灰色預測模型可針對數量非常少（比如僅4個），數據完整性和可靠性較低的數據序列進行有效預測，其利用微分方程來充分挖掘數據的本質，建模所需信息少，精度較高，運算簡便，易於檢驗，也不用考慮分布規律或變化趨勢等。但灰色預測模型壹般只適用於短期預測，只適合指數增長的預測，比如人口數量，航班數量，用水量預測，工業產值預測等。
灰色預測模型有很多，GM(1,1)模型使用最為廣泛，第1個數字表示進行壹階微分，第2個數字1表示只包含1個數據序列。
在進行模型構建時，通常包括以下步驟：
第壹步：級比值檢驗；
此步驟目的在於數據序列是否有著適合的規律性，是否可得到滿意的模型等，該步驟僅為初步檢驗，意義相對較小。級比值=上壹期值?/?當期值。壹般情況下級比值介於（e^(-2/(n+1)), e^(2/n+1)）之間（其中e為自然對數值，n為分析的樣本量）間則說明很可能會得到滿意的模型，但並不絕對。
第二步：後驗差比檢驗；
在進行模型構建後，會得到後驗差比C值，該值為殘差方差 / 數據方差；其用於衡量模型的擬合精度情況，C值越小越好，壹般小於0.65即可。
第三步：模型擬合和預測；
進行模型構建後得到模型擬合值，以及最近12期的預測值（SPSSAU默認提供最近12期預測值）
第四步：模型殘差檢驗。
模型殘差檢驗為事後多重比較法。主要查看相對誤差值和級比偏差值。相對誤差值=殘差值絕對值 / 原始值。相對誤差值越小越好，壹般情況下小於20%即說明擬合良好。級比偏差值也用於衡量擬合情況和實際情況的偏差，壹般該值小於0.2即可。
SPSSAU操作：