效应进行细致的量化分析。
得到
(1)世博会消费主体:
由于世博会而留在本地的当地居民或本地企业
;
由于世博会所引致的政府参与
;
由于世博会所引致的外地居民和企业
;
则
;
;
;
(2)世博会消费主体的花费:
本地居民或本地企业的消费
旅游者和引致企业的消费
当地政府的消费支出,鉴于政府的不可分性,我们用
单独表示政府消费支出,并且,用
表示特定消费类型j有关的政府消费和公共开支,则:
(3)世博会消费新钱
在使用“世博会消费”概念及有关数据时,需要注意的是,只有和会展有关的“新钱”才能给世博会举办地本地经济带来一定的经济影响,即如果没有世博会的存在,这些和世博会相关的消费支出(新钱)将不会发生
一类是“时间转换”即会展消费主体根据有关会展改变了其到某会展举办地“既定的”旅游行程,这对于会展举办地来说,该群体的消费支出确实发生了,但只是由于会展而转换(或提前或推迟)了其消费支出的时间
另一类是“偶发性的”消费支出,即会展消费主体由于其他原因到会展举办地旅游,却由于受到会展的吸引而放弃了再去其他地方的机会,而如果没有会展的吸引,该群体的消费支出会花费在其他地区而非会展举办地,由于这些消费——尤其是第一类转换消费——只是会展消费主体转换了支出时间,因此,在衡量会展经济影响的过程中需要将其排除。
考虑到衡量的准确信,在世博会影响力研究过程中需要将世博会消费主体由于世博会而发生的消费分离出来。
通过旅游者
以及相应的和世博会相关的消费支出比例
可分离出每个旅游者和世博会的相关的净消费支出:
值得注意的是,一些小地方如果承办或举办大型会展,将会得到地方或国家资金的鼎力支持,这些“外援”无疑有利于提升当地的基础设施水平,为本地经济带来巨大的效益
另一方面,会展——尤其是大型会展——的举办需要配置大量的资源,而这些资源不仅需要来自政治方面的协调,而且具有一定的优先权,基于机会成本角度,这也构成了与会展有关的另一种政府消费支出。
设由政府引致的消费为
六、模型的评价
模型一:
模型二:
在世博会经济效应的研究中,却只做了极为表面的研究,或者甚至完全将其忽略了,使得支持举办某些世博会的观点甚至明显地依赖于个人的或政治的信念,而不是建立在细致的经济核算基础之上。
因此,在关注世博会经济效应研究的同时,世博会相关研究应该具有更为开阔的视野,引入新的研究方法,为公众认识以及世博会投入决策提供一个有用的分析工具。
需要明确的是,衡量模型或许由于统计数据的缺失而少有应用,相关参数也大多缺乏具有可比性的经验性结果,系统的研究也相对缺乏,为了全面、正确地回答上述现实经济问题,需要首先从投入产出乘数的基本原理入手,理清会展乘数作用的传导机制,密切结合会展产业的现实问题,合理量化和界定相关指标,纠正应用中出现的各种偏差,使会展经济效应分析更加符合实际,提高其应用效果。
参考文献
[1]周开利,邓春晖等,MATLAB基础及其应用教程,北京:
北京大学出版社,2007.3。
[2]姜启源,谢金星,叶俊,数学模型(第三版),北京:
高等教育出版社,2003。
[3]2010上海统计年鉴,http:
//www.stats-
[4]孙明贵,会展经济学,北京:
机械工业出版社,2006,3。
附录一:
上海世博会对上海生产总值的贡献率程序:
forecast=[10080.965;11675.21165;13166.1991;...
14560.6164;15864.7181;17084.354044];
fact=[9247.66;10572.24;12494.01;14069.87;...
15046.45;17165.98;19195.69];
%forecast是灰色预测出的2006-2010的GDP
%fact是实际上2005-2010的GDP
sum_factmin=0;sum_forecast=0;
fori=1:
6
sum_factmin=sum_factmin+fact(i+1)-forecast(i);
sum_forecast=sum_forecast+fact(i+1);
end
ita=sum_factmin/sum_forecast;
fprintf('%f\n',ita);
画plot(2005:
2011,[9247.66;forecast],2005:
2011,fact);
legend('预测值','实际值');