SARS疫情对某些经济指标的影响doc.docx
《SARS疫情对某些经济指标的影响doc.docx》由会员分享，可在线阅读，更多相关《SARS疫情对某些经济指标的影响doc.docx（9页珍藏版）》请在冰点文库上搜索。
SARS疫情对某些经济指标的影响doc
非典疫情对某些经济指标的影响
2003年非典疫情对中国部分行业的经济发展产生了一定的影响，特别是对部分疫情比较严重的省市的相关行业所造成的影响是很明显的。
经济影响主要分为直接影响和间接影响，直接影响涉及到商品零售业、旅游业、综合服务业等，很多方面难以进行定量地评估。
现仅就SARA疫情较重的某城市商品零售业、旅游业、综合服务业的影响进行定量评估分析。
已知某市从1997年1月-2003年12月的商品零售额、接待海外旅游人数、综合服务收入的统计数据如下表
表1-1商品的零售额（单位：
亿元）
年代
1月2月3月4月5月6月7月8月9月10月11月12月
1997
1998
1999
2000
2001
2002
2003
83.079.878.185.186.688.290.386.793.392.590.996.9
101.785.187.891.693.494.597.499.5104.2102.3101.0123.5
92.2114.093.3101.0103.5105.2109.5109.2109.6111.2121.7131.3
105.0125.7106.6116.0117.6118.0121.7118.7120.2127.8121.8121.9
139.3129.5122.5124.5135.7130.8138.7133.7136.8138.9129.6133.7
137.5135.3133.0133.4142.8141.6142.9147.3159.6162.1153.5155.9
163.2159.7158.4145.2124.0144.1157.0162.6171.8180.7173.5176.5
表1-2接待海外旅游人数（单位：
万人）
年代
1月2月3月4月5月6月7月8月9月10月11月12月
1997
1998
1999
2000
2001
2002
2003
9.411.316.819.820.318.820.924.924.724.319.418.6
9.611.715.819.919.517.817.823.321.424.520.115.9
10.112.917.721.021.020.421.925.829.329.823.616.5
11.426.019.625.927.624.323.027.827.328.532.818.5
11.526.420.426.128.928.025.230.828.728.122.220.7
13.729.723.128.929.027.426.032.231.432.629.222.9
15.417.123.511.61.782.618.816.220.124.926.521.8
表1-3综合服务业累计数额（单位：
亿元）
年代
2月3月4月5月6月7月8月9月10月11月12月
1997
1998
1999
2000
2001
2002
2003
96144194276383466554652747832972
11116923540045956569580588110111139
15123833542554164173986697510871238
1642633765316007119131038117312961497
18231844557670885610001145129214351667
21636150464281897911421305147916441920
241404584741923111412981492168418852218
试根据这些历史数据建立预测评估模型，评估2003年SARS疫情给该市商品零售业、旅游业和综合服务业所造成的影响。
月份
1
2
3
4
年代
预测值
相对误差
预测值
相对误差
预测值
相对误差
预测值
相对误差
1997
83
0
79.8
0
78.1
0
85.1
0
1998
91.9811
0.0956
96.9484
0.1392
85.8582
0.0221
93.0816
0.0162
1999
102.2443
0.1089
106.4679
0.0661
95.9218
0.0281
102.2145
0.012
2000
113.6527
0.0824
116.922
0.0698
107.1651
0.0053
112.2435
0.0324
2001
126.3341
0.0931
128.4026
0.0085
119.7262
0.0226
123.2565
0.01
2002
140.4304
0.0213
141.0106
0.0422
133.7596
0.0057
135.3501
0.0146
月份
5
6
7
8
年代
预测值
相对误差
预测值
相对误差
预测值
相对误差
预测值
相对误差
1997
86.6
0
88.2
0
90.3
0
86.7
0
1998
94.0014
0.0064
95.3407
0.0089
99.4671
0.0212
98.6419
0.0086
1999
104.9041
0.0136
105.4886
0.0027
109.6253
0.0011
108.9552
0.0022
2000
117.0714
0.0045
116.7166
0.0109
120.821
0.0072
120.3468
0.0139
2001
130.65
0.0372
129.1398
0.0127
133.16
0.0399
132.9295
0.0058
2002
145.8035
0.021
142.8852
0.0091
146.7591
0.027
146.8277
0.0032
月份
9
10
11
12
年代
预测值
相对误差
预测值
相对误差
预测值
相对误差
预测值
相对误差
1997
93.3
0
92.5
0
90.9
0
96.9
0
1998
99.1775
0.0482
100.2717
0.0198
103.7177
0.0269
119.631
0.0313
1999
110.9968
0.0127
112.6304
0.0129
113.5747
0.0668
126.0587
0.0399
2000
124.2247
0.0335
126.5124
0.0101
124.3684
0.0211
132.8317
0.0897
2001
139.0289
0.0163
142.1053
0.0231
136.188
0.0508
139.9686
0.0469
2002
155.5975
0.0251
159.6202
0.0153
149.1308
0.0285
147.4891
0.054
SARS疫情对商品的零售额的影响情况如表1：
月份
1
2
3
4
5
6
实际值
163.2
159.7
158.4
145.2
124
144.1
预测值
156.0996
154.8565
149.4379
148.6303
162.7145
158.0936
相对误差
0.043507
0.030329
0.056579
0.023625
0.312214
0.09711
月份
7
8
9
10
11
12
实际值
157
162.6
171.8
180.7
173.5
176.5
预测值
161.7471
162.179
174.1406
179.2938
163.3038
155.4135
相对误差
0.030236
0.002589
0.013624
0.007782
0.058768
0.11947
表1.2003年商品的零售额的实际值域预测值
SARS疫情对接待海外旅游人数的影响情况如表
月份
1
2
3
4
5
6
实际值
15.4
17.1
23.5
11.6
1.78
2.61
预测值
14.4828
39.444
25.0538
31.9921
33.9504
32.3963
相对误差
0.059558
1.306667
0.066119
1.75794
18.07326
11.41238
月份
7
8
9
10
11
12
实际值
8.8
16.2
20.1
24.9
26.5
21.8
预测值
29.1158
35.4191
33.7513
33.2912
30.7309
25.0645
相对误差
2.308614
1.186364
0.679169
0.336996
0.159657
0.149748
表2.2003年接待海外旅游人数的实际值域预测值
SARS疫情对综合服务业累计数额影响情况如表
月份
2
3
4
5
6
7
8
9
10
11
12
实际值
241
404
584
741
923
1114
1298
1492
1684
1885
2218
预测值
279.5609
434.9344
608.102
732.6269
938.302
1120.4
1299.3
1474.8
1685.5
1855.3
2189.4
相对误差
0.160004
0.07657
0.041271
0.0113
0.016579
0.005745
0.001002
0.011528
0.000891
0.015756
0.012894
程序如下：
clc,clear
x0=[90.397.4109.5121.7138.7142.9];
n=length（x0）;
[exp（-2/（n+1））exp（2/（n+1））];%级比范围
x0=x0+800;
lamda=x0（1:
n-1）./x0（2:
n）%落入级比范围
range=minmax（lamda）
x1=cumsum（x0）;%做一次累加
fori=2:
n
z（i）=0.5*（x1（i）+x1（i-1））;%均值生成
end
B=[-z（2:
n）',ones（n-1,1）];
Y=x0（2:
n）';
u=B\Y
x=dsolve（'Dx+a*x=b','x（0）=x0'）;
x=subs（x,{'a','b','x0'},{u
（1）,u
（2）,x1
（1）}）;
yuce1=subs（x,'t',[0:
n-1]）;
digits（6）,y=vpa（x）%为提高预测精度，先计算预测值，`再显示微分方程的解
yuce=[x0
（1）,diff（yuce1）]
epsilon=x0-yuce%计算残差
delta=abs（epsilon./x0）%计算相对误差
rho=1-（1-0.5*u
（1））/（1+0.5*u
（1））*lamda%计算级比偏差值
yuce=yuce-800%还原数值
y1=[156.0996154.8565149.4379148.6303162.7145158.0936161.7471162.179174.1406179.2938163.3038155.4135
];
y2=[163.2159.7158.4145.2124.0144.1157.0162.6171.8180.7173.5176.5];
x=[1:
12];
plot（x,y2,'-*',x,y1,'-ro'）
legend（'出现SARS疫情后商品的零售额','正常情况下商品的零售额'）
升级会员 