高質量發展視角下青島市海洋經濟監測與預警研究

劉素榮 李昱瑩 薛麗

摘要：以新發展理念為導向，從“五大維度、六個屬性”構建青島市海洋經濟監測預警指標體系，綜合運用景氣指數法、預警信號系統以及傳統灰色模型，對青島市2011—2018年海洋經濟統計數據進行研究。結果顯示，2011—2018年青島市海洋經濟質量呈現結構化短板，科技創新與生態效益呈現波動化發展，但整體水平處于較為穩定的綠燈區，總體呈持續增長趨勢;預測在2019—2022年間青島市海洋經濟發展將持續穩定，但在2021—2022年間存在偏熱的可能。

關鍵詞：海洋經濟監測;高質量發展;景氣指數分析;預警信號系統;GM（1，1）模型

中圖分類號：F127;F224 文獻標識碼：A 文章編號：16735595（2022）03005809

一、引言

海洋經濟作為轉型期經濟的重要載體，已逐漸成為中國沿海地區發展的主要驅動力和新增長點。習近平致2019中國海洋經濟博覽會的賀信中強調“海洋是高質量發展戰略要地”[1]，隨著海洋經濟地位的不斷強化，對海洋經濟發展現狀的監測及問題預警的需求也日漸突出。當前海洋經濟監測預警需要結合經濟高質量發展要求，突破現有技術和方法限制，對海洋經濟發展趨勢和運行規律進行全面系統的分析，從而滿足對當地海洋經濟宏觀調控的需要。長期以來，海洋經濟作為青島市的發展重點，其發展一直保持強勁的增長勢頭。《青島市“十四五”海洋經濟發展規劃》明確提到，青島正著力打造引領型現代海洋城市，加快建設全球海洋中心城市。因此，本文通過構建青島市海洋經濟高質量發展水平監測預警體系，精準評估海洋經濟高質量發展水平并預測未來發展趨勢，為海洋經濟的縱深發展提供引領方向和著力點，助力青島市率先實現藍色跨越，支撐“海洋強國”戰略決策，同時為推進引領型現代海洋城市建設提供新的參考依據。

二、文獻綜述

進入21世紀以來，海洋經濟受到國內外學者的廣泛關注，但學術界對“海洋經濟”的概念還未達成統一定論。“海洋經濟”的概念有廣義和狹義之分。狹義的海洋經濟是指一系列開發海洋資源的經濟活動[2];廣義的海洋經濟是指開發、利用和保護海洋的各類產業活動及與其相關聯活動的總和[3]。目前，關于海洋經濟的研究，主要是以不同的沿海城市或區域為研究對象，對當地海洋經濟發展狀況所進行的研究。[4]部分學者對海洋產業現狀進行分析，發現海洋產業是推動國民經濟增長的重要驅動力量[5]，但不同國家和地區受海洋經濟活動的影響各不相同[6]。另有學者研究了海洋經濟統計與核算體系，發現我國海洋經濟統計核算的過程具有漸進性和強制性。[7]在海洋經濟評價方面，學者們分別圍繞海洋經濟綜合競爭力[8]、海洋經濟脆弱性[9]以及海洋經濟綠色發展[10]、共享發展[11]等方面構建了評價體系。

關于海洋經濟高質量發展的研究，內容多聚焦于單一視角下海洋經濟高質量發展問題[1113]以及構建契合“五大發展理念”的海洋經濟高質量發展評價體系[10]。基于協調視角，狄乾斌等[12]針對海洋經濟協調發展問題，運用復雜系統時空協調評價模型，構建環渤海城市海洋經濟發展時空協調度評價體系;基于綠色視角，蓋美等[13]通過可變模糊識別模型對海洋綠色發展水平進行測度;基于創新視角，宋澤明等[14]通過門檻回歸模型，對海洋經濟創新問題進行實證研究，發現海洋產業結構升級對海洋經濟高質量發展的積極影響受到其創新水平的制約。此外，劉波等[10]將海洋經濟發展與“五大發展理念”相契合，構建基于五大維度的海洋經濟高質量發展評價體系，對江蘇省海洋經濟高質量發展水平進行評價。

關于海洋經濟監測預警的研究目前尚處于起步階段，但宏觀經濟監測預警研究在現階段已取得大量成果。謝佳斌等[15]通過宏觀經濟景氣監測預警研究來觀察我國經濟運行狀態;

楊海珍等[16]通過KL信息量、時差相關分析、峰谷圖形分析、BB算法等多種方法建立景氣指標體系，對新疆經濟增長進行監測預警。隨著研究深入，學者逐漸將監測預警方法運用于農業經濟[17]、旅游經濟[18]、海洋經濟[1819] 等不同行業經濟，構建符合各自行業經濟發展特點的指標體系。經濟監測預警常用的方法包括景氣指數分析法[19]和信號分析法[20]。也有學者將神經網絡與模糊系統相結合建立非線性預警模型[21]，或構建卷積神經網絡和支持向量機的預警模型（CNN-SVM模型），監測預警經濟運行情況[22]。

綜上所述，學者們關于海洋經濟的研究主要聚焦于海洋產業發展、海洋經濟發展水平測度和評價以及沿海城市發展的實時熱點，較少關注到海洋經濟監測預警問題。青島市作為國際化的重要沿海城市，對于海洋經濟運行狀況監測及問題預警還有待深入研究。由于景氣指數分析法已廣泛應用于宏觀經濟及其他領域的監測預警研究，所積累的指標分類、轉折點判斷、季節調整等經驗有助于提高經濟監測的準確性。景氣信號燈系統以已經發生過的經濟危機數據為參照標準，對現行經濟運行數據進行檢測，當相應指標超出閾值范圍時發出警報，其操作性強，預警準確性高。預測模型GM（1，1）是非線性模型，對樣本數據沒有樣本容量的要求，且該模型計算簡便，易于理解和操作。經濟監測與預警有連帶關系，因而本文在海洋經濟監測的基礎上采用預警信號燈系統對青島市海洋經濟發展問題進行預警，并基于預警結果采用GM（1，1）模型預測其發展趨勢。因此，以青島市為研究對象，結合景氣指數分析法、景氣信號燈以及GM（1，1）模型，構建海洋經濟高質量發展監測預警體系，以及時反映青島市海洋經濟高質量發展水平并預測未來發展趨勢，從而加快青島市海洋經濟高質量發展，推動國際海洋城市建設。

三、青島市海洋經濟監測預警體系的構建

（一）海洋經濟監測體系的構建

1.監測指標的選取

海洋經濟高質量發展需要將新發展理念貫穿其中，從多維視角下切實轉變發展方式，構建新發展格局，為海洋經濟高質量發展提供發展方向和發展著力點。對于青島市統計局發布的青島市海洋經濟發展指標[23]，一方面，該指標體系側重于經濟發展水平的測度，以滯后指標為主，但海洋經濟監測強調過程，需要在此基礎上增加部分先行指標及同步指標;另一方面，該指標體系包含企業指標及區域指標，存在統計口徑不一的問題，不具有通用性。因此，在青島市統計局發布的青島市海洋經濟發展指標的基礎上，借鑒劉波等[10]構建的海洋經濟高質量發展評價指標體系及其構建原則，依據青島市海洋經濟發展特征進行部分調整，篩選信息重疊指標，補充先行指標及同步指標，來構建青島市海洋經濟高質量發展水平監測指標體系。其中，創新維度體現科技創新屬性，反映海洋經濟發展的重要動力來源和支撐;協調維度體現經濟規模及經濟結構屬性，在現行指標的基礎上，增加海洋第一產業增加值及海洋第二產業增加值兩項指標，以反映海洋經濟的綜合實力、平衡能力以及海洋經濟的發展活力;綠色維度體現生態效益屬性，反映海洋經濟發展的可持續性以及海洋經濟發展與生態環境治理協調性;開放維度體現對外開放屬性，由于境外游客消費水平差異，目前指標體系中的入境旅游消費總額難以準確衡量對外開放水平，因此選用接待境外旅游人數作為監測指標，以反映海洋經濟與國際接軌的水平及開拓國際市場的潛力;共享維度基于海陸經濟一體化原則，使用陸域宏觀經濟指標體現社會效益屬性，選擇居民消費價格指數、地方財政社會保障和就業支出、社會消費品零售總額增長率、固定資產投資四項指標，來反映海洋經濟發展成果由人民共享的情況。因此，在保證數據的完整性、準確性的基礎上，再次篩選指標以保證指標數據可從統計年鑒中獲取，最終構建以海洋經濟高質量發展水平為目標層、以高質量發展內涵為五大維度、從六個監測屬性出發、以23個指標為監測指標的海洋經濟高質量發展水平監測指標體系，如表1所示。

為合理評估海洋經濟高質量發展水平，通常需要選擇能夠全面反映經濟總量、經濟規模及經濟活力的指標作為基準指標。因此，結合我國現有海洋經濟統計資料，選擇人均海洋生產總值（人均海洋GDP）作為基準指標。

2.監測指標的景氣匹配劃分

景氣指數分析法需要基于指標變動情況與經濟波動周期之間的關系，將監測指標劃分為先行、同步、滯后三個指標組。依據灰色關聯分析法進行指標類別劃分及賦權，具體過程如下。

第一步，構造比較序列。將人均海洋GDP設為基準指標序列

X0（t）;其他待測指標序列為Xi（t），其中，t（t=1，2，…，m）表示第t個年份，i（i=1，2，…，n）表示第i個指標序列;時差K為負數表示先行，為正數表示滯后，K為0表示同步。建立比較序列如表2所示。

第二步，初值化處理。對于監測指標Xi（t），Xi（1）為該指標的初始值，然后使用初值法得到新值zi（t）。

第三步，計算關聯度及分類。z0（t）表示人均海洋GDP在第t年初值后的結果，zi（t）表示待測指標在第t年初值化后的結果。根據式（2）計算第i個指標序列在第t年的關聯系數εi（t）。

式中：ρ為分辨系數，范圍是0<ρ<1，通常取0.5。取各年關聯系數的平均值作為各待測指標與基準指標之間的關聯度ri，根據不同K值下的關聯度將指標歸類于先行、同步或滯后指標。

第四步，計算各指標權重。根據關聯度可計算得到各指標的權重ωi。

依照上述過程可對監測指標進行分類，并得到各自權重，如表3所示。

3.監測分析模型

在劃分先行、同步、滯后指標組的基礎上，基于景氣指數分析法編制擴散指數和合成指數，以監測海洋經濟發展狀況。在經濟周期波動中，經濟的擴張并不代表每一項經濟指標都在增加，相反，經濟的蕭條也不能說明每一項指標都在下降，因此，在經濟監測中引入了擴散指數。擴散指數DI（t）的計算公式為：

式中：Xi（t）為待測指標序列，t（t=1，…，m）為年份;ωi為第i個指標的權重; IXi（t），Xi（t-1）的計算式為：

擴散指數的范圍為0～100%，50%的擴散指數表示經濟周期波動的轉折點;擴散指數高于50%，表示超過一半的經濟指標呈上升狀態，即經濟總體處于景氣區間，經濟運行呈上升趨勢;反之，則表明經濟總體呈收縮趨勢。

由于擴散指數難以反映經濟變化程度，為進一步反映經濟周期波動的振幅，引入合成指數以觀測經濟運行狀況。合成指數CI（t）計算過程如下：

Ci（t）為單個指標的對稱變化率，Ai為序列Xi（t）的標準化因子，由式（6）和式（7）可以得到標準化對稱變化率Si（t），基于各指標權重ωi，可以計算得到各類別下的平均變化率R（t）。

利用式（10）計算初始合成指數I（t），其中，I（1）=100，以此計算合成指數CI（t），其中I（0）為各類指標的基準年份的平均值。

合成指數的范圍在0～200之間，該指數為100以上則表示海洋經濟運行處于景氣空間;100以內則是處于不景氣空間，且越接近0表示經濟運行狀況越低迷。

（二）海洋經濟預警體系的構建

1.預警指標體系的篩選

在監測指標體系的基礎上，選擇能夠反映當前經濟發展狀況的同步指標以及可以預測經濟發展狀況的先行指標作為預警指標，判斷海洋經濟當前發展的狀況及存在的問題。本文構建海洋經濟高質量發展水平預警指標體系，如表4所示，各指標權重由灰色關聯分析法計算得到。

2.海洋經濟預警模型

依據海洋經濟預警指標體系，結合預警信號系統構建海洋經濟預警模型。預警區間的劃分通常根據3σ原理，但由于海洋經濟統計數據的年限短、數據量小，若設置偏離3σ之外為異常區間，

則可能導致幾乎所有情況均處于正常范圍內，因而選擇偏離2σ之外為異常區間。本文將各預警指標可能的狀態劃分為過冷、偏冷、穩定、偏熱以及過熱5種，然后根據預警區間的4個臨界值，劃分出反映海洋經濟狀態的5個區間，分別用5種不同顏色的信號燈表示。海洋經濟預警區間的劃分如表5所示。

在具體的預警過程中，需要給各個區間分別賦予不同分值。若指標數值處于過熱狀態，則給該指標賦予100分且以紅燈表示;處于偏熱狀態，則賦予80分且以黃燈表示;處于穩定狀態，則賦予60分且以綠燈表示;處于偏冷狀態，則賦予40分且以藍燈表示;處于過冷狀態，則賦予20分且以黑燈表示。將預警指標分數加權合計，以百分制計算得到海洋經濟發展水平的綜合預警分數。借鑒殷克東等[20]對綜合預警分數的劃分標準，通常取滿分的85%即85分為過熱和偏熱的臨界值，以73分為偏熱與穩定的臨界值，以50分為穩定與偏冷的臨界值，以36分為偏冷與過冷的臨界值。其中，臨界值85分、73分、50分及36分分別表示過熱、偏熱、穩定及偏冷。

3.海洋經濟發展預測模型

在預警信號燈所得結果的基礎上，采用灰色模型GM（1，1）對海洋經濟的未來走向進行預測。依據綜合預警得分，建立GM（1，1）模型，其過程如下：

設各年度綜合預警得分為s（0）={s（0）

（1），s（0）（2），…，s（0）（m）}。s（0）累加構造新序列

s（1）={s（1）（1），s（1）（2），…，s（1）（m）}，以弱化綜合預警得分的隨機性及其波動性。根據灰色理論[24]對s（1）建立灰色預測模型。

式中：a、u分別為發展系數和灰色作用量，由a，u構成的矩陣為灰參數，對參數進行最小二乘估計，得到模型參數。其中，a的有效區間是（-2，2），將參數代入模型得到（1）（t）。

所得累減還原值（0）（t）=（1）（t）-

（1）（t-1）即為模型預測值。利用殘差檢驗及后驗差檢驗對模型進行誤差檢驗。殘差檢驗是根據原始數據及預測值生成殘差序列ε（0）={s（0）（1）

后驗差檢驗是指根據后驗差c和小誤差概率p兩項指標的模型精度進行檢驗。設原始數列及其殘差數列的標準差分別是S1和S2，根據式（15）及（16）得到c和p分別為：

借鑒寧宣熙等[25]將后驗差檢驗精度劃分為四個等級，具體參照標準如表6所示。

后驗差檢驗所得GM（1，1）模型的精度由后驗差c和小誤差概率p共同決定，若兩指標在不同精度等級，則選擇較低等級作為預測精度等級。模型精度從1級到4級分別表示優秀、良好、合格、不合格，模型精度為3級及以上時，該模型是適用的。

四、青島市海洋經濟監測預警體系的應用

（一）數據的收集與整理

選取青島市2011—2018年的海洋經濟數據，對青島市海洋經濟高質量發展水平進行監測預警。數據主要來源于《中國海洋統計年鑒》《青島統計年鑒》《青島市國民經濟和社會發展統計公報》以及《青島市海洋環境公報》等。為消除各指標不同物理量的量綱影響，采用初值化法對原始數據進行無量綱化處理，使用Matlab R2020a對數據進行處理與分析。

（二）青島市2011—2018年海洋經濟監測分析

將監測體系應用于2011—2018年青島市海洋經濟數據，編制擴散指數和合成指數，評價當前青島市海洋經濟運行狀態，分析海洋經濟短期發展態勢。

1.海洋經濟擴張趨勢分析

根據擴散指數的編制方法，運用預處理后的數據，基于各類監測指標，計算得到2011—2018年青島市海洋經濟的擴散指數以及加權平均后的綜合擴散指數（見表7），為進一步分析擴張程度的變化情況，繪制擴散指數變化圖（見圖1）。

由表7可知，2011—2018年青島市海洋經濟的綜合擴散指數均處于50%至100%的景氣空間，表明青島市海洋經濟總體上呈擴張趨勢，綜合發展水平持續增長。但2018年先行指標的擴散指數下降至50%以下，表明青島市未來海洋經濟發展可能呈下降趨勢。

由圖1可知，2011—2018年間綜合擴散指數存在小幅度波動，但整體保持在擴張水平且呈小幅度下降趨勢，表明這一時期青島市海洋經濟發展水平處于波浪式上升的狀態，但擴張幅度整體略有減緩。由綜合指數變化曲線可知， 2012—2013年間青島市海洋經濟保持平穩、較快增長，2014年擴張幅度略有減緩，但此時青島市海洋經濟仍處于擴張階段。隨著2013年青島被列入“一帶一路”重點規劃城市，青島市海洋經濟的發展逐漸受到重視。依托山東半島藍色經濟區建設的契機，青島市海洋產業繼續保持了較好的發展態勢，因此，2015年青島市海洋經濟處于較為景氣的狀態且擴張幅度有所上升。2016—2017年間，受海洋生態和海洋社會發展水平的影響，青島市海洋經濟出現較為明顯的下降，2018年有所回升。根據同步指標的擴散指數變化曲線可知，雖然2011—2018年間存在波動，但擴散指數均大于50%，即該時段青島市海洋經濟高質量發展水平整體處于擴張階段，且滯后指標的擴散指數均高于50%也印證了這一結論。

2.海洋經濟波動程度分析

根據合成指數的編制方法，得到2011—2018年青島市海洋經濟的各類合成指數以及加權平均后的綜合合成指數（見表8）， 為進一步探究合成指數的變化趨勢及波動狀況，繪制青島市海洋經濟合成指數變化圖（見圖2）。

由表8可知，2011—2018年間青島市海洋經濟綜合合成指數均在100以上，說明這一時期青島市海洋經濟均處于景氣范圍。由圖2可以看出，先行指標的合成指數波動較大，2015年出現大幅度下降，且2018年指數小于100，與擴散指數結果一致。同步指標的合成指數整體呈下降趨勢，且自2016年下降至100以下，2018年略有回升，但由綜合合成指數可知，此時綜合發展依舊維持較高水平。根據以上分析可以看出，青島市海洋經濟在2011—2018年間雖有波動，但就總體而言，青島市海洋經濟仍處于增長階段。

（三）青島市2011—2018年海洋經濟預警及預測

1.預警結果分析

Lilliefors檢驗及Kolmogorov-Smirnov檢驗的結果表明2011—2018年青島市海洋經濟數據服從正態分布。根據預警區間劃分原則，得到各指標預警得分及2011—2018年青島市海洋經濟發展的綜合預警指數（見表9），根據得分情況繪制青島市海洋經濟的預警信號燈圖（見圖3）。

由圖3可以看出，地方財政教育支出、固定資產投資、地方財政社會保障和就業支出等方面近年來都越發受到重視并出現偏熱現象，因此需要注意各類教育及社會投入的變化，避免出現過熱現象。青島市海洋第二產業持續發展，而海洋第三產業占比近年來卻持續降低，并在2018年處于過冷區間，此時，需要密切關注海洋產業結構的調整優化，在第一、二產業高質量發展的情況下發展第三產業，以形成穩定、協調、高效的海洋產業結構。此外，多數科技創新及生態效益相關指標隨經濟形勢的波動略有變動，除少數年份出現過熱或偏熱狀態外，整體處于穩定區間，因此創新及綠色發展方面仍可保持當前運行狀態，在推動創新發展及生態治理的同時，適時關注其變化狀況。

總體而言，2011—2018年青島市海洋經濟預警綜合指數得分在50～73之間，均位于比較穩定的綠燈區域。從而可以看出，在該期間內，青島市海洋經濟的整體運行狀況處于穩定狀態。

2.海洋經濟發展預測

根據2011—2018年青島市綜合預警指數，構建灰色系統GM（1，1）模型，得出預測模型參數a=-0033 8，u=52.226 7，由此得到預測模型（1）（t）=1 596.642e-0.033 8（t-1）-1 545.17。綜合預警指數預測結果及誤差檢驗結果如表10所示。

由模型誤差檢驗得到平均相對誤差為3.2%，后驗差比值p=1，殘差方差c=0.211 7。將誤差檢驗結果與表6中的誤差標準相對比，該模型的平均相對誤差為3.2%<5%，且后驗差比值p及殘差方差c所處精度等級均為1級。由此可知，該模型可以較為準確地預測青島市海洋經濟預警指數，根據該模型可計算得到2019—2022年海洋經濟預測結果（見表11）。

2019—2022年青島市海洋經濟發展仍處于穩定狀態，但2021—2022年存在偏熱的可能性。因此，應密切關注青島市海洋經濟發展變化情況，以便及時采取調控手段防止出現海洋經濟發展過熱的情況，推動海洋經濟高質量及可持續發展。

五、結論與建議

基于2011—2018年數據，分析得出青島市海洋經濟發展處于景氣區間，總體呈持續增長趨勢，且預警結果整體處于較為穩定的綠燈區，說明海洋經濟運行狀況處于穩定狀態。根據預警信號燈分布情況，發現地方財政教育支出、固定資產投資、地方財政社會保障和就業支出近年出現偏熱現象，海洋第三產業占比等指標出現偏冷現象，在政策調整時需要適當關注。預測結果表明，2019—2022年間海洋經濟發展較為穩定，但2021—2022年信號燈顯示為黃色，存在偏熱的可能，因此可以采取宏觀調控措施，使海洋經濟保持穩定的同時避免過快增長。基于監測預警結果，有針對性地從產業優化升級、科技創新及生態治理三個方面為提升青島市海洋經濟高質量發展水平提出建議。

（1）以產業升級推動海洋產業集群化發展。

根據預警結果，青島市海洋第二產業持續發展，而海洋第三產業占比近年來卻持續降低，并在2018年處于過冷狀態。基于此，應推動海洋產業轉型升級以促進海洋經濟高質量發展，調節青島市海洋產業結構不合理現狀，重點扶持海洋交通運輸、文化旅游、海洋信息服務等第三產業，在第一、二產業高速高質發展的前提下，促進海洋第三產業的有機融合;助推海洋產業的新舊動能轉換，加快海洋生物醫藥業、海洋捕魚業和海洋電力業等新興產業發展，尋找新的經濟增長點。

（2）以科技創新驅動海洋經濟高質量發展。

青島市2011—2018年研發經費和教育支出逐年穩步增長，但科研項目數量并未增多，科技投入產出效率偏低。因此，堅持實施“科技興海”戰略，以高新科技為依托全方位帶動海洋經濟高質量發展，有重點地提高青島各地區研發創新水平，合理配置海洋科技力量;構建青島市海洋經濟政產學協同創新體系，設立研發中心和成果轉化平臺，提高海洋科技投入產出效率，堅持走提質增效發展道路。

（3）以綠色生態推進海洋經濟可持續發展。

青島市生態效益相關指標隨經濟形勢的波動未出現明顯變動，環境治理效果良好。鑒于此，應繼續堅持陸海污染綜合防治和海洋環境保護，進一步完善統籌規劃陸海污染防治體系，建立陸海環境治理協調機制，提高海域承載力;同時，堅持海陸并舉，切實做好陸源污染物入海排放控制，以綠色生態為引擎助力海洋經濟高質量發展，提高藍色國土的可持續發展能力。

參考文獻：

[1] 習近平致2019中國海洋經濟博覽會的賀信[EB/OL].（20191015）[20211005].https：//ww.ccps.gov.cn/xxsxk/zyls/t20191015_134955.shtml.

[2] 曹忠祥，高國力.我國陸海統籌發展的戰略內涵、思路與對策[J].中國軟科學，2015（2）：112.

[3] 何廣順，王曉惠.海洋及相關產業分類研究[J].海洋科學進展，2006，24（3）：365370.

[4] 文海漓，夏惟怡，陳修謙.技術進步偏向視角下中國—東盟區域海洋經濟產業結構特征及合作機制研究[J].中國軟科學，2021（6）：153164.

[5] Pontecorvo G， Wilkinson M， Anderson R， et al. Contribution of the Ocean Sector to the United States Economy[J]. Science，1980，208（4447）：10001006.

[6] Stebbings E， Papathanasopoulou E， Hooper T， et al. The Marine Economy of the United Kingdom[J]. Marine Policy， 2020，116：103905.

[7] 姜旭朝，田穎，劉鐵鷹.中國現代海洋經濟統計核算體系演變機理研究[J].中國海洋大學學報（社會科學版），2016（3）：1419.

[8] 劉明.中國沿海地區海洋經濟綜合競爭力的評價[J].統計與決策，2017（15）：120124.

[9] 王玉梅，姬元雪，鄭楠楠，等.基于三角模型的煙臺市海洋經濟脆弱性評價[J].海洋環境科學，2019，38（5）：703711.

[10] 劉波，龍如銀，朱傳耿，等.江蘇省海洋經濟高質量發展水平評價[J].經濟地理，2020，40（8）：104113.

[11] 王東，張濤.江蘇海洋經濟共享發展水平評價及比較研究[J].大陸橋視野，2021（1）：5253.

[12] 狄乾斌，於哲，徐禮祥.高質量增長背景下海洋經濟發展的時空協調模式研究——基于環渤海地區地級市的實證[J].地理科學，2019，39（10）：16211630.

[13] 蓋美，朱瑩瑩，鄭秀霞.中國沿海省區海洋綠色發展測度及影響機理研究[J].生態學報，2021（23）：116.

[14] 宋澤明，寧凌.海洋創新驅動、海洋產業結構升級與海洋經濟高質量發展——基于面板門檻回歸模型的實證分析[J].生態經濟，2021，37（1）：5358.

[15] 謝佳斌，王斌會.中國宏觀經濟景氣監測的預警體系[J].統計與決策，2007（4）：122124.

[16] 楊海珍，李蘇驍，李紅，等.新疆經濟增長監測預警指標體系構建研究[J].新疆大學學報（哲學·人文社會科學版），2014，42（1）：16.

[17] 東方社奇.西部農業經濟運行現狀分析和監測預警指標體系研究[J].統計與信息論壇，2009，24（2）：4650.

[18] 戴斌，李仲廣，唐曉云，等.中國旅游經濟運行監測與預警：模型構建與實證分析[J].旅游學刊，2017，32（4）：1019.

[19] 殷克東，馬景灝，王自強.中國海洋經濟景氣指數研究[J].統計與信息論壇，2011，26（4）：4146.

[20] 殷克東，馬景灝.中國海洋經濟波動監測預警技術研究[J].統計與決策，2010（21）：4346.

[21] 賀星星.我國宏觀經濟智能預警系統的構建[J].科技管理研究，2011（11）：195198.

[22] 閆春，程悅，孫曉紅.基于卷積神經網絡和支持向量機的宏觀經濟監測預警模型及應用[J].統計與決策，2021，37（14）：137140.

[23] 青島市統計局.青島市海洋經濟發展指標體系[EB/OL]. （20191220）[20211020].http：//qdtj.qingdao.gov.cn/n28356045/n32566004/n32566008/190108101052995344.html.

[24] 鄧聚龍.灰色控制系統[J].華中工學院學報，1982，10（3）：918.

[25] 寧宣熙， 劉思峰. 管理預測與決策方法[M]. 北京：科學出版社， 2009.

Study on Monitoring and Advance Warning of Qingdao Marine Economy from the Perspective of Highquality Development

LIU Surong1， LI Yuying1， XUE Li2

（1.School of Economics and Management， China University of Petroleum （East China）， Qingdao 266580， Shandong， China;

2.Strategic Planning Section， Marine Development Bureau of Qingdao West Coast New Area， Qingdao 266427， Shandong， China）

Abstract： Guided by the new development concept， the monitoring and advance warning index system of Qingdao marine economy has been constructed in light of "five dimensions and six attributes". The statistics gathered from 2011 to 2018 concerning Qingdao marine economy have been studied by employing the prosperity index method， advance warning signal system and the traditional Grey Model. The results suggest that the quality of marine economy in Qingdao has manifested structural weaknesses from 2011 to 2018， and that technological innovation and ecological benefits have witnessed a fluctuating trend. But the overall level is in a relatively stable green zone， displaying a trend of sustained growth. It is predicted that the stable development of Qingdao marine economy will persist from 2019 to 2022 with a probability of slightly overheated economy in between 2021 to 2022.

Key words： marine monitoring on economy; highquality development; analysis of the prosperity index; advance warning signal system; Grey Model （1，1）