2004年—2017年北京市文化、体育和娱乐业的增加值、固定资产投资额、从业人员数见表5-33：

表5-33 2004年—2017年北京市文化、体育和娱乐业的情况

5.4.7.1 增加值的预测

对北京市文化、体育和娱乐业增加值预测运用时间序列线性回归模型和GM（1，1）模型相结合的方法。

（1）时间序列线性回归模型

根据历史数据，得到北京市文化、体育和娱乐业增加值的线性回归模型为：

y=36.35x+75.94，R2=0.981

拟合效果很好，相对误差绝对值平均为6.2%，精度较高。

（2）GM（1，1）模型

同样根据历史数据，得到文化、体育和娱乐业增加值的GM（1，1）模型白化方程的时间响应式为：

相对误差绝对值平均为3.8%<10%，通过检验。

（3）综合加权平均模型

运用以下模型计算预测最终结果：

x=0.5·（x1+x2）

其中，x1为GM（1，1）模型的预测值，x2为时间序列线性回归模型的预测值。

由此得表5-34、图5-24。

表5-34 北京市文化、体育和娱乐业增加值的预测

图5-24 北京市文化、体育和娱乐业增加值的趋势预测

5.4.7.2 所需固定资产投资额的预测

对北京市文化、体育和娱乐业所需固定资产投资额的预测GM（1，1）模型。

根据历史数据，得到文化、体育和娱乐业固定资产投资额的GM（1，1）模型白化方程的时间响应式为：(www.daowen.com)

相对误差绝对值平均为21.9%<10%，未通过检验；但由于其增值系数0.0440 <0.15，故仍可采用。由此得表5-35、图5-25：

表5-35 北京市文化、体育和娱乐业所需固定资产投资额的预测

图5-25 北京市文化、体育和娱乐业所需固定资产投资额的趋势预测

5.4.7.3 所需人才的预测

对北京市文化、体育和娱乐业所需人才运用时间序列线性回归模型和GM（1，1）模型相结合的方法。

（1）时间序列线性回归模型

根据历史数据，得到北京市文化、体育和娱乐业从业人员数量的线性回归模型为：

y=0.568x+11.32，R2=0.909

拟合效果较好，相对误差绝对值平均为3.8%，精度很高。

（2）GM（1，1）模型

同样根据历史数据，得到文化、体育和娱乐业从业人员数量的GM（1，1）模型白化方程的时间响应式为：

相对误差绝对值平均为4.0%<10%，通过检验。

（3）综合加权平均模型

运用以下模型计算预测最终结果：

x=0.5·（x1+x2）

其中，x1为GM（1，1）模型的预测值，x2为时间序列线性回归模型的预测值。

由此得表5-36、图5-26。

表5-36 北京市文化、体育和娱乐业所需人才的预测

图5-26 北京市文化、体育和娱乐业所需人才的趋势预测