楊志勇，申映華，霍騰飛，吳斌堂

0 引言

建筑業(yè)是國民經(jīng)濟的支柱產(chǎn)業(yè)，是一個重要的物質生產(chǎn)部門。我國建筑業(yè)增加值約占國內(nèi)生產(chǎn)總值的7%，建筑業(yè)總產(chǎn)值是固定資產(chǎn)投資總額的2/3，建筑業(yè)總就業(yè)人數(shù)達4000多萬人[1]。因此，在今后很長一段時間內(nèi)中國建筑產(chǎn)業(yè)的發(fā)展情況很大程度上影響著中國經(jīng)濟發(fā)展的速度，以及中國的就業(yè)等社會民生問題。但是目前，我國的建筑產(chǎn)業(yè)整體競爭力不足，與發(fā)達國家相比有著不小的差距。在《美國工程新聞記錄》（Engineering News-Record，簡稱ENR）發(fā)布的2010年度國際承包商225強榜單上，美國上榜企業(yè)為20家，其海外營業(yè)總額為497.3億美元，僅僅略低于中國54家企業(yè)的海外營業(yè)總額[2]。因此，分析影響建筑產(chǎn)業(yè)競爭力的因素，預測省域建筑產(chǎn)業(yè)競爭力，提高建筑產(chǎn)業(yè)競爭力，對于提高我國整個建筑行業(yè)競爭力具有重要的理論和現(xiàn)實意義。

本文將借鑒波特的競爭優(yōu)勢理論[3]，依托金碚教授提出的“因果分析范式”[4]，將競爭優(yōu)勢和競爭結果加以區(qū)分，建立中國省域建筑產(chǎn)業(yè)競爭力評價指標和競爭力度量模型，并運用PCA與SVM相結合的方法實證分析預測中國省域建筑產(chǎn)業(yè)競爭力。

1 中國省域建筑產(chǎn)業(yè)競爭力評價指標體系的構建

根據(jù)數(shù)據(jù)的可獲得性，結合中國省域的建筑產(chǎn)業(yè)競爭力狀況，選擇了生產(chǎn)經(jīng)營效益；產(chǎn)業(yè)生產(chǎn)效率；生產(chǎn)要素；需求狀況；輔助產(chǎn)業(yè)；產(chǎn)業(yè)集中度和創(chuàng)新因素7個一級個指標22個二級指標作為評價地區(qū)建筑產(chǎn)業(yè)競爭力評價指標體系。其中產(chǎn)業(yè)經(jīng)營效益及產(chǎn)業(yè)生產(chǎn)效率兩個指標視為競爭結果，其余5個一級指標視為競爭優(yōu)勢形成的原因。具體如圖1。

由于我國各地區(qū)建筑產(chǎn)業(yè)主管部門統(tǒng)一受中央主管部門的管理，各地區(qū)根據(jù)具體情況，將中央主管部門的法律、法規(guī)、規(guī)章等細化，用于指導具體工作，加之各地區(qū)具有較強的地方保護主義，因此，政府在影響區(qū)域之間建筑產(chǎn)業(yè)競爭力的作用不明顯，在建立競爭優(yōu)勢評價指標體系時不考慮政府行為的影響。

圖1 中國省域建筑產(chǎn)業(yè)競爭力評價指標

2 數(shù)據(jù)來源及處理

圖1構建的指標體系，全部數(shù)據(jù)可從2006～2010年中國統(tǒng)計年鑒獲得，其中總承包企業(yè)特、一級產(chǎn)值比例、一級專業(yè)分包企業(yè)人均利潤，是三個復合指標，其他19個指標為單一指標。根據(jù)29個省份（因數(shù)據(jù)缺乏，不含西藏、海南、香港、澳門、臺灣5個地區(qū)）22個指標5年中的平均值，利用SPSS12.0軟件的因子分析計算出的“七因素”主成分提取個數(shù)情況以及累計達到的貢獻率見表1。

表1 主成分選取分析

產(chǎn)業(yè)經(jīng)營效益、需求狀況和輔助產(chǎn)業(yè)三個指標的第一主成分累計貢獻率已經(jīng)超過了85%；生產(chǎn)要素、產(chǎn)業(yè)集中度、生產(chǎn)效率和創(chuàng)新因素第一主成分的累積貢獻率雖然未達到85%，但生產(chǎn)要素第一主成分的特征值為5.668，第二主成分的特征值為0.788，產(chǎn)業(yè)集中度第一主成分的特征值為1.463，第二主成分的特征值為0.537；生產(chǎn)效率第一主成分的特征值為1.359，第二主成分的特征值為0.641；創(chuàng)新因素第一主成分的特征值為1.682，第二主成分的特征值為0.318，因此，各提取一個主成分。

依據(jù)主成分載荷矩陣，分別寫出生產(chǎn)經(jīng)營效益、產(chǎn)業(yè)生產(chǎn)效率、生產(chǎn)要素、需求狀況、輔助產(chǎn)業(yè)、產(chǎn)業(yè)集中度及創(chuàng)新因素的主成分表達式。

根據(jù)上述主成分表達式確定各省份生產(chǎn)經(jīng)營效益、產(chǎn)業(yè)生產(chǎn)效率、生產(chǎn)要素、需求狀況、輔助產(chǎn)業(yè)、產(chǎn)業(yè)集中度、創(chuàng)新因素綜合得分狀況,具體數(shù)據(jù)見表4。

3 中國省域建筑產(chǎn)業(yè)競爭力的度量

產(chǎn)業(yè)競爭力是一個非常復雜的概念，涉及到許多的因素，對于競爭力的度量，目前在學術界還未形成統(tǒng)一的認識。通過對前文相關文獻的閱讀可以看到，國內(nèi)和國外的學者和相關的研究機構對產(chǎn)業(yè)競爭力的概念定義以及評價標準不盡相同。但是通過歸納總結不難發(fā)現(xiàn)，其包含的內(nèi)容主要有四個方面，一是市場占有率；二是財富收益率；三是資源利用率；四是可持續(xù)發(fā)展能力。這四個方面之間并非相互獨立地存在著的，其中，財富收益率可以用市場占有率和資源利用率構成的某一函數(shù)來表示。由于“可持續(xù)發(fā)展能力”是一個動態(tài)變化過程的指標，本研究只針對同一時期的靜態(tài)競爭力展開研究，因此，只采用市場占有率和資源利用率兩個指標刻畫產(chǎn)業(yè)競爭力。本文將借鑒劉炳勝提出的靜態(tài)競爭力度量模型[5]：

該模型新簽訂的合同額代替市場占有率，用資本利潤率代替資源利用率，這就有一定的局限性。本文考慮用生產(chǎn)經(jīng)營效益代替市場占有率，用產(chǎn)業(yè)生產(chǎn)效率代替資源利用率。即使用：

作為建筑產(chǎn)業(yè)競爭力的度量模型。

4 基于SVM的中國省域建筑產(chǎn)業(yè)競爭力預測

4.1 SVM原理

支持向量機（Support Vector Machine，簡稱SVM）是在統(tǒng)計學習理論的基礎上發(fā)展起來的新一代學習算法,它集成了對偶理論、凸二次規(guī)劃、泛化性理論、核函數(shù)理論、最優(yōu)化算法,稀松解和松弛變量等多項技術。SVM能較好的解決分類和回歸問題，本文主要運用SVM解決回歸問題。和其它神經(jīng)網(wǎng)絡相比，SVM在估計回歸函數(shù)時具有以下三個獨特的特征：第一，SVM用高維特征空間中的一組函數(shù)來進行回歸。第二，SVM用風險最小化的原理來進行回歸估計，風險運用Vapnik的非敏感損失函數(shù)來衡量。第三,SVM貫徹了SRM（結構風險最小化原理）,即最小化由經(jīng)驗風險和置信范圍組成的風險函數(shù)。

考慮給定的n個學習樣本(xi,yi),xi∈Rd,yi∈R,i=1,2，…，n,線性回歸的目標就是求回歸函數(shù)：

式中，權重ω∈Rd,閥值b∈R,＜ω·x＞為ω與x的內(nèi)積。在以往的學習算法中,優(yōu)化目標是使經(jīng)驗風險即樣本損失函數(shù),然而統(tǒng)計學習理論指出，經(jīng)驗風險最小并不能保證期望風險最小，在結構風險最小化的目標下，線性回歸方程（5）中的參數(shù)應該滿足。

上式中的‖ω‖2/2反映了回歸函數(shù)f(x)的泛化能力，C為懲罰因子。上式表明，結構風險最小化能夠折中考慮回歸函數(shù)的經(jīng)驗風險和泛化能力，因此回歸函數(shù)具有更好的性能。本文利用SVM中的v-SVR進行建立模型。v-SVR是用參數(shù)v來控制支持向量的數(shù)量，n為訓練樣本個數(shù)。為求解（3）中的w和b，引入正的松弛變量ξ≥0和ξ*≥0，ε稱為管道大小，它反映函數(shù)逼近的精確程度。將（4）式轉化為最小化的原規(guī)劃問題：

表2 標準化并提取主成分后的數(shù)據(jù)

引入?yún)?shù)αi,αi*,ηi,ηi*,β≥0構造Lagrange函數(shù)對上述優(yōu)化問題進行求解：

為了最小化式（5），需要最小化變量ω,ε,b,ξ*i及最大化變量α*i,β,η*i，因此，可以得到以下4個方程，即：

求解上述問題，可得到回歸函數(shù)式（10）。根據(jù)支持向量機回歸函數(shù)的性質，只有少數(shù)(α*i-αi)≠0，這些參數(shù)對應的向量稱為支持向量，回歸函數(shù)f(X)完全由其決定。對于式中閥值b，任選一支持向量便可求出。

對于非線性問題，引入核函數(shù)K（Xi,Xj）代替樣本向量的內(nèi)積運算，實現(xiàn)數(shù)據(jù)空間到特征空間的非線性映射，并使低維數(shù)據(jù)空間的非線性問題轉化為高維特征空間的線性問題。引入核函數(shù)后，式（10）變成如下形式：

在具體問題中，選擇一個合適的核函數(shù)很重要，它可以提高支持向量機的學習效率。目前最常用的四種核函數(shù)：

（1）多項式核函數(shù)：K(x ,xi)=(＜ xi?x ＞ +1)q

（2）徑向基函數(shù)核函數(shù)：

Ki(x ,x)=exp(-γ‖x-xi‖2)，γ＞0；

（3）二層神經(jīng)網(wǎng)絡Sigmoid核函數(shù):

支持向量機形式上類似于一個神經(jīng)網(wǎng)絡,其輸出是中間節(jié)點的線性組合,每個中間節(jié)點對應于一個支持向量,其結構如圖2所示。

圖2 支持向量機示意圖

4.2 SVM的訓練與測試

根據(jù)表4分別將各個省的生產(chǎn)經(jīng)營效益與產(chǎn)業(yè)生產(chǎn)效率相乘得出對應省域的競爭力。將27個樣本作為訓練集，2個樣本作為測試集，如表3所示。通過SVM的學習訓練獲得生產(chǎn)要素、需求狀況、輔助產(chǎn)業(yè)、產(chǎn)業(yè)集中度、創(chuàng)新因素與建筑產(chǎn)業(yè)競爭力之間的映射關系。

表3 訓練集與測試集

運用SVM進行預測研究時，所選用的核函數(shù)及參數(shù)很重要。通過實際操作發(fā)現(xiàn)，本研究選用徑向基函數(shù)核函數(shù)：K(x ,xi)=exp(- γ‖x-xi‖2)效果較其他核函數(shù)更佳。

核函數(shù)中γ采用1/k＝0.2（k為因素個數(shù)），其余參數(shù)均采用默認值。通過調(diào)整懲罰系數(shù)C和ν，將訓練樣本輸入，進行SVM的學習，根據(jù)不同的參數(shù)C和v，形成不同向量機模型。本研究中用不同的四組參數(shù)學習形成了四種SVM模型，并在這四種模型上進行了測試，測試效果如表4。

表4 測試效果對照表

從測試對照表中可以看出，對于四組SVM模型，參數(shù)估計的MSE均屬于較小的數(shù)?？蓻Q系數(shù)R2均為1,說明競爭優(yōu)勢對競爭力值的解釋程度較高。廣西和云南兩個省的測試均取得了較好的效果。特別是在第三組c=16,ν=0.5參數(shù)下的測試效果較其他組更為精確，廣西的偏差率5.7%,云南的偏差率為2.9%，兩個省區(qū)的平均偏差為4.26%，均方誤差為0.001041。可見SVM在競爭力的測試上取得了不錯的測試效果，對競爭力有一定的預測能力。

5 結論

本文在借鑒金碚教授的“因果分析范式”的理論基礎上，將區(qū)域建筑處產(chǎn)業(yè)競爭優(yōu)勢及競爭結果加以區(qū)分，建立了中國省域建筑產(chǎn)業(yè)競爭力評價指標，采用了靜態(tài)競爭力競爭力度量模型刻畫產(chǎn)業(yè)競爭力。在此基礎上，運用主成分分析與支持向量機相結合的方法定量地分析預測中國省域建筑產(chǎn)業(yè)競爭力。研究表明，PCA與SVM相結合的方法具有較好的預測效果，對省域建筑產(chǎn)業(yè)競爭力有一定的預測能力。在今后的研究中，可以方便地更新數(shù)據(jù)，根據(jù)各地區(qū)建筑產(chǎn)業(yè)發(fā)展優(yōu)勢對區(qū)域建筑產(chǎn)業(yè)競爭力展開預測研究。更具現(xiàn)實指導意義的是，各地區(qū)可以與其他地區(qū)進行競爭優(yōu)勢及競爭結果對比，找出本地區(qū)建筑產(chǎn)業(yè)在發(fā)展過程中存在的不足，有針對性地提高本地區(qū)建筑產(chǎn)業(yè)競爭力。

[1] 姚兵.建筑經(jīng)濟學研究[M].北京：北京交通大學出版社，2009.

[2] 趙志國.海外營業(yè)額居首中國那個企業(yè)跨步“走出去”[N].中華建筑報,2010-9-9

[3] 邁克爾·波特.國家競爭優(yōu)勢[M].北京：華夏出版社，2002.

[4] 金碚.中國工業(yè)國際競爭力—理論、方法與實證研究[M].北京：經(jīng)濟管理出版社，1997.

[5] 劉炳勝.中國區(qū)域建筑產(chǎn)業(yè)競爭力形成機理研究[D].天津：天津大學，2009.