2011数学建模第二次模拟 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） 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）河南理工大学万方科技学院 参赛队员 打印并签名 1. 关海超 2. 刘源 3. 冯艳伟 指导教师或指导教师组负责人 打印并签名 日期 2011 年 8 月 21 日 赛区评阅编号（由赛区组委会评阅前进行编号） 2011数学建模第二次模拟 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） 经济增长问题 摘 要 国内生产总值（GDP）常被公认为衡量国家经济状况的最佳指标.它不但可反映一个国家的经济发展情况，更可以反映一国的国力与财富.因此分析各产业对于GDP的影响，并研究GDP的增长规律是具有现实意义的. 在问题一中，我们分别做出了GDP与工业、建筑业及农林渔业产值关系的散点图，分析得出GDP的值与各产业之间存在明显的线性关系. 回归分析是统计分析的重要组成部分，用回归分析方法来研究自变量与因变量的关系函数是一种常用的有效方法.因此我们建立起了多元线性回归模型，用MATLAB计算得到的模型为.在对该模型进行显著性检验中，我们对各参数进行了显著性分析，得到模型的复相关系数0.999，统计量30900. 统计量的值远超过检验的临界值，因此可以验证模型是可用的.最后，我们利用所建立的模型对2010～2014年的GDP值做出了预测，分析了各产业对GDP的影响.通过处理预测的数据，我们得出平均每年GDP的增长率为10左右，其中建筑业与工业对GDP的影响较大，而农林渔业对GDP的影响较小，这也符合中国的产业结构与经济发展情况. 在问题二中，为了讨论国内生产总值增长与资本及劳动之间的关系，我们通过分析数据、查阅相关资料，了解到了国内生产总值的大小通常取决于相关的生产资料和劳动力等相关重要因素.于是，我们通过建立柯布道格拉斯生产函数，定义了三个指数分别为投资金额指数，就业人数指数和国内生产总值指数.利用定义的三个指数公式，计算出1981年到2008年的国内生产总值指数，投资金额指数和就业人数指数的一组数据，并探讨国内生产总值增长与资本及劳动之间的关系.但是上述三个指标都是随时间增长的，很难直接从表中发现具体的经济规律.为了定量分析，我们定义两个新的变量分别,通过做散点图发现这两个变量基本上成正比例关系.我们用MATLAB软件中的curvefit函数来作数据拟合，求得函数中的未知参数,,，通过检验进而得处道格拉斯生产函数为，这就是产值随资金K、劳动力L的变化规律. 为了验证第二问中的结果，我们用求得的道格拉斯生产函数来预测每年的国内生产总值，然后与题目提供的数据进行比较来进行检验.通过检验可以发现预测值的误差很小，因此道格拉斯生产函数可以表示出国内生产总值增长与资本及劳动之间的关系. 关键字多元线性回归 显著性检验 道格拉斯函数 数据拟合 1. 问题重述 国内生产总值Gross Domestic Product,简称GDP是指在一定时期内一个季度或一年，一个国家或地区的经济中所生产出的全部最终产品和服务的价值，常被公认为衡量国家经济状况的最佳指标.它不但可反映一个国家的经济表现，更可以反映一国的国力与财富. （1） 建立国内生产总值与工业值、建筑业及农林渔业产值之间的数量模型，利用数据对未来经济做出预测；
（2） 讨论国内生产总值增长与资本及劳动之间的关系，利用数据验证其结果. 2. 问题分析 2.1 建立GDP与工业值、建筑业及农林渔业产值之间的数量模型，并对未来经济做出预测. 在问题一中，我们通过分析材料得出这是研究对象的内在特性和各个因素间关系的问题，即研究GDP与工业值、建筑业及农林渔业产值关系.一般用机理分析的方法建立数学模型.由于经济问题是一种随机的问题，所以通常的办法是搜集大量的数据，基于对数据的统计分析去建立模型.因为影响GDP的因素有三个，即工业值、建筑业及农林渔业产值，且各个产业与GDP都为线性关系.所以我们建立起一个多元线性回归模型，并检验模型显著性，通过对模型的反复修改与检验，建立更合理的模型. 2.2 讨论国内生产总值增长与资本及劳动之间的关系，并验证其结果. 在问题二中，为了讨论国内生产总值增长与资本及劳动之间的关系，通过查阅相关资料，我们了解到国内生产总值通常取决于相关的生产资料和劳动力等相关重要因素. 要建立道格拉斯生产函数，我们只需要讨论产值和资金，劳动之间的关系，从而达到我们的目的.这样处理不仅能简化问题，而且是合理的在生产产值上的预测，柯布-道格拉斯（Cobb-Douglas）生产函数预测的结果近似就是准确生产值.于是我们通过建立柯布道格拉斯生产函数，来探讨国内生产总值增长与资本及劳动之间的关系，进而利用已有的数据验证其结果. 3. 模型假设 1. 假设所统计的数据都在误差允许的范围之内；
2. 忽略由于非正常条件下的引起的数据的巨大波动；
3. 假设在短期内国内生产总值只取决于投资和劳动力因素; 4. 假定在一段不太长的时间内技术水平不变. 4. 定义与符号说明 国内生产总值 复相关系数 统计量 随机误差 置信水平 工业产值 建筑业产值 农林渔业产值 国内生产总值增长 劳动投入量 资本投入数量 劳动对产出的贡献程度 资本对产出的贡献程度 投资金额指数 就业人数指数 国内生产总值指数 道格拉斯函数常数 5. 模型的建立与求解 5.1 问题一模型的建立与求解 回归分析方法是统计分析的重要组成部分，用回归分析方法来研究自变量与变量的关系函数是一种常用的有效方法.我们通过回归模型的建立，定量预测了未来经济的发展. 5.1.1 GDP与工业值、建筑业及农林渔业产值数量模型 通过在互联网上搜集到1978年～2009年，中国GDP与工业值、建筑业及农林渔业产值的数据（见附表1），可以定性的看出GDP与工业、建筑业及农林渔业产值为整体上升的趋势.为了大致分析GDP与工业值、建筑业及农林渔业产值关系，我们首先利用附录数据做出了GDP与工业产值的关系散点图（如图1）. 图1 工业产值与GDP散点图 从图可以发现，随着工业产值的增加，GDP的值有比较明显的线性增长趋势.图中的直线是用线性模型 拟合的. 同理我们也分别作出了建筑业产值与GDP的关系散点图（图2）、农林渔业产值与GDP的关系散点图（图3）. 图2 建筑业产值与GDP散点图 图3 农林渔业产值与GDP散点图 通过图2，图3可以看出建筑业产值与农林渔业产值同样有很强的线性关系，同样也分别用直线模型对其拟合. 建筑业产值与GDP线性模型 农林渔业产值与GDP线性模型 因此，综上所述四者之间有很强的线性关系，可建立多元线性回归模型 在模型中除了工业，建筑业，农林渔业外，影响国内生产总值的其他因素的作用都包含在随机误差内，这里假设相互独立，且服从均值为零的正态分布， . 对模型直接利用matlab统计工具箱求解，得到回归系数估计值及其置信区间（置信水平 0.05），检验统计量，，的结果见表1. 参数 参数估计 置信区间 732.3 [-589.6 2054.2] 1.9 [1.7 2.0] 4.0 [2.9 5.1] 0.03 [-0.03 0.4] 表1 模型的计算结果 5.1.2 结果分析 表1显示，指因变量（国内生产总值）的99.89可由模型确定，值远远超过检验的临界值，p远小于，因而模型从整体上来看是可用的. 表1的回归系数给出了模型中，，，的估计值，即 ，，.检查它们的置信区间发现与的置信区间都包含零点，这表明回归模型常数与回归变量对模型的影响不太显著.这也符合这一事实，农林渔业产值对GDP的影响较小，工业与建筑业对GDP的影响较大.但是一般情况下常数的值都保留在模型中，不剔除.回归变量系数区间右端点相对距零点较远，所以我们也保留在模型中.因此最终确定的模型为 5.1.3 未来经济预测 将回归系数的估计值代入模型，即可预测未来的GDP情况.代入得到的模型 即 只要能预测未来的工业值、建筑业及农林渔业产值即能预测未来GDP的产值. 根据统计数据（见附表1），我们用matlab计算得到各产值的平均年增长率的中位数,工业值增长率13.5,建筑业产值增长率16.8，农林渔业产值10.7.我们对GDP的值做短期的预测，预测未来五年的GDP情况见下图4. 图4 2010-2014中国GDP情况预测 从模型中看，工业值、建筑业及农林渔业产值的预测直接影响GDP预测的准确性.其中工业与建筑业对预测的影响较大，农林渔业影响较小.从预测结果中看中国GDP总值成上升趋势，从数值中计算得平均值为12.3.当然GDP的增长率的计算还应除去通货膨胀、消费指数等因素的影响，所以实际中应小一些.2010年的GDP为39.789万亿，这也与预测结果相符合，说明模型的合理性. 5.2 问题二模型的建立与求解 在问题二中为了讨论国内生产总值增长与资本及劳动之间的关系，通过查阅相关资料，我们了解到国内生产总值通常取决于相关的生产资料和劳动力等相关重要因素.于是我们通过建立柯布道格拉斯生产函数，来探讨国内生产总值增长与资本及劳动之间的关系，