基于主成分分析法的區域經濟資源位建模討論

一、使用主成分分析法計算各個區域的資源位

本文的目的是建立經濟系統的神經網絡模型，因此需要實驗數據對神經網絡進行訓練。

二、輸入指標選擇和模型構建

本文參考系統經濟學中區域經濟度量 中計量區域經濟資源位的指標輸入體系，并結合《2006中國統計年鑒》 中實際的數據指標，選取的投資類指標包括:人均資本形成總額、人均全社會固定資產投資和人均全社會建設總規模；選取的人力資源類指標包括每萬人中受教育程度大學本科人口數、每萬人中國有企事業單位專業技術人員數、每萬人中衛生機構人員數、每萬人中執業醫師人員數；選取的科技知識類指標包括：每萬人普通高等學校專任教師人數、每萬人各地區技術市場成交額、各地區每萬人教育經費情況、每萬人科研經費內部支出和每萬人教育經費情況；選取的制度類指標包括：全社會固定資產投資中國有經濟、私營企業就業人數占人口比例和城鎮人口比重。模型建立起來之后，通過前述主成分分析法得到的數據進行學習和訓練就可以得到數軍對網絡進行學習和訓練，就可以評測區域經濟的資源位了，詳細建模過程參見。

三、討論

資源位的統計和計算有其自身的特點，是一套較為全面的綜合評價，其既不同于地區生產總值的簡單排序也不同于人均國民生產總值的排列，但同時人均資源位的排名與人均國民生產總值的排名又具有較大的相同點和可比性，前八名的排序雖然略有改變，但整體具有較大的可比性，例如前八名的地區是沒有改變的，這在一定程度上說明了資源位評價體系的科學性，當然，二者還是具有較大的不同點，例如北京人均國民生產總值低于上海，而資源位卻高于上海，這部分是因為北京在政治、科教、文化等綜合領域相對于上海有較大的優勢。此外，還有一些地區的資源位與人均國名生產總值的排名有較大的差別，如四川、內蒙古和黑龍江的資源位在這兩個排名上有較大的不同，其中四川的資源位排名第九位，而人均國民生產總值排名僅列23；而內蒙古和黑龍江正好相反，人均國民生產總值排序靠前分別排到第九位和第十一位，而資源位排名僅排到第23和第25位。經過分析，原因在于四川不僅在與人口相關的從業人員數量上有較大的優勢，更在于該地區與技術、資本相關的諸多因素有較大的優勢，因此在資源位的綜合評價體系中取得了較高的排名；而內蒙古、黑龍江恰好相反，由于資源豐富，而具有較高的國民生產總值使其在人均國民生產總值中排名靠前，而資源位綜合考慮了這兩個地區比較薄弱特別是資本方面的內容，因此資源位排名比較靠后。

在研究區域經濟的時候，通常會有一套有別于國民生產總值的綜合評價體系，而資源位評價可以作為一套較為科學的評價指標。作為一套評價體系，指標的選擇非常重要，本文的研究中發現，側重分析人均的數據與側重研究整體的數據得到的結果是明顯不一樣的，這就提示在今后的研究中應該將這兩類數據分別研究，從而側重研究區域經濟中不同的兩類指標。

此外，本文用神經網絡建立模型可以不考慮區域經濟各子系統和各指標之間定量關系的問題，利用各指標值的歷年數據作為樣本進行訓練和學習，模擬出現實系統的基本規律，通過樣本的學習和訓練可以度量經濟系統資源位，為研究區域經濟提供了一種可能方法。本文所提出的只是定量研究區域經濟復雜系統的一種可能方法，存在以下一些問題：該模型由于僅采用一個年份的統計數據，而神經網絡是隨著學習的樣本的增多而使得判別能力不斷增強的，因此需要進一步收集大量的統計數據去訓練本文中設計的模型，通過不斷調整神經網絡的權值來改進該模型的判別能力，從而達到更好的效果。當然，并不能期望依賴這樣一個神經網絡模型就完全滿足區域經濟系統的各個要求，必須使用統計以及其它各種算法等對區域經濟進行計量研究，本文所設計的這個模型只是提出對區域經濟這樣一個復雜的經濟系統進行研究的一種可能方法。

參考文獻:

[1]昝廷全:《系統經濟學探索》[M].科學出版社，2004年3月

[2]昝廷全:《中國區域經濟資源位研究》[J].《管理世界》，2003年第11期

[3]中華人民共和國統計局：《2006中國統計年鑒》[M].中國統計出版社，2006年

[4]楊宇音趙雅明曲立敏:《因子分析法在大學生綜合排名中的應用》[J].貴州大學學報， 2005年2月

[5]林海明張文霖:《主成分分析與因子分析詳細的異同和SPSS 軟件》[J].統計研究，2005( 3)

[6]石純過仲陽許世遠:《人工神經網絡在沿海區域環境復雜系統預測中的應用》[J].環境污染與防治，2002年10月

[7]杜保林張安年丁陳壬辰:《基于神經網絡的河南省經濟增長模型》[J].河南科技大學學報，2006年12月

[8]呂琦:《基于神經網絡的區域經濟資源位非線性模型》.《集團經濟研究》[J]，2007年9月