国赛一等奖论文2010年上海世博会经济影响力的定量评估

2010年上海世博会经济影响力的定量评估

摘要

本文主要是对2010年上海世博会在经济领域的影响力进行定量跟踪评估。评论这次世博会成功与否，我们抽出了诸多衡量指标对上海世博会在经济领域的影响力进行了横向以及纵向的比较，并在最后通过时间预测模型研究了上海世博会与上海经济迅速发展的相关性。

鉴于影响力的多样性，我们站在经济的侧面对上海世博会的影响力进行评估分析，并建立了以下模型：

模型Ⅰ—主成分-因子分析模型。此模型主要目的把以上海世博会与往届世博会进行定量纵向比较，首先我们对往届影响力较大的世博会抽取了的相关数据指标（游览总人数，总投入，参与国家﹑组织数，会展占地面积），接着通过KMO和Bartlett检验，然后采用主层次分析法以及因子分析的方法，得出了历届世博会的综合指标得分，最终得出结论：上海世博会在与往届世博会的比较中，占有较大优势。

模型Ⅱ—经济效应预测模型。此模型主要目的是把上海世博会产生的经济效应[1]与北京奥运会进行横向比较。由经济学和统计学原理，世博会对上海产生的经济效应直接反映到世博会引发的直接净需求增长。我们通过建立世博会产生的经济效应预测模型，对上海世博会所产生的经济效应进行统计和预测，最终得出上海世博会产生的经济效应约为1985.4亿元，而北京奥运会约为745亿元，为北京奥运会的2.67倍，足以体现其在经济领域上的巨大影响力。

模型Ⅲ—时间序列预测模型。此模型主要是通过对比分析举办上海世博会对上海财政收入方面所产生的经济影响。结合上海地方财政收入，通过时间序列预测模型的趋势移动平均法，对上海在举办与不举办世博会上海的地方财政收入进行比较，最终得出在2012年度（上海世博对经济的影响后期）时，上海举办世博会比起不举办世博会增加了约1400亿元的地方财政收入。

本文思路清晰，模型恰当，具有很强的适用性和推广型。由于所查询到的数据繁杂，给数据的整理带来了很多麻烦，故我们灵活利用EXCEL，SPSS等软件，这样给统计数据和处理数据带来了不少的方便。本文成功地利用了主成分分析和因子分析进行了利用，简化了模型建立难度，并且可方便地利用数学软件进行求解。因此本文模型可适用于其它各种会展的定量评估。

关键词：会展经济；主成分分析；因子分析；经济效应预测；时间序列预测；SPSS

1

1 问题背景

2010年上海世博会是首次在中国举办的世界博览会。2010年上海世界博览会（Expo 2010），是第41届世界博览会。于2010年5月1日至10月31日期间，在中国上海市举行。此次世博会也是由中国举办的首届世界博览会。上海世博会以“城市，让生活更美好”（Better City, Better Life）为主题，创造了世界博览会史上最大规模记录。

从1851年伦敦的“万国工业博览会”开始，世博会正日益成为各国人民交流历史文化、展示科技成果、体现合作精神、展望未来发展等的重要舞台。请你们选择感兴趣的某个侧面，建立数学模型，利用互联网数据，定量评估2010年上海世博会的影响力。

2 问题分析

本文要求研究的是：从某一侧面，对2010年上海世博会影响力的定量评估，我们主要需要弄清以下几个概念：

（1）影响力：是指世博会的筹备期，会展期以及会展后的后续拉动给上海乃至中国带来的经济效益影响，文化理念宣传影响以及政治国际地位影响等。

（2）定量分析：从基本定义上来说，定量分析是依据统计数据，建立数学模型，并用数学模型计算出分析对象的各项指标及其数值的一种方法。

（3）会展评估：根据项目评估及会展的相关概念, 会展评估是指对某一展会进行分析与评价, 即对一个展会的目的、执行过程、质量、服务、直接和间接的经济效益与社会效益、作用和影响所进行的系统的、客观的分析和评价, 判断该展览项目是否成功, 并分析其原因, 总结经验教训, 为项目的主办者与承办者提供借鉴, 并通过及时有效的信息反馈, 为参展商、专业观众乃至一般观众提供参考。

通过对以上概念的理解，我们可以明确地知道，要评估一个会展具有怎么样的影响力，就必须给出相应地能反映影响力的指标。为此，我们可以进一步地对世博会产生的影响力与其他会展进行横向以及纵向上的比较。横向上，我们可以从北京奥运会与上海世博会的比较入手；纵向上，我们可以从上海世博会与历届世博会的比较入手。接着对上海世博会与上海地方财政收入作宏观经济分析，即可分析出上海世博会影响力的定量评估。

3 模型假设

1.假设世博会注册报告预测的世博会期间国内外参观人数为7000万人次与实际 参观人数相差不大。

2.假设从官方获取的上海世博会和北京奥运会的统计数据信息真实可靠。 3.假设正在举办的上海世博会顺利进行，取得圆满成功。

2

4 符号说明

本文主要的符号约定如下表1所示：

表1 符号说明

Fi Var() 第i个线性组合，即第i个综合指标 方差 协方差 游览人数 总投资 参加国家.组织 占地总面积 标准化后的评价指标变量 Cov() x1 x2 x3 x4 stdxi(i?1,2,3,4) 5 模型准备

5.1 模型Ⅰ（主成分-因子分析模型）的准备 ●主成分分析原理：

主成分分析[6]是设法将原来众多具有一定相关性（比如p个指标）的指标，重新组合成一组新的互相无关的综合指标来代替原来的指标。通常数学上的处理就是将原来p个指标作线性组合，作为新的综合指标。最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var(F1)越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。如果第一主成分不足以代表原来p个指标的信息，再考虑选取F2即选第二个线性组合，为了有效地反映原来信息，F1已有的信息就不需要再出现在F2众，用数学语言表达就是要求Cov(F1,F2)?0，则称F2为第二主成分，以此类推可以构造出第三、第四??第p个主成分。

设对某一事物的研究涉及p个指标，分别用X1,X2,...,Xp表示，这p个指标构成的p维随机向量为X?(X1,X2,...,Xp)。设随机向量X的均值为

对X进行线性变换，可得m个新的综合变量，用Y表示，即满足下式：

3

?Y1?a1X1?1aX12?...2?apXp1??Y2?a2X1?1aX22?...2?apXp2 ?： （5-1）

??Y?aX?aX?...?aXmpp?mm11m22

由于可以任意地对原始变量进行上述线性变换，由不同的线性变换得到的综合变量Y的统计特征也尽不相同。而求主成分问题要求新的综合指标必须满足两个条件：

（1） 新的综合指标彼此独立，即二者相关系数为零。 （2） 新的综合指标反映了样本总信息。

根据方差最大化原理，主成分问题实质是变量间方差最大化问题。 Var(Yi)?Var(aiX，)?ai，Cai （5-2）

ai?(ai1,ai2,...,aip)，C为协方差矩阵

若不对ai进行限制时，可使Var(Yi)任意增大，因此，我们可以再增加一个线性变换约束条件：

aiai'?1 （5-3）

基于上述原则和条件决定的综合变量Y1,Y2,?,Ym,分别称为原始变量的第一，第二，?，第p个主成分。其中，各综合变量在总方差中占的比重依次递减，在实际研究中工作中，通常只挑选前几个方差最大的主成分，从而达到简化系统结构、抓住问题实质的目的。

5.2 模型Ⅱ(经济效应预测模型)的准备

举办世博会对经济的影响涉及许多方面，包括增加就业机会和外汇收入，促进新技术开发，引发新一轮投资浪潮，产生资本重组效应，缩小地区差距等，但也可能产生“挤出效应”（包括“反感效应”和“转换效应”。“反感效应”指主办城市居民希望避免节事活动及其带来的大量旅游者的干扰而外出旅游。“转换效应”指由于节事活动引起的较高物价水平和正常旅行受到的干扰，课能租金度假者的商务旅行者等旅游者转移到其他地区）。对于这些广泛，复杂的因素，本文不做定量讨论。

5.3 模型Ⅲ（时间序列预测模型）的准备 ●时间序列预测原理：

时间序列预测法是一种历史资料延伸预测，也称历史引伸预测法。是以时间数列所能反映的社会经济现象的发展过程和规律性，进行引伸外推，预测其发展趋势的方法。其内容包括：收集与整理某种社会现象的历史资料；对这些资料进行检查鉴别，排成数列；分析时间数列，从中寻找该社会现象随时间变化而变化的规律，得出一定的模式；以此模式去预测该社会现象将来的情况。

4

●趋势移动平均法原理

简单移动平均法和加权移动平均法，在时间序列没有明显的趋势变动时，能够准确反映实际情况。但当时间序列出现直线增加或减少的变动趋势时，用简单移动平均法和加权移动平均法来预测就会出现滞后偏差。因此，需要进行修正，修正的方法是作二次 移动平均，利用移动平均滞后偏差的规律来建立直线趋势的预测模型。这就是趋势移动平均法。 一次移动的平均数为

1 Mt(1)?(yt?yt?1???yt?N?1) （5-4）

N在一次移动平均的基础上再进行一次移动平均就是二次移动平均，其计算公式为

11(2))?M?(Mt(1)?Mt(1) Mt(2)?(Mt(1)???Mt(1)（5-5） ?N?1t?1?n)

NN下面讨论如何利用移动平均的滞后偏差建立直线趋势预测模型：

设时间序列{yt}从某时期开始具有直线趋势，且认为未来时期也按此直线趋势变化，则可设此直线趋势预测模型为

? （5-6） yt?T?at?bTt,T?1,2,?其中t为当前时期数；T为由t至预测期的时期数；at为截距；bt为斜率。两者又称为平滑系数。

现在，我们根据移动平均值来确定平滑系数。由模型（5-6）可知

at?yt yt?1?yt?bt yt?2?yt?2bt

?

yt?N?1?yt?(N?1)bt

所以

Mt(1)?因此

N?1bt （5-8） 2由式（5-7），类似式（5-8）的推导，可得

N?1yt?1?Mt(1)?bt （5-9） ?12所以

yt?yt?1???yt?N?1N?1?yt?bt （5-7）

N2 yt?Mt(1)? yt?yt?1?Mt(1)?Mt(1)（5-10） ?1?bt

5

类似式（5-8）的推导，可得

N?1bt （5-11） 2于是，由式（5-8）和式（5-11）可得平滑系数的计算公式为

Mt(1)?Mt(2)??at?2Mt(1)?Mt(2)? （5-12） ?2(1)(2)(Mt?Mt)?bt?N?1?

6 模型的建立与求解

6.1 模型Ⅰ（主成分-因子分析模型）

为了对上海世博会对上海经济的影响力进行更精确的定量评估，我们对几届影响力较大的世博会进行纵向比较。首先我们设立了4个评价指标（游览总人数，总投入，参与国家﹑组织数，会展占地面积），并通过网络、报刊、书籍查找出相关数据。而在多数情况下，不同评价指标之间有一定相关性的，一方面由于评价指标较多而且指标之间有一定的相关性，势必增加了分析问题的复杂性；另一方面则会造成模型参数的过度拟合，降低分类或预测的准确性和可靠性。为了简化运算，提高模型效率，增加分类、预测的准确性，我们建立了主成分分析模型[3]，尽量将原评价指标重新组合成一组新的、互相无关的几个综合指标来代替原指标，并尽可能地反映原指标的信息。最后通过因子分析，给出了历届世博会的综合得分比较。

我们在网络、报刊、书籍搜寻到相关指标数据，记录如下表2：

表2 近年影响力较大的世博会部分指标数据 近年影响力较大的世博会部分指标数据 2010年上海世博会 2005年爱知地球博览会 2000年汉诺威世界博览会 1998年西班牙里斯本博览会 1992年西班牙塞维亚博览会 游览人数/万人 总投入/亿元 参与国家.组织/个 会展占地总面积/公顷 7000 2205 1899 1000 4200 4000 805 526 200 700 246 120 172 160 114 528 173 160 70 215 *由于2010年上海世博会尚未结束，无法统计实际游览人数，因此调用上海官方数据，预计游览人数为7000 万人次

6.1.1 KMO检验和Bartlett检验

我们录入数据，并运用SPSS17软件Linear过程对数据进行主成分分析，首先对数据进行KMO检验和Bartlett检验，以观察样本数据是否适合进行主成分分析，进而得出相关系数矩阵及其特征值、贡献率及累积贡献率等。

表3 KMO检验和Bartlett检验

KMO and Bartlett's Test 6

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square Df Sig. .692 15.323 6 .018 从表中得知，KMO值＝0.692，Sig=0.018。根据统计学家Kaiser教授给出的标准，KMO＝0.692>0.5比较适合作因子分析;Sig＝0.018<0.05说明经过Barlett球形检验，证明其相关矩阵不是一个单位矩阵，因子模型适合。

6.1.2再继续用SPSS17软件对数据进行主成分分析，得下列结果：

●所有原始变量的通用统计描述（表4），包含平均数xi、标准差?Xi和分析例数。

表4 所有原始变量的通用统计描述信息 Descriptive Statistics 游览人数 总投资 参与国家.组织 占地总面积 Mean 3260.80 1246.2000 162.4000 229.2000 Std. Deviation 2395.002 1556.40843 52.97924 175.19618 Analysis N 5 5 5 5

●各评价指标间的相关矩阵（表5），包含偏相关系数及其相应Sig值。由表x得知，游览人数、总投资、占地总面积这三个指标的相关系数都在0.9以上，说明这些指标之间存在显著的关系，直接相关性比较强，在信息上存在重叠性，证明适合作因子分析。

表5 相关系数矩阵表 Correlation Matrix Correlation 游览人数 总投资 参与国家.组织 占地总面积 游览人数 1.000 .912 .599 .964 总投资 .912 1.000 .822 .983 .016 参与国家.组织 .599 .822 1.000 .748 .143 .044 占地总面积 .964 .983 .748 1.000 .004 .001 .073 Sig. (1-tailed) 游览人数 总投资 参与国家.组织 占地总面积 .016 .143 .004 .044 .001 .073 ●公因子方差比（表6），除了”参与国家.组织变量”这指标，其他评价指标7

的共同度对所有指标均为大于0.85，表明模型基本解释了每一个评价指标的全部方差，而不需要特殊因素。

表6 公因子方差比

Communalities 游览人数 总投资 参与国家.组织 占地总面积 Initial 1.000 1.000 1.000 1.000 Extraction .870 .984 .698 .976 Extraction Method: Principal Component Analysis.

●主成分的统计信息（表7），包括特征根由大到小的次序排列，各主成分的贡献率及累积贡献率。

表7 因子贡献率

Total Variance Explained Component 1 2 3 4 Total 3.528 .434 .033 .005 Initial Eigenvalues % of Variance 88.208 10.855 .820 .117 Cumulative % 88.208 99.063 99.883 100.000 Extraction Sums of Squared Loadings Total 3.528 % of Variance 88.208 Cumulative % 88.208 Extraction Method: Principal Component Analysis. 主成分个数提取原则为主成分对应的特征值大于1, 累积贡献率>85% 的前m 个主成分。特征值在某种程度上可以被看成是表示主成分影响力度大小的指标, 如果特征值小于1, 说明该主成分的解释力度还不如直接引入一个原变量的平均解释力度大, 因此一般可以用特征值大于1 作为纳入标准[6]。而第一主成分的特征根为3.528，它解释了原指标的88.208%的信息；第二、三、四的主成分的特征根均小于1，根据主成分个数提取原则，故只提取第一主成分即可。

●特征根陡坡图（如图1），结合特征根曲线的拐点及特征根值，该图从另一个侧面说明取第一个主成分为宜。

8

图1 特征根陡坡图

●主成分载荷矩阵（表8）。可见第一主成分包含了93.3%游览人数、99.2%总投资、83.6%的参与国家.组织、98.8%占地总面积的信息。所有评价指标都有较高的载荷，除了”参与国家.组织”这指标在第一主成分的载荷低于90%，说明这个主成分能反映出原评价指标的绝大部分信息，因此可以以这个主成分替代原来的4个评价指标。

表8 主成分荷载表 Component Matrix a 游览人数 总投资 Component 1 .933 .992 参与国家.组织 占地总面积 .836 .988 Extraction Method: Principal Component Analysis. a. 1 components extracted.

9

●因子得分系数矩阵（表9），这是主成分分析的最终结果，通过该系数矩阵可以将主成分表示为各个评价指标的线性组合。

表9 因子得分系数矩阵

Component Score Coefficient Matrix 游览人数 总投资 参与国家.组织 占地总面积 Component 1 .264 .281 .237 .280 Extraction Method: Principal Component Analysis. Component Scores.

由此，可得主成分表达式：

x1s?td Z＝0.264*0.2x8?*std21 *stdx0.237*stdx803? 4 0. （26-1）

其中，stdxi(i?1,2,3,4)表示标准化后的评价指标变量：

stdxi?x(i?xi?)/iXi?(1,2,3,4) （6-2）

新的综合指标Z主要考虑了游览人数、总投资、参与国家.组织、占地总面积这4个指标的影响，依据主成分表达式，我们可以代入数据计算各次世博会的综合主成分值，并对其按综合主成分值的大小进行排序，即可对世博会进行较准确的综合评价比较，结果见表10：

表10 选取的各界世博会综合得分情况

2010年上海世博会 2005年爱知地球博览会 2000年汉诺威世界博览会 游览人数得分情况 0.412170345 -0.11638036 -0.15011061 总投资得分情况 0.49718171 -0.079656 -0.1300277 参与国家.组织得分情况 0.3739804 -0.189674 0.0429451 10

占地总面积得分情况 0.47754466 -0.0898193 -0.110596 主成分得分情况 1.76087716 -0.475529922 -0.347789195 3 主成分得分排序 1 4

1998年西班牙里斯本博览会 1992年西班牙塞维亚博览会 -0.24920697 0.103527596 -0.188885 -0.0986131 -0.010736 -0.216515 -0.2544348 -0.0226946 -0.703263022 -0.234295021 5 2 综合上述：在成功经过KMO和Bartlett检测后，通过主成分分析法将原始数据简化成几个影响指标比较大的指标，得到那几个能达成因子贡献率的指标。然后我们通过给出世博会的综合主成分值的计算模型，得到各届世博会综合得分[5]情况，如表10，由此，我们可以得到一个结论：从纵向上，在与历届世博会的比较中，我们可以看出，2010年上海世博会取得的绩效相对优秀。

6.2 模型Ⅱ（经济效应预测模型）

本模型主要讨论世博会产生的经济效应，即世博会引发的直接净需求增长（世博会筹办和举办期间产生的需求扣除不举办世博会也会产生的需求），通过与北京奥运会的横向比较，定量体现出上海世博会在经济领域的影响力。世博会 产生的直接净需求的构成如下图2所示：

展馆投资净 ＝

需求 征地费用+展馆建设费用+运营费用+国内参展费用+国外参展费用 + 相关的公共事业项目预算+民企对旅馆、相关设施的投资 ＝

投资净需求 世博会相关+ 世博会产生的直接净需求 世博会直接消费需求 ＝

国内参观者直接消费+国外参观者直接消费+国内参观者间接消费+国外参观者间接消+ 世博会导致出口贸易 + 世博会导致国内贸易 图2 世博会产生直接需求构成图

世博会对上海经济的影响又可分为三个阶段：世博会筹备建设期（2003年~2009年），世博会举办期（2010年），世博会后期（2010年~2012年）。

6.2.1 展馆投资净需求统计 （1）世博会场地开发

世博会场地规划面积为5.28平方公里，在“沪港世博圆桌会议”上，世博局有关人士透露，世博会场地主要开发时间为2004-2007年，预计总投入为200亿元人民币。

11

（2）世博会场馆建设和运营

世博会拟建场馆80万平方米，主要包括中国馆，国家馆，企业馆，综合馆，国际馆等，主要建设时间为2008-2010。在全国政协十一届二次会议记者会上，周汉民委员表示，场馆基础设施建设和永久性场馆建设。总投资是180亿元。

（3）世博会援助基金

世博会建立了一亿美金的援助基金，援助的对象是根据联合国发布的不发达和欠发达国家的名单，这个名单大概是114个国家。

综上：上海世博会展馆总投资净需求为390亿元。

6.2.2 世博会相关投资需求统计

世博会相关投资是指举办世博会相关配套设施投资，主要是指旅游设施（旅行社服务业，旅游宾馆业，旅游运输业，邮电通信业）投资，从上海统计年鉴网站上所查询到的旅游业发展情况如下表11所示。

表11 世博会筹备期间旅游设施投资表

单位：亿元 年/指标 2003 2004 2005 2006 2007 2008 2009 总计 旅行社服务业 6.83 8.34 9.02 10.43 11.30 13.30 13.46 65.85 旅游宾馆业 58.85 79.68 91.78 122.47 159.42 163.91 104.17 721.43 旅游运输业 72.03 103.36 120.86 136.88 144.71 158.05 124.91 788.77 邮电通信业 15.60 18.95 25.21 27.8 30.24 32.63 28.26 163.09 资料来源：上海统计年鉴官网

应用相关净投资率与世博会筹备期间相关产业的投资额来计算世博会相关的净投资额，有公式：

世博会净投资额?上海相关产业真实投资额?相关净投资率 （6-3） 对于相关净投资率，我们参考了《中国会展经济报告》有关专家对于北京亚运会的相关净投资率和昆明世博会的相关净投资率，分别约为0.216和0.245，为此我们假设上海世博会的相关净投资率约为0.25，由表2（博会筹备期间旅游设施投资表）可知，世博会期间相关产业总投资额约为1740亿元。

综上，我们可知世博会引起的相关净投资额约为435亿元。

12

6.2.3 世博会会展消费需求

世博会会展消费划分图如下图3所示：

图3 世博会会展消费划分图

据上海世博会注册报告的预测，世博会期间国内外参观人数为7000万人次，其中上海市民，长三角地区游客，长三角以外地区游客，境外游客的比例将为：20:30:45:5，具体如下表12所示：

表12 会展消费地区人次估算表 消费者类别 上海市民 长三角地区游客 长三角以外地区游客 境外游客 总计 资料来源：上海世博会注册报告

总数（万人次） 1400 2100 3150 350 7000

根据上海市政府申博报告及上海统计局的数据，会展人均消费需求估算表如下表13所示：

表13 会展人均消费需求估算表 消费（元）/游客 场内消费 场外消费 国内游客 200 1500 国外游客 500 2400 资料来源：上海市政府申博报告和上海统计局 根据表12（会展消费地区人次估算表）和表13（会展人均消费需求估算表），可以得到会展总消费需求估算表如下表14所示：

表14 会展总消费需求估算表 消费者类别 国内游客 国外游客 总计 13

总额（亿元） 1026.9 122.5 1149.4

综上：上海世博会会展消费需求估算大概为1150亿元。

6.2.4 会展导致的国内（出口）贸易估计

根据上海世博会注册报告，可得到的一些世博会基本数据如下表15所示：

表15 世博会一些基本数据

展馆团数目 全部会展面积 平均每平方米参展面积引起出口 平均每平方米参展面积引起进口 资料来源：上海世博会注册报告 26个 52万平方米 4000元 2000元

综上：上海世博会会展导致净进口贸易增加10.4亿元。

综合6.2.1-6.2.4所述，上海世博会产生的经济效应（直接净需求总额）约为1985.4亿元，世博会产生的直接净需求由展馆投资净需求，会展相关投资净需求，会展直接消费需求，会展导致的出口贸易和会展导致的国内贸易组成，具体如图4。

图4 上海世博会直接净需求量构成图

6.2.5 北京奥运会直接经济效应对比

接下来我们来简单讨论北京奥运会所产生的直接经济效应[7]，对于北京奥运

14

会来说，只需对奥运会的的投入和产出进行系统的定量分析，从而为奥运会的整体效益情况作一个大体上的了解。

（1）北京奥运会的投入情况。北京奥运会的投入主要花费如下表16所示：

表16 北京奥运会投入情况表

单位：亿元 时期 奥运会前后场馆，基础设施建设 花费 场馆建设 交通建设 能源环境建设 总额 240 900 540

（2）北京奥运会产出情况。北京奥运会的主要收入如下表17所示：

表17 北京奥运会产出情况表

单位：亿元

产出构成成分 电视转播 TOP赞助收入计划分成 企业，集团，公司提供的赞助 颁发标志特许使用证书收入 国内外专用产品厂家的供货和服务 发行纪念币，邮票 体育彩票，门票 社会团体，个人的捐助，资产出售 政府补贴 场馆，空地出租 总计 总额 66.7 16 10.4 4 1.6 0.64 25.6 8 8 3.7 144.64

从资金来源上来看，国际奥委会市场开发收入给组委会的分成约为10~13亿美元（悉尼组委会约为11亿美元），组委会市场开发收入约为6~8亿美元（悉尼约为7亿美元），基本建设投入的140多亿美元，主要由中央财政，市财政和国内外企业投入，如果把50%算作北京市财政的投入，那么承办奥运会将给北京带来约90亿的直接经济效应，约合人民币745亿元。

15

本文来源：https://www.bwwdw.com/article/lcig.html