高质量发展视角下青岛市海洋经济监测与预警研究

刘素荣 李昱莹 薛丽

摘要：以新发展理念为导向，从“五大维度、六个属性”构建青岛市海洋经济监测预警指标体系，综合运用景气指数法、预警信号系统以及传统灰色模型，对青岛市2011—2018年海洋经济统计数据进行研究。结果显示，2011—2018年青岛市海洋经济质量呈现结构化短板，科技创新与生态效益呈现波动化发展，但整体水平处于较为稳定的绿灯区，总体呈持续增长趋势;预测在2019—2022年间青岛市海洋经济发展将持续稳定，但在2021—2022年间存在偏热的可能。

关键词：海洋经济监测;高质量发展;景气指数分析;预警信号系统;GM（1，1）模型

中图分类号：F127;F224 文献标识码：A 文章编号：16735595（2022）03005809

一、引言

海洋经济作为转型期经济的重要载体，已逐渐成为中国沿海地区发展的主要驱动力和新增长点。习近平致2019中国海洋经济博览会的贺信中强调“海洋是高质量发展战略要地”[1]，随着海洋经济地位的不断强化，对海洋经济发展现状的监测及问题预警的需求也日渐突出。当前海洋经济监测预警需要结合经济高质量发展要求，突破现有技术和方法限制，对海洋经济发展趋势和运行规律进行全面系统的分析，从而满足对当地海洋经济宏观调控的需要。长期以来，海洋经济作为青岛市的发展重点，其发展一直保持强劲的增长势头。《青岛市“十四五”海洋经济发展规划》明确提到，青岛正着力打造引领型现代海洋城市，加快建设全球海洋中心城市。因此，本文通过构建青岛市海洋经济高质量发展水平监测预警体系，精准评估海洋经济高质量发展水平并预测未来发展趋势，为海洋经济的纵深发展提供引领方向和着力点，助力青岛市率先实现蓝色跨越，支撑“海洋强国”战略决策，同时为推进引领型现代海洋城市建设提供新的参考依据。

二、文献综述

进入21世纪以来，海洋经济受到国内外学者的广泛关注，但学术界对“海洋经济”的概念还未达成统一定论。“海洋经济”的概念有广义和狭义之分。狭义的海洋经济是指一系列开发海洋资源的经济活动[2];广义的海洋经济是指开发、利用和保护海洋的各类产业活动及与其相关联活动的总和[3]。目前，关于海洋经济的研究，主要是以不同的沿海城市或区域为研究对象，对当地海洋经济发展状况所进行的研究。[4]部分学者对海洋产业现状进行分析，发现海洋产业是推动国民经济增长的重要驱动力量[5]，但不同国家和地区受海洋经济活动的影响各不相同[6]。另有学者研究了海洋经济统计与核算体系，发现我国海洋经济统计核算的过程具有渐进性和强制性。[7]在海洋经济评价方面，学者们分别围绕海洋经济综合竞争力[8]、海洋经济脆弱性[9]以及海洋经济绿色发展[10]、共享发展[11]等方面构建了评价体系。

关于海洋经济高质量发展的研究，内容多聚焦于单一视角下海洋经济高质量发展问题[1113]以及构建契合“五大发展理念”的海洋经济高质量发展评价体系[10]。基于协调视角，狄乾斌等[12]针对海洋经济协调发展问题，运用复杂系统时空协调评价模型，构建环渤海城市海洋经济发展时空协调度评价体系;基于绿色视角，盖美等[13]通过可变模糊识别模型对海洋绿色发展水平进行测度;基于创新视角，宋泽明等[14]通过门槛回归模型，对海洋经济创新问题进行实证研究，发现海洋产业结构升级对海洋经济高质量发展的积极影响受到其创新水平的制约。此外，刘波等[10]将海洋经济发展与“五大发展理念”相契合，构建基于五大维度的海洋经济高质量发展评价体系，对江苏省海洋经济高质量发展水平进行评价。

关于海洋经济监测预警的研究目前尚处于起步阶段，但宏观经济监测预警研究在现阶段已取得大量成果。谢佳斌等[15]通过宏观经济景气监测预警研究来观察我国经济运行状态;

杨海珍等[16]通过KL信息量、时差相关分析、峰谷图形分析、BB算法等多种方法建立景气指标体系，对新疆经济增长进行监测预警。随着研究深入，学者逐渐将监测预警方法运用于农业经济[17]、旅游经济[18]、海洋经济[1819] 等不同行业经济，构建符合各自行业经济发展特点的指标体系。经济监测预警常用的方法包括景气指数分析法[19]和信号分析法[20]。也有学者将神经网络与模糊系统相结合建立非线性预警模型[21]，或构建卷积神经网络和支持向量机的预警模型（CNN-SVM模型），监测预警经济运行情况[22]。

综上所述，学者们关于海洋经济的研究主要聚焦于海洋产业发展、海洋经济发展水平测度和评价以及沿海城市发展的实时热点，较少关注到海洋经济监测预警问题。青岛市作为国际化的重要沿海城市，对于海洋经济运行状况监测及问题预警还有待深入研究。由于景气指数分析法已广泛应用于宏观经济及其他领域的监测预警研究，所积累的指标分类、转折点判断、季节调整等经验有助于提高经济监测的准确性。景气信号灯系统以已经发生过的经济危机数据为参照标准，对现行经济运行数据进行检测，当相应指标超出阈值范围时发出警报，其操作性强，预警准确性高。预测模型GM（1，1）是非线性模型，对样本数据没有样本容量的要求，且该模型计算简便，易于理解和操作。经济监测与预警有连带关系，因而本文在海洋经济监测的基础上采用预警信号灯系统对青岛市海洋经济发展问题进行预警，并基于预警结果采用GM（1，1）模型预测其发展趋势。因此，以青岛市为研究对象，结合景气指数分析法、景气信号灯以及GM（1，1）模型，构建海洋经济高质量发展监测预警体系，以及时反映青岛市海洋经济高质量发展水平并预测未来发展趋势，从而加快青岛市海洋经济高质量发展，推动国际海洋城市建设。

三、青岛市海洋经济监测预警体系的构建

（一）海洋经济监测体系的构建

1.监测指标的选取

海洋经济高质量发展需要将新发展理念贯穿其中，从多维视角下切实转变发展方式，构建新发展格局，为海洋经济高质量发展提供发展方向和发展着力点。对于青岛市统计局发布的青岛市海洋经济发展指标[23]，一方面，该指标体系侧重于经济发展水平的测度，以滞后指标为主，但海洋经济监测强调过程，需要在此基础上增加部分先行指标及同步指标;另一方面，该指标体系包含企业指标及区域指标，存在统计口径不一的问题，不具有通用性。因此，在青岛市统计局发布的青岛市海洋经济发展指标的基础上，借鉴刘波等[10]构建的海洋经济高质量发展评价指标体系及其构建原则，依据青岛市海洋经济发展特征进行部分调整，筛选信息重叠指标，补充先行指标及同步指标，来构建青岛市海洋经济高质量发展水平监测指标体系。其中，创新维度体现科技创新属性，反映海洋经济发展的重要动力来源和支撑;协调维度体现经济规模及经济结构属性，在现行指标的基础上，增加海洋第一产业增加值及海洋第二产业增加值两项指标，以反映海洋经济的综合实力、平衡能力以及海洋经济的发展活力;绿色维度体现生態效益属性，反映海洋经济发展的可持续性以及海洋经济发展与生态环境治理协调性;开放维度体现对外开放属性，由于境外游客消费水平差异，目前指标体系中的入境旅游消费总额难以准确衡量对外开放水平，因此选用接待境外旅游人数作为监测指标，以反映海洋经济与国际接轨的水平及开拓国际市场的潜力;共享维度基于海陆经济一体化原则，使用陆域宏观经济指标体现社会效益属性，选择居民消费价格指数、地方财政社会保障和就业支出、社会消费品零售总额增长率、固定资产投资四项指标，来反映海洋经济发展成果由人民共享的情况。因此，在保证数据的完整性、准确性的基础上，再次筛选指标以保证指标数据可从统计年鉴中获取，最终构建以海洋经济高质量发展水平为目标层、以高质量发展内涵为五大维度、从六个监测属性出发、以23个指标为监测指标的海洋经济高质量发展水平监测指标体系，如表1所示。

为合理评估海洋经济高质量发展水平，通常需要选择能够全面反映经济总量、经济规模及经济活力的指标作为基准指标。因此，结合我国现有海洋经济统计资料，选择人均海洋生产总值（人均海洋GDP）作为基准指标。

2.监测指标的景气匹配划分

景气指数分析法需要基于指标变动情况与经济波动周期之间的关系，将监测指标划分为先行、同步、滞后三个指标组。依据灰色关联分析法进行指标类别划分及赋权，具体过程如下。

第一步，构造比较序列。将人均海洋GDP设为基准指标序列

X0（t）;其他待测指标序列为Xi（t），其中，t（t=1，2，…，m）表示第t个年份，i（i=1，2，…，n）表示第i个指标序列;时差K为负数表示先行，为正数表示滞后，K为0表示同步。建立比较序列如表2所示。

第二步，初值化处理。对于监测指标Xi（t），Xi（1）为该指标的初始值，然后使用初值法得到新值zi（t）。

第三步，计算关联度及分类。z0（t）表示人均海洋GDP在第t年初值后的结果，zi（t）表示待测指标在第t年初值化后的结果。根据式（2）计算第i个指标序列在第t年的关联系数εi（t）。

式中：ρ为分辨系数，范围是0<ρ<1，通常取0.5。取各年关联系数的平均值作为各待测指标与基准指标之间的关联度ri，根据不同K值下的关联度将指标归类于先行、同步或滯后指标。

第四步，计算各指标权重。根据关联度可计算得到各指标的权重ωi。

依照上述过程可对监测指标进行分类，并得到各自权重，如表3所示。

3.监测分析模型

在划分先行、同步、滞后指标组的基础上，基于景气指数分析法编制扩散指数和合成指数，以监测海洋经济发展状况。在经济周期波动中，经济的扩张并不代表每一项经济指标都在增加，相反，经济的萧条也不能说明每一项指标都在下降，因此，在经济监测中引入了扩散指数。扩散指数DI（t）的计算公式为：

式中：Xi（t）为待测指标序列，t（t=1，…，m）为年份;ωi为第i个指标的权重; IXi（t），Xi（t-1）的计算式为：

扩散指数的范围为0～100%，50%的扩散指数表示经济周期波动的转折点;扩散指数高于50%，表示超过一半的经济指标呈上升状态，即经济总体处于景气区间，经济运行呈上升趋势;反之，则表明经济总体呈收缩趋势。

由于扩散指数难以反映经济变化程度，为进一步反映经济周期波动的振幅，引入合成指数以观测经济运行状况。合成指数CI（t）计算过程如下：

Ci（t）为单个指标的对称变化率，Ai为序列Xi（t）的标准化因子，由式（6）和式（7）可以得到标准化对称变化率Si（t），基于各指标权重ωi，可以计算得到各类别下的平均变化率R（t）。

利用式（10）计算初始合成指数I（t），其中，I（1）=100，以此计算合成指数CI（t），其中I（0）为各类指标的基准年份的平均值。

合成指数的范围在0～200之间，该指数为100以上则表示海洋经济运行处于景气空间;100以内则是处于不景气空间，且越接近0表示经济运行状况越低迷。

（二）海洋经济预警体系的构建

1.预警指标体系的筛选

在监测指标体系的基础上，选择能够反映当前经济发展状况的同步指标以及可以预测经济发展状况的先行指标作为预警指标，判断海洋经济当前发展的状况及存在的问题。本文构建海洋经济高质量发展水平预警指标体系，如表4所示，各指标权重由灰色关联分析法计算得到。

2.海洋经济预警模型

依据海洋经济预警指标体系，结合预警信号系统构建海洋经济预警模型。预警区间的划分通常根据3σ原理，但由于海洋经济统计数据的年限短、数据量小，若设置偏离3σ之外为异常区间，

则可能导致几乎所有情况均处于正常范围内，因而选择偏离2σ之外为异常区间。本文将各预警指标可能的状态划分为过冷、偏冷、稳定、偏热以及过热5种，然后根据预警区间的4个临界值，划分出反映海洋经济状态的5个区间，分别用5种不同颜色的信号灯表示。海洋经济预警区间的划分如表5所示。

在具体的预警过程中，需要给各个区间分别赋予不同分值。若指标数值处于过热状态，则给该指标赋予100分且以红灯表示;处于偏热状态，则赋予80分且以黄灯表示;处于稳定状态，则赋予60分且以绿灯表示;处于偏冷状态，则赋予40分且以蓝灯表示;处于过冷状态，则赋予20分且以黑灯表示。将预警指标分数加权合计，以百分制计算得到海洋经济发展水平的综合预警分数。借鉴殷克东等[20]对综合预警分数的划分标准，通常取满分的85%即85分为过热和偏热的临界值，以73分为偏热与稳定的临界值，以50分为稳定与偏冷的临界值，以36分为偏冷与过冷的临界值。其中，临界值85分、73分、50分及36分分别表示过热、偏热、稳定及偏冷。

3.海洋经济发展预测模型

在预警信号灯所得结果的基础上，采用灰色模型GM（1，1）对海洋经济的未来走向进行预测。依据综合预警得分，建立GM（1，1）模型，其过程如下：

设各年度综合预警得分为s（0）={s（0）

（1），s（0）（2），…，s（0）（m）}。s（0）累加构造新序列

s（1）={s（1）（1），s（1）（2），…，s（1）（m）}，以弱化综合预警得分的随机性及其波动性。根据灰色理论[24]对s（1）建立灰色预测模型。

式中：a、u分别为发展系数和灰色作用量，由a，u构成的矩阵为灰参数，对参数进行最小二乘估计，得到模型参数。其中，a的有效区间是（-2，2），将参数代入模型得到（1）（t）。

所得累减还原值（0）（t）=（1）（t）-

（1）（t-1）即为模型预测值。利用残差检验及后验差检验对模型进行误差检验。残差检验是根据原始数据及预测值生成残差序列ε（0）={s（0）（1）

后验差检验是指根据后验差c和小误差概率p两项指标的模型精度进行检验。设原始数列及其残差数列的标准差分别是S1和S2，根据式（15）及（16）得到c和p分别为：

借鉴宁宣熙等[25]将后验差检验精度划分为四个等级，具体参照标准如表6所示。

后验差检验所得GM（1，1）模型的精度由后验差c和小误差概率p共同决定，若两指标在不同精度等级，则选择较低等级作为预测精度等级。模型精度从1级到4级分别表示优秀、良好、合格、不合格，模型精度为3级及以上时，该模型是适用的。

四、青岛市海洋经济监测预警体系的应用

（一）数据的收集与整理

选取青岛市2011—2018年的海洋经济数据，对青岛市海洋经济高质量发展水平进行监测预警。数据主要来源于《中国海洋统计年鉴》《青岛统计年鉴》《青岛市国民经济和社会发展统计公报》以及《青岛市海洋环境公报》等。为消除各指标不同物理量的量纲影响，采用初值化法对原始数据进行无量纲化处理，使用Matlab R2020a对数据进行处理与分析。

（二）青岛市2011—2018年海洋经济监测分析

将监测体系应用于2011—2018年青岛市海洋经济数据，編制扩散指数和合成指数，评价当前青岛市海洋经济运行状态，分析海洋经济短期发展态势。

1.海洋经济扩张趋势分析

根据扩散指数的编制方法，运用预处理后的数据，基于各类监测指标，计算得到2011—2018年青岛市海洋经济的扩散指数以及加权平均后的综合扩散指数（见表7），为进一步分析扩张程度的变化情况，绘制扩散指数变化图（见图1）。

由表7可知，2011—2018年青岛市海洋经济的综合扩散指数均处于50%至100%的景气空间，表明青岛市海洋经济总体上呈扩张趋势，综合发展水平持续增长。但2018年先行指标的扩散指数下降至50%以下，表明青岛市未来海洋经济发展可能呈下降趋势。

由图1可知，2011—2018年间综合扩散指数存在小幅度波动，但整体保持在扩张水平且呈小幅度下降趋势，表明这一时期青岛市海洋经济发展水平处于波浪式上升的状态，但扩张幅度整体略有减缓。由综合指数变化曲线可知， 2012—2013年间青岛市海洋经济保持平稳、较快增长，2014年扩张幅度略有减缓，但此时青岛市海洋经济仍处于扩张阶段。随着2013年青岛被列入“一带一路”重点规划城市，青岛市海洋经济的发展逐渐受到重视。依托山东半岛蓝色经济区建设的契机，青岛市海洋产业继续保持了较好的发展态势，因此，2015年青岛市海洋经济处于较为景气的状态且扩张幅度有所上升。2016—2017年间，受海洋生态和海洋社会发展水平的影响，青岛市海洋经济出现较为明显的下降，2018年有所回升。根据同步指标的扩散指数变化曲线可知，虽然2011—2018年间存在波动，但扩散指数均大于50%，即该时段青岛市海洋经济高质量发展水平整体处于扩张阶段，且滞后指标的扩散指数均高于50%也印证了这一结论。

2.海洋经济波动程度分析

根据合成指数的编制方法，得到2011—2018年青岛市海洋经济的各类合成指数以及加权平均后的综合合成指数（见表8）， 为进一步探究合成指数的变化趋势及波动状况，绘制青岛市海洋经济合成指数变化图（见图2）。

由表8可知，2011—2018年间青岛市海洋经济综合合成指数均在100以上，说明这一时期青岛市海洋经济均处于景气范围。由图2可以看出，先行指标的合成指数波动较大，2015年出现大幅度下降，且2018年指数小于100，与扩散指数结果一致。同步指标的合成指数整体呈下降趋势，且自2016年下降至100以下，2018年略有回升，但由综合合成指数可知，此时综合发展依旧维持较高水平。根据以上分析可以看出，青岛市海洋经济在2011—2018年间虽有波动，但就总体而言，青岛市海洋经济仍处于增长阶段。

（三）青岛市2011—2018年海洋经济预警及预测

1.预警结果分析

Lilliefors检验及Kolmogorov-Smirnov检验的结果表明2011—2018年青岛市海洋经济数据服从正态分布。根据预警区间划分原则，得到各指标预警得分及2011—2018年青岛市海洋经济发展的综合预警指数（见表9），根据得分情况绘制青岛市海洋经济的预警信号灯图（见图3）。

由图3可以看出，地方财政教育支出、固定资产投资、地方财政社会保障和就业支出等方面近年来都越发受到重视并出现偏热现象，因此需要注意各类教育及社会投入的变化，避免出现过热现象。青岛市海洋第二产业持续发展，而海洋第三产业占比近年来却持续降低，并在2018年处于过冷区间，此时，需要密切关注海洋产业结构的调整优化，在第一、二产业高质量发展的情况下发展第三产业，以形成稳定、协调、高效的海洋产业结构。此外，多数科技创新及生态效益相关指标随经济形势的波动略有变动，除少数年份出现过热或偏热状态外，整体处于稳定区间，因此创新及绿色发展方面仍可保持当前运行状态，在推动创新发展及生态治理的同时，适时关注其变化状况。

总体而言，2011—2018年青岛市海洋经济预警综合指数得分在50～73之间，均位于比较稳定的绿灯区域。从而可以看出，在该期间内，青岛市海洋经济的整体运行状况处于稳定状态。

2.海洋经济发展预测

根据2011—2018年青岛市综合预警指数，构建灰色系统GM（1，1）模型，得出预测模型参数a=-0033 8，u=52.226 7，由此得到预测模型（1）（t）=1 596.642e-0.033 8（t-1）-1 545.17。综合预警指数预测结果及误差检验结果如表10所示。

由模型误差检验得到平均相对误差为3.2%，后验差比值p=1，残差方差c=0.211 7。将误差检验结果与表6中的误差标准相对比，该模型的平均相对误差为3.2%<5%，且后验差比值p及残差方差c所处精度等级均为1级。由此可知，该模型可以较为准确地预测青岛市海洋经济预警指数，根据该模型可计算得到2019—2022年海洋经济预测结果（见表11）。

2019—2022年青岛市海洋经济发展仍处于稳定状态，但2021—2022年存在偏热的可能性。因此，应密切关注青岛市海洋经济发展变化情况，以便及时采取调控手段防止出现海洋经济发展过热的情况，推动海洋经济高质量及可持续发展。

五、结论与建议

基于2011—2018年数据，分析得出青岛市海洋经济发展处于景气区间，总体呈持续增长趋势，且预警结果整体处于较为稳定的绿灯区，说明海洋经济运行状况处于稳定状态。根据预警信号灯分布情况，发现地方财政教育支出、固定资产投资、地方财政社会保障和就业支出近年出现偏热现象，海洋第三产业占比等指标出现偏冷现象，在政策调整时需要适当关注。预测结果表明，2019—2022年间海洋经济发展较为稳定，但2021—2022年信号灯显示为黄色，存在偏热的可能，因此可以采取宏观调控措施，使海洋经济保持稳定的同时避免过快增长。基于监测预警结果，有针对性地从产业优化升级、科技创新及生态治理三个方面为提升青岛市海洋经济高质量发展水平提出建议。

（1）以产业升级推动海洋产业集群化发展。

根据预警结果，青岛市海洋第二产业持续发展，而海洋第三产业占比近年来却持续降低，并在2018年处于过冷状态。基于此，应推动海洋产业转型升级以促进海洋经济高质量发展，调节青岛市海洋产业结构不合理现状，重点扶持海洋交通运输、文化旅游、海洋信息服务等第三产业，在第一、二产业高速高质发展的前提下，促进海洋第三产业的有机融合;助推海洋产业的新旧动能转换，加快海洋生物医药业、海洋捕鱼业和海洋电力业等新兴产业发展，寻找新的经济增长点。

（2）以科技创新驱动海洋经济高质量发展。

青岛市2011—2018年研发经费和教育支出逐年稳步增长，但科研项目数量并未增多，科技投入产出效率偏低。因此，坚持实施“科技兴海”战略，以高新科技为依托全方位带动海洋经济高质量发展，有重点地提高青岛各地区研发创新水平，合理配置海洋科技力量;构建青岛市海洋经济政产学协同创新体系，设立研发中心和成果转化平台，提高海洋科技投入产出效率，坚持走提质增效发展道路。

（3）以绿色生态推进海洋经济可持续发展。

青岛市生态效益相关指标随经济形势的波动未出现明显变动，环境治理效果良好。鉴于此，应继续坚持陆海污染综合防治和海洋环境保护，进一步完善统筹规划陆海污染防治体系，建立陆海环境治理协调机制，提高海域承载力;同时，坚持海陆并举，切实做好陆源污染物入海排放控制，以绿色生态为引擎助力海洋经济高质量发展，提高蓝色国土的可持续发展能力。

参考文献：

[1] 习近平致2019中国海洋经济博览会的贺信[EB/OL].（20191015）[20211005].https：//ww.ccps.gov.cn/xxsxk/zyls/t20191015_134955.shtml.

[2] 曹忠祥，高国力.我国陆海统筹发展的战略内涵、思路与对策[J].中国软科学，2015（2）：112.

[3] 何广顺，王晓惠.海洋及相关产业分类研究[J].海洋科學进展，2006，24（3）：365370.

[4] 文海漓，夏惟怡，陈修谦.技术进步偏向视角下中国—东盟区域海洋经济产业结构特征及合作机制研究[J].中国软科学，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，田颖，刘铁鹰.中国现代海洋经济统计核算体系演变机理研究[J].中国海洋大学学报（社会科学版），2016（3）：1419.

[8] 刘明.中国沿海地区海洋经济综合竞争力的评价[J].统计与决策，2017（15）：120124.

[9] 王玉梅，姬元雪，郑楠楠，等.基于三角模型的烟台市海洋经济脆弱性评价[J].海洋环境科学，2019，38（5）：703711.

[10] 刘波，龙如银，朱传耿，等.江苏省海洋经济高质量发展水平评价[J].经济地理，2020，40（8）：104113.

[11] 王东，张涛.江苏海洋经济共享发展水平评价及比较研究[J].大陆桥视野，2021（1）：5253.

[12] 狄乾斌，於哲，徐礼祥.高质量增长背景下海洋经济发展的时空协调模式研究——基于环渤海地区地级市的实证[J].地理科学，2019，39（10）：16211630.

[13] 盖美，朱莹莹，郑秀霞.中国沿海省区海洋绿色发展测度及影响机理研究[J].生态学报，2021（23）：116.

[14] 宋泽明，宁凌.海洋创新驱动、海洋产业结构升级与海洋经济高质量发展——基于面板门槛回归模型的实证分析[J].生态经济，2021，37（1）：5358.

[15] 謝佳斌，王斌会.中国宏观经济景气监测的预警体系[J].统计与决策，2007（4）：122124.

[16] 杨海珍，李苏骁，李红，等.新疆经济增长监测预警指标体系构建研究[J].新疆大学学报（哲学·人文社会科学版），2014，42（1）：16.

[17] 东方社奇.西部农业经济运行现状分析和监测预警指标体系研究[J].统计与信息论坛，2009，24（2）：4650.

[18] 戴斌，李仲广，唐晓云，等.中国旅游经济运行监测与预警：模型构建与实证分析[J].旅游学刊，2017，32（4）：1019.

[19] 殷克东，马景灏，王自强.中国海洋经济景气指数研究[J].统计与信息论坛，2011，26（4）：4146.

[20] 殷克东，马景灏.中国海洋经济波动监测预警技术研究[J].统计与决策，2010（21）：4346.

[21] 贺星星.我国宏观经济智能预警系统的构建[J].科技管理研究，2011（11）：195198.

[22] 闫春，程悦，孙晓红.基于卷积神经网络和支持向量机的宏观经济监测预警模型及应用[J].统计与决策，2021，37（14）：137140.

[23] 青岛市统计局.青岛市海洋经济发展指标体系[EB/OL]. （20191220）[20211020].http：//qdtj.qingdao.gov.cn/n28356045/n32566004/n32566008/190108101052995344.html.

[24] 邓聚龙.灰色控制系统[J].华中工学院学报，1982，10（3）：918.

[25] 宁宣熙， 刘思峰. 管理预测与决策方法[M]. 北京：科学出版社， 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）