其中，实地主要通过纸质问卷完成300份，网络调查则在各社区和公共场合随机发放500份。经过5天的调查，一共收回有效的问卷有743份，问卷回收率92。9%，在误差范围以内。

2。3数据统计

通过收集和统计783份有效问卷数据，计算出这783位居民2011-2015年湖州居民月消费额并通过一定的加权平均作为湖州居民2011-2015年的月消费额。

表一        2011-2015年湖州居民人均消费情况

支出因素

年份 2011 2012 2013 2014 2015

总支出 782。4 828。5 873。7 915。6 957。3

餐饮支出 412。8 420。3 405。8 480。6 462。5

娱乐支出 242。6 289。5 259。6 220。8 235。5

通讯费用 45。3 51。5 47。6 46。5 58。9

其他支出 81。7 67。2 160。7 167。7 200。4

3。灰色预测法介绍

    灰色系统理论是基于关联空间和光滑离散函数等概念而定义的灰导数与灰微分方程，从而利用离散数据列建立相应微分方程形式的动态模型，由于这是本征灰色系统的基本模型，而且模型是非唯一的、近似的，所以这种模型为灰色模型，记为 GM（Grey  Model），即灰色模型是利用离散随机数经过生成变为随机性被显著削弱而且较有规律的生成数，建立起的微分方程形式的模型，这样便于对其变化过程进行研究和描述。 来*自~优|尔^论:文+网www.youerw.com +QQ752018766*

     灰色预测(grey forecast)是指对于灰色动态模型(grey dynamic model,简记为GM)的预测,是对已知含有已知信息并且也含有不确定信息的系统进行相应预测,主要就是在一定变化的范围内对与时间有关的灰色过程进行有效预测。尽管大多数灰色过程中所显示的现象是随机不确定的的,但其现象内在实质毕竟是有序的,所以这一数据集合具备内在的规律。灰色预测是通过鉴别已有系统因素之间发展趋势的相异程度,即进行相应的关联分析,并对原始数据进行有效的生成处理从而来寻找系统之间变动的规律,称之为具有有较强规律性的数据序列,然后建立相应的微分方程模型,从而来预测未来的发展趋势的状况。灰色预测方法需要的原始数据比较少,只要四五个数据就可以做进一步的累加,从而建立模型进行预测;不但可以做较为短暂的短期预测,也可以用于相应的中长期预测;在建立灰色预测模型之前,为了削弱原始时间序列的随机性,需先要对原始时间序列进行前期的数据处理,使之成为较为有规律的生成数列。灰色系统常用的数据处理方式有累加、累减和映射生成三种方式。此次研究是以累加生成为例来介绍灰色预测建模的步骤。GM(1,1)模型是各类预测中最常用的一种灰色模型,其相应的特点是原始数据少、运算方便、原理简单、短期预测精度较高、可检验等优点。