早在17世纪末,人们就已经知道用事件发生的频率来判断事件发生的概率。计算机的发展使得实现大规模的随机抽样试验成为了可能。将计算机模拟真实随机现象的技术,应用到统计问题的研究之中,并利用模拟结果对实际问题进行分析,便出现了计算机统计模拟。统计模拟可以不断的反复进行,改变系统的结构和参数都比较容易,既能较逼真的模拟现实情况,实验的成本又比较低廉,同时还能缩短工作周期,提高工作效率。本文便是在这一背景下,利用统计模拟技术对经济预测研究中存在的典型问题进行了探索性研究。本文以采油成本预测模型为例,首先使用描述性分析法和列联表分析法证明了地质因素对采油成本的特殊影响方式,当地质因素在一定区间变化时,并不影响采油成本发生显著变化,只有当其超过某一临界值时,才会对采油成本产生显著影响。本文依照这类因素表现出来的数据特征使用统计模拟技术进行了三个模拟试验,并就模拟试验的结果进行比较分析,给出模拟试验的结论。最后分别使用传统模型和改进后的模型对78个采油场的样本数据建模,并进行参数估计,同时对两个模型进行了麦金农J检验,比较两种模型的优劣。实证研究结果表明:对于表现出区间变动性的数据,将指标序化后可以提高回归模型的各项拟合指标,同时模型的预测精度也能得到显著改善。在一定区间内,数据分布越散乱,波动幅度越大,指标序化对模型拟合优度的改善效果越明显。但对于不以区间变动性为主要特征的数据类型,将指标序化以后进行分析并不能使模型的拟合优度得到显著改善。以采油成本的数据为例,将模拟试验得到的结论应用到实践之中发现,将连续变量转换为定性变量之后引入模型,不仅可以使未能通过显著性检验的变量变得显著,还可以提高模型整体的拟合效果和预测精度。目前本文所提出的这一命题在统计学上还并没有给出充分的理论证明。因此,本文的研究在实践和理论方面,都具有重要意义。从实践角度来看,可以为应用研究提供一类简化模型,提高预测精度的研究思路和方法。从理论角度来看,为理论研究提出了新的命题。