1、 大運會對深圳市可持續(xù)(chx)發(fā)展影響力的定量評估摘要(zhiyo)：2011年大運會對深圳市產(chǎn)生了深遠(shnyun)的影響。本文首先搜集了1995-2011年深圳市的統(tǒng)計年鑒等資料，選取可持續(xù)發(fā)展這一側面確立評價指標體系，利用層次分析法確定歷年的可持續(xù)發(fā)展綜合評價指標。然后，通過建立 GM(1,1) 模型，利用未獲得承辦權的1995 -2006 年的可持續(xù)發(fā)展綜合評價指標預測出若不舉辦大運會深圳市2007-2011 年的相應指標。最后利用本底趨勢線模型，定量評估了大運會對深圳市可持續(xù)發(fā)展的影響。關鍵詞：可持續(xù)發(fā)展 層次分析法 本底趨勢線 GM(1,1)灰色預測 引言2011年深圳大運會，

2、即第26屆世界大學生夏季運動會，是深圳市首次承辦國際性重大體育賽事，對深圳市產(chǎn)生了深遠的影響，促進了深圳市社會、經(jīng)濟和環(huán)境等方面的可持續(xù)發(fā)展。區(qū)域可持續(xù)發(fā)展評價的指標體系和方法模型是進行區(qū)域可持續(xù)發(fā)展綜合研究的關鍵，是目前亟待發(fā)展和深入的一個重要領域，已成為區(qū)域可持續(xù)發(fā)展研究熱點問題1-2。國內(nèi)外對區(qū)域可持續(xù)發(fā)展進行了大量的研究，已經(jīng)建立了許多關于區(qū)域可持續(xù)發(fā)展評價的指標體系和模型方法，如生態(tài)足跡模型(EF)3、綠色GDP核算體系4、資源承載力模型5、人文發(fā)展指數(shù)(HDI)6等。本文從深圳市可持續(xù)發(fā)展的角度出發(fā)，以可持續(xù)發(fā)展的基本理論為指導，借鑒旅游本底趨勢線的概念，利用層次分析法和GM(1,

3、1)灰色預測模型定量評估深圳大運會對深圳市可持續(xù)發(fā)展的影響，為深圳市可持續(xù)發(fā)展評價和調(diào)控提供了理論支撐。數(shù)據(jù)來源及分析方法 數(shù)據(jù)來源及標準化方法本文數(shù)據(jù)來源主要為深圳市的統(tǒng)計年鑒(1995-2011)，包含了經(jīng)濟、社會和環(huán)境承載力三個子系統(tǒng)下的多個指標。為了解決統(tǒng)計數(shù)據(jù)的可比性，本文采用級差變換法對指標數(shù)據(jù)值進行歸一化處理，以消除量綱不一致的影響，使評價結果更加科學可靠。級差變換法是以指標的最大值和最小值的差距進行數(shù)學計算，其結果介于0-1之間。有些指標對綜合評價指數(shù)的貢獻是正向的，如人均公園綠地面積指標，稱為效益型指標；有些則是負向的，如單位GDP能耗指標，稱為成本型指標。兩者的處理方法稍有

4、不同，具體計算公式7如下：當為效益型指標時，當為成本型指標時，其中(qzhng)為第項指標(zhbio)標準化處理結果，為相應(xingyng)的指標的統(tǒng)計值，與分別為1995年2011年深圳市相關指標的最大值與最小值。 層次分析法(AHP)層次分析法8是美國運籌學家ALSaaty等于20世紀70年代提出的一種定性與定量相結合的多目標決策分析方法。它將決策者對復雜系統(tǒng)的決策思維過程模型化、數(shù)量化，通過將復雜問題分解為若干層次和若干因素或指標，由專家和決策者對所列指標通過兩兩比較重要程度而逐層進行判斷評分，再根據(jù)判斷矩陣的特征向量確定各指標的權重，為決策分析提供依據(jù)。 灰色GM(1,1)模型自1

5、982年我國著名學者鄧聚龍教授提出灰色系統(tǒng)理論后，其在電力、交通等諸多領域得到了廣泛的應用。灰色系統(tǒng)理論9所涉及的主要工作之一是用離散數(shù)列建立微分方程型的動態(tài)模型，又稱灰色模型Grey Model(記為GM)。通過所建立的GM模型，可以對下一時刻的所有數(shù)據(jù)進行預測，實現(xiàn)對數(shù)據(jù)的分析。GM(1,1)模型是灰色系統(tǒng)理論的重要組成部分，其建立過程如下10：假設所需預測系統(tǒng)中的某項指標的原始數(shù)據(jù)數(shù)列為對原始數(shù)據(jù)作一次累加生成(1-AGO)，生成新數(shù)據(jù)列x(1)，即其中則GM(1,1)模型相應的微分方程為，式中，a稱為發(fā)展灰數(shù)，u稱為內(nèi)生控制系數(shù)；設為待估參數(shù)向量，并且構造向量Yn和矩陣B，即分別為：，

6、利用最小二乘法(chngf)求解系數(shù)，；求解(qi ji)GM(1,1)方程(fngchng)，得到其對應的時間響應函數(shù)，即為GM(1,1)白化預測模型解：對一次累加生成數(shù)列的預測值進行一次累減生成(1-AGO)，得到原始數(shù)據(jù)的還原預測值：，其中t=1,2,n，并規(guī)定求出原始數(shù)據(jù)的還原預測值與其真實值之間的殘差值和相對誤差，即進行殘差檢驗。如果通過殘差檢驗，則可以用所建的模型進行預測，否則，要進行殘差修正。在很多實際的應用中，為了達到更高的精度，除了需要對數(shù)據(jù)進行殘差檢驗外，往往還需要對所建立模型的預測數(shù)據(jù)與原始數(shù)據(jù)進行關聯(lián)度檢驗和后驗差檢驗，如果這些檢驗都符合要求，才能用此模型進行預測。 本

7、底趨勢線模型對于重大事件活動效應的評估，國外事件及事件旅游理論給出了很多的定量估算方法11。國內(nèi)學者孫根年首先提出了旅游本底趨勢線的概念12，所謂旅游本底趨勢線，是指在不受境內(nèi)外突發(fā)性事件的沖擊和影響下，某國或地區(qū)旅游業(yè)發(fā)展所呈現(xiàn)的天然趨勢。旅游本底趨勢線主要有兩大功能13：一是“晴雨表”功能，可用于分析與評估突發(fā)事件(危機或慶典)對旅游業(yè)發(fā)展的影響；二是預測功能，即本底趨勢線的自然延伸可預測未來旅游業(yè)的發(fā)展趨勢，主要應用于短期內(nèi)未來旅游業(yè)的發(fā)展預測。借鑒孫根年提出的旅游本底趨勢線，本文提出可持續(xù)發(fā)展本底趨勢線模型：可持續(xù)發(fā)展本底趨勢線（以下簡稱本底線），是指不受突發(fā)事件(危機或慶典)的嚴重影

8、響下，可持續(xù)發(fā)展綜合評價指標發(fā)展所呈現(xiàn)的固有趨勢線方程，它反應了某地可持續(xù)發(fā)展綜合指標在一定的社會經(jīng)濟條件下天然且穩(wěn)定的趨勢和時間規(guī)律?；趯哟畏治龇ǖ纳钲谑锌沙掷m(xù)發(fā)展綜合評價指標的確定 可持續(xù)發(fā)展綜合評價指標體系的構建區(qū)域可持續(xù)發(fā)展評價指標體系和模型方法是區(qū)域可持續(xù)發(fā)展研究的核心內(nèi)容，是進行區(qū)域可持續(xù)發(fā)展定量評價的科學基礎。根據(jù)區(qū)域可持續(xù)發(fā)展評價指標體系建立的四大基本原則：科學性、系統(tǒng)性、可操作性、可對比性14，通過對深圳市環(huán)境承載、經(jīng)濟、社會三大子系統(tǒng)的時空特征和運行機制進行系統(tǒng)分析，采用層次分析法(AHP法)和主成分分析法建立了四層結構(目標層、準則層、指標層和方案層)的可持續(xù)發(fā)展評價指

9、標體系如表1所示。表1 深圳市可持續(xù)(chx)發(fā)展評價指標體系及其權重目標層A準則層B指標層C方案層D深圳市可持續(xù)發(fā)展綜合評價指標(A)經(jīng)濟發(fā)展水平(B1)地區(qū)GDP(C1)深圳市1995-2011年每年可持續(xù)發(fā)展綜合情況人均GDP(C2)第三產(chǎn)業(yè)增加值占GDP比重(C3)進出口總額(C4)社會消費品零售總額(C5)實際利用外資金額(C6)社會發(fā)展水平(B2)恩格爾系數(shù)(C7)城市居民可支配收入(C8)地區(qū)總人口(C9)每萬人擁有醫(yī)生數(shù)(C10)人均居住面積(C11)環(huán)境承載水平(B3)人均公園綠地面積(C12)空氣綜合污染指數(shù)API(C13)單位GDP能耗(C14)環(huán)境保護投資占GDP比重(

10、C15)全市生活用水量(C16)耕地面積(C17) 基于(jy)指數(shù)標度的指標權重確定指數(shù)標度相對(xingdu)于傳統(tǒng)的1-9標度，克服了其一致性與判斷思維一致性不等價這一缺陷，并符合傳遞性準則，取相對重要度15，指數(shù)標度的含義見表2。鑒于此，本文運用基于指數(shù)標度的層次分析法，對準則層與子準則層進行權重的標定。以下以準則層B為例，展示了確定權重的過程。表 SEQ 表格 * ARABIC 1 指數(shù)標度的含義標度標度定義標度標度定義與同等重要比明顯重要比稍微重要與相比很重要比重要與相比絕對重要判斷(pndun)矩陣的構造判斷矩陣是根據(jù)評價(pngji)目標，針對每一層中的各個(gg)指標，判定該

11、層中各有關指標的相對重要性的矩陣。其中，表示對于目標而言，指標對的相對重要性的判斷值。判斷矩陣可以跟專家咨詢法相結合，由本領域的有關專家和政府管理部門人員來共同確定各指標的相對重要性，再綜合每位專家或管理人員的打分值，一般取每個指標的均值作為最終的評價矩陣。結合深圳市的實際情況，對于準則層B的3個子系統(tǒng)，可以構造如下所示的相對重要性判斷矩陣。一致性檢驗易求得判斷矩陣的最大特征值為，計算一致性指標與一致性比率指標，其中，查表得，所以，認為其相對重要度判斷矩陣通過一致性檢驗，可以用來計算權值。權重計算利用公式 (1)可以計算出的權值分別為0.4472，0.2764和0.2764。整個權值確定過程的

12、標度賦值矩陣、一致性檢驗與權值結果如表3所示。表 SEQ 表格 * ARABIC 2 標度賦值矩陣、一致性檢驗結果與權值表格4.23600.44722.61800.27642.61800.2764同理，對于各個(gg)子準則層，也可以由上述方法確定其各項指標的權值，并計算出準則層的指標值(結果(ji gu)詳見附錄1)。環(huán)境綜合評價(pngji)指標結果基于標準化的指標和確定的權重，進一步得出第年的深圳市可持續(xù)發(fā)展綜合評價指標，其中為第年準則層B第項指標的標準化評分。 (2)最終得到深圳市1995-2011年的可持續(xù)發(fā)展綜合評價指標如表4所示，承辦大運會前后的深圳市可持續(xù)發(fā)展綜合評價指標變化趨

13、勢如圖1所示。表4 深圳市可持續(xù)發(fā)展綜合評價指標結果年份199519961997199819992000200120022003可持續(xù)發(fā)展綜合評價指標0.0406 0.1471 0.2133 0.2300 0.2384 0.2921 0.3493 0.3789 0.4001 年份20042005200620072008200920102011可持續(xù)發(fā)展綜合評價指標0.4218 0.4333 0.5486 0.6329 0.7115 0.7695 0.8376 0.9353 圖1 深圳市可持續(xù)(chx)發(fā)展綜合評價指標變化折線圖大運會對深圳市可持續(xù)(chx)發(fā)展綜合評價指標的影響分析深圳市獲得(

14、hud)2011年世界大學生運動會舉辦權的時間是2007年1月17日16，開始承辦大運會是從2007年開始的，本文認為2007年之后的經(jīng)濟、社會和環(huán)境指標存在大運會帶來的影響。不承辦大運會條件下可持續(xù)發(fā)展綜合指標的預測可持續(xù)發(fā)展綜合評價指標在時間上是有累積效應的，而且該指標是由層次分析法對很多不同量綱、不同數(shù)量級的環(huán)境指標歸一化處理而得的，因此相對于一般的數(shù)據(jù)具有模糊性，并且用來預測的數(shù)據(jù)只有從1995年到2006年，數(shù)據(jù)量并不多。而灰色預測法正是通過利用少量的、不完全的信息，建立灰色微分預測 HYPERLINK /view/96500.htm t _blank 模型，對事物發(fā)展規(guī)律做出模糊性

15、的長期描述?；诖?，本文建立基于時間序列的灰色預測模型，即GM(1,1)模型，采用累加生產(chǎn)法，得到一條通過系統(tǒng)的原始序列(1995至2006)累加生產(chǎn)的點群的最佳擬合曲線，并用此曲線來對2007至2011年的情況進行預測，即深圳市不承辦大運會條件下的歷年的可持續(xù)發(fā)展綜合評價指標。該預測模型通過殘差檢驗、關聯(lián)度檢驗與后驗差檢驗，檢驗過程詳見附件3。GM(1,1)模型的結果如表5所示，利用表5數(shù)據(jù)做出基于GM(1,1)模型的深圳市大運會對可持續(xù)發(fā)展綜合評價指標影響結果的分析圖，如圖2所示。表5 GM(1,1)模型預測結果年份20072008200920102011實際值(承辦大運會)0.6329

16、0.7115 0.7695 0.8376 0.9353 預測值(不承辦大運會)0.5929 0.6584 0.7311 0.8119 0.9015 差值0.0400 0.0532 0.0384 0.0257 0.0337 圖2 基于(jy)GM(1,1)模型(mxng)的大運會對可持續(xù)(chx)發(fā)展影響力分析圖深圳市可持續(xù)發(fā)展本底趨勢線和“大運影響線”的擬合考慮到可持續(xù)發(fā)展綜合評價指標在時間上的累積效應與與其實際變化趨勢，本文采用一階高斯曲線分別對可持續(xù)發(fā)展綜合指標的原始數(shù)據(jù)和基于GM(1,1)模型的預測數(shù)據(jù)進行擬合，即分別得到深圳市實際情況的“大運影響線”和不承辦大運會情況下的本底趨勢線。擬

17、合結果如下：如圖3，其中是根據(jù)實際數(shù)據(jù)擬合的“大運影響線”，而是根據(jù)預測數(shù)據(jù)擬合的可持續(xù)發(fā)展本底趨勢線，R2均大于0.95，擬合結果很理想。圖3 “大運影響線”與可持續(xù)發(fā)展本底趨勢線擬合結果大運會對于深圳市可持續(xù)發(fā)展影響的定量分析圖2可知，在深圳承辦大運會后的實際可持續(xù)發(fā)展綜合評價指標要比不承辦大運會條件下的預測值要更高一些，這就說明了大運會對深圳市的可持續(xù)發(fā)展具有顯著的促進作用。本文從兩個方面來分析大運會對于深圳市可持續(xù)發(fā)展的影響。相同年份條件下，“大運影響線”與可持續(xù)發(fā)展本底趨勢線指標的差異表5中給出了2007-2011年每年深圳市可持續(xù)發(fā)展綜合評價指標的實際值和預測值之間的差值，差值即可

18、作為評估大運會對于深圳市可持續(xù)發(fā)展影響的一個定量指標。對于實際值(承辦大運會的情況)和擬合值(不承辦大運會的情況)的差值做出分析，可以發(fā)現(xiàn)對于2007 -2011年兩者情況下的差值，其增加減少趨勢呈現(xiàn)出一個不穩(wěn)定的變化，而不是呈現(xiàn)遞增的累積效應。這可能與社會經(jīng)濟的發(fā)展趨勢有關，而預測誤差也是一個重要的因素。而對于(duy)一階高斯函數(shù)擬合出來(ch li)的兩條曲線，從2007年開始，分別計算歷年實際數(shù)據(jù)(shj)的高斯曲線(“大運影響線”)與預測數(shù)據(jù)的高斯曲線(可持續(xù)發(fā)展本底線)的擬合差值，其結果如表6所示。表6 等年份擬合影響差值表年份200720082009201020112012實際(

19、大運影響線)0.6517 0.7228 0.7987 0.8793 0.9646 1.0544 預測(可持續(xù)本底線)0.5954 0.6595 0.7284 0.8021 0.8806 0.9640 差值0.0564 0.0633 0.0703 0.0773 0.0840 0.0904 年份201320142015201620172018實際(大運影響線)1.1483 1.2460 1.3472 1.4513 1.5578 1.6660 預測(可持續(xù)本底線)1.0521 1.1449 1.2421 1.3437 1.4492 1.5585 差值0.0962 0.1012 0.1050 0.10

20、76 0.1085 由上表可知，在可預期的范圍內(nèi)，“大運影響線”與可持續(xù)發(fā)展本底線之間的差值是逐年擴大的，即在可預測的時間段內(nèi)，由于時間上的累計效益，大運會對深圳市可持續(xù)發(fā)展的貢獻是逐年遞增的。達到相同可持續(xù)發(fā)展水平下，“大運影響線”與本底趨勢線所需年份的差異對于高斯函數(shù)擬合出來的兩條曲線，從環(huán)境指標達到0.8開始，環(huán)境指標每增加0.05時，分別計算歷年實際數(shù)據(jù)的高斯曲線(“大運影響線”)與預測數(shù)據(jù)的高斯曲線(可持續(xù)發(fā)展本底線)對應的年份，并求出兩者差值，其結果如表7所示。表7 等可持續(xù)發(fā)展水平下的擬合影響差值表可持續(xù)發(fā)展綜合指標0.80.850.90.9511.051.11.151.2實際年

21、份2009.02 2009.64 2010.25 2010.83 2011.40 2011.95 2012.49 2013.02 2013.53 預測年份2009.96 2010.60 2011.22 2011.82 2012.40 2012.96 2013.51 2014.04 2014.56 年份差值0.94 0.96 0.98 0.99 1.00 1.01 1.01 1.02 1.02 由上表可知，在可持續(xù)發(fā)展綜合評價指標可能達到的范圍內(nèi)，實際年份與預測年份之間的差值是隨著環(huán)境評價指標的擴大而不斷擴大的，即達到同一可持續(xù)發(fā)展指標所需的時間差值是隨著可持續(xù)發(fā)展指標的增長而不斷擴大的。參考文

22、獻1 米紅. 區(qū)域可持續(xù)(chx)發(fā)展模式評估及其實證研究M. 北京(bi jn)：經(jīng)濟科學出版社，2002.2 熊永柱，夏斌，張美英. 區(qū)域可持續(xù)發(fā)展(fzhn)的一種評價模型:綜合協(xié)調(diào)度以廣東省沿海城市為例述評J.熱帶地理，2007，11(6)：511-520.3 Rees W E. Ecological footprints and appropriated carrying capacity: what urban economics leaves out J. Environment and Urbanization, 1992, 4(2): 121-130.4 劉榮章，翁伯琦，曾玉

23、榮，等.綠色GDP核算體系研究概述J.福建農(nóng)業(yè)學報2005，20(B12): 185-189.5 姚治君，王建華，江東，陳傳友. 區(qū)域水資源承載力的研究進展及其理論探析J.水科學進展，2002, 13(1): 111-115.6 UNDP. Human Development Reports 2005EB/OL. 2013-02-01. /en/reports/global/hdr2005/.7 李健. 海岸帶可持續(xù)發(fā)展理論及其評價研究D. 大連:大連理工大學，2005.8 Saaty A L. The Analytic Hierarchy Process M. NewYork: McGraw

24、-Hill, 1980.9 鄧聚龍. 灰預測與灰決策(修訂版)M. 武漢:華中科技大學出版社，2002.10 周亞非. GM(1,1)的MATLAB實現(xiàn)及其應用J.長春師范學院學報(自然科學版)，2010,29(1)：32-3511 GetzD. Event Management & Event TourismM. New York: Cognizant Communication Corporation, 1997. 61-69, 331-352.12孫根年. 西安市境外旅游業(yè)發(fā)展的動態(tài)趨勢及波動周期J. 西北大學學報(自然科學版)，2001,31(6): 514-517.13馬麗君，孫根年

25、 等.汶川地震對四川及周邊省區(qū)旅游業(yè)的影響J. 中國人口資源與環(huán)境. 2010, 20(3):168-174.14 余丹林. 區(qū)域可持續(xù)發(fā)展評價指標體系的構建思路J. 地理科學進展，1998，17(2): 84-89.15 許永峰. 指數(shù)標度中重要度的研究J. 紡織高?；A科學學報. 2003，16(2)：138-140.16 百度百科. 深圳第26屆世界大學生夏季運動會EB/OL. 2013-02-01. /view/5683316.htm?fromId=3261278Abstract: The2011InternationalUniversitySportsFederationhasanp

26、rofoundimpactonShenzhen.Thispapercollectedthedataof1995-2011,establishedtheurbansustainabledevelopmentevaluationindexsystembasedonAnalyticHierarchyProcess,thencreatedGM(1,1)modelandusedthedatafrom1995to2006topredictthevalueoftheindicatorsofsustainabledevelopmentfrom2007to2011withouttheInternationalU

27、niversitySportsFederation.Atlast,thecomparisonwiththesustainabledevelopmentindexforecastledtothequantitativeassessmentofhowtheshenzhenInternationalUniversitySportsFederationinfluencesustainabledevelopmentKey Words: Sustainable development; Analytic Hierarchy Process; Background trend line; GM ( 1,1)

28、 model附錄(fl)1 經(jīng)濟準則(zhnz)層的指標權重、一致性檢驗結果(ji gu)與權值表格8.85390.21658.85390.21655.47210.13385.47210.13388.85390.21653.38200.0827社會準則層的指標權重、一致性檢驗結果與權值表格3.23610.1188.47190.3095.2360.1915.2360.1915.2360.191環(huán)境(hunjng)承載準則(zhnz)層的指標權重、一致性檢驗結果(ji gu)與權值表格5.6180.12735.6180.127314.7080.00749.0926.0245.6180.00283.

29、47224.1456附錄2 GM（1,1）模型R語言代碼 gm-function(x0,t)x1-cumsum(x0) b-numeric(length(x0)-1) n-length(x0)-1 for(i in 1:n) bi-(x1i+x1i+1)/2 b D-numeric(length(b) D-1 B-cbind(b,D) BT-t(B) M-solve(BT%*%B) YN-numeric(length(x1)-1) YN-x02:length(x0) alpha-M%*%BT%*%YN alpha2-matrix(alpha,ncol=1) a-alpha21u-alpha22

30、 cat(Model parameters:,n,a=,a,u=,u,n,n) y-numeric(length(c(1:t) y1-x11 for(w in 1:(t-1) yw+1-(x11-u/a)*exp(-a*w)+u/a cat(1AGO predictions:,n,y,n,n) xy-numeric(length(y) xy1-y1 for(o in 2:t) xyo-yo-yo-1 cat(The predict values:,n,xy,n,n) y0-numeric(length(x0) y01-x11 for (q in 1:n) cc-exp(-a*q) y0q+1-(x11-u/a)*cc+u/a xp-numeric(length(x0) m-length(x0) xp1-y01 for(j in 2:m)