張 倩

基于支持向量機(jī)的新經(jīng)濟(jì)增長點(diǎn)選擇研究

張 倩

（西安財(cái)經(jīng)學(xué)院統(tǒng)計(jì)學(xué)院，陜西西安710100）

針對現(xiàn)階段新經(jīng)濟(jì)增長點(diǎn)選擇模型無法區(qū)分“已有的”增長點(diǎn)與“新的”增長點(diǎn)的問題，使用支持向量機(jī)挖掘新經(jīng)濟(jì)增長點(diǎn)的潛在性。研究顯示：陜西省2010年38個工業(yè)行業(yè)可劃分為“新經(jīng)濟(jì)增長點(diǎn)”與“非新經(jīng)濟(jì)增長點(diǎn)”兩類，新經(jīng)濟(jì)增長點(diǎn)一類中前十位行業(yè)與陜西省“十二五”規(guī)劃中的文化產(chǎn)業(yè)、高新技術(shù)產(chǎn)業(yè)、新能源產(chǎn)業(yè)發(fā)展相一致，可見支持向量機(jī)在新經(jīng)濟(jì)增長點(diǎn)選擇中的可行性和可靠性。

新經(jīng)濟(jì)增長點(diǎn)；支持向量機(jī)；產(chǎn)業(yè)

一、引 言

2008年，中國政府為應(yīng)對由美國次貸危機(jī)引起的全球性金融危機(jī)，通過投資四萬億元拉動經(jīng)濟(jì)增長，使得中國的經(jīng)濟(jì)增長模式由出口型向內(nèi)需型轉(zhuǎn)變，雖然在一定程度上有效地緩解了金融危機(jī)帶來的影響，但其不可持續(xù)性已成定論?！笆濉逼陂g尋找新的經(jīng)濟(jì)發(fā)展契機(jī)、培育新經(jīng)濟(jì)增長點(diǎn)已成為各級政府統(tǒng)籌經(jīng)濟(jì)工作的重點(diǎn)。如何能夠找到新的增長點(diǎn)，將選擇過程變得有根有據(jù)，為政策制定提供依據(jù)，是本文研究的出發(fā)點(diǎn)。

經(jīng)濟(jì)增長點(diǎn)理論來源于經(jīng)濟(jì)不平衡增長理論，法國經(jīng)濟(jì)學(xué)家弗朗索瓦·佩魯（F．Perroux）在《經(jīng)濟(jì)空間：理論的應(yīng)用》和《略論發(fā)展極的概念》等著述中最早提出了“發(fā)展極”（Poles of Development）理論，他認(rèn)為某些主導(dǎo)產(chǎn)業(yè)或有創(chuàng)新能力的企業(yè)在一些區(qū)域的聚集和優(yōu)先發(fā)展形成經(jīng)濟(jì)活動中心，這些中心具有輻射作用，可以帶動一個地區(qū)的經(jīng)濟(jì)發(fā)展［1］。在西方，新經(jīng)濟(jì)增長點(diǎn)主要指的是地理上的經(jīng)濟(jì)活動中心，在我國，新經(jīng)濟(jì)增長點(diǎn)主要指產(chǎn)業(yè)上的帶動作用［2］。由此可見，新經(jīng)濟(jì)增長點(diǎn)是一個經(jīng)濟(jì)屬性與空間屬性并重的概念，是經(jīng)濟(jì)點(diǎn)與空間點(diǎn)的結(jié)合［3］。本文認(rèn)為，新經(jīng)濟(jì)增長點(diǎn)是一切能引起經(jīng)濟(jì)增長的潛在因素，不僅具有經(jīng)濟(jì)屬性和空間屬性，同時也具有時間上的潛在性，即不是已有的、成熟的增長點(diǎn)，而是在現(xiàn)階段尚不明顯或已初現(xiàn)，但在不久將來，因其巨大的成長性和帶動作用將成為一個時期發(fā)展的主流。新經(jīng)濟(jì)增長點(diǎn)的選擇模型主要有三種：選擇圖譜法［4］，線性模型法［3］，因子分析法［5］?，F(xiàn)有方法存在兩點(diǎn)不足，第一，沒有突出新經(jīng)濟(jì)增長點(diǎn)的潛在性，區(qū)分出“已有的”增長點(diǎn)與“新的”增長點(diǎn)；第二，沒有指明新經(jīng)濟(jì)增長點(diǎn)具體的增長環(huán)節(jié)。

支持向量機(jī)（Support Vector Machine，SVM）方法是建立在統(tǒng)計(jì)學(xué)習(xí)理論和Vapnik－Chervonenkis（VC）維概念的基礎(chǔ)之上［6］225－260。雖然統(tǒng)計(jì)學(xué)習(xí)理論論證堅(jiān)實(shí)，理論完善，但是它對所研究對象的樣本數(shù)目要求較高，往往要有趨于無窮大的漸近行為，而實(shí)際問題中，研究對象的樣本數(shù)目有限，通常很難滿足以上假設(shè)前提。支持向量機(jī)的出現(xiàn)，為解決有限樣本學(xué)習(xí)問題提供了有力支持。鄭治偉、孟衛(wèi)東使用支持向量機(jī)對重慶市主導(dǎo)產(chǎn)業(yè)進(jìn)行了預(yù)測［7］，研究結(jié)果同“十一五”期間重慶市產(chǎn)業(yè)現(xiàn)狀和未來產(chǎn)業(yè)規(guī)劃基本吻合，證實(shí)了支持向量機(jī)的科學(xué)性、合理性和前瞻性。

前人的研究成果啟發(fā)了筆者的研究思路。SVM是一種典型的兩類問題分類器，可以根據(jù)已學(xué)會的知識和處理問題的經(jīng)驗(yàn)對復(fù)雜問題做出合理的判斷決策，給出較滿意的解答［8］。對于新經(jīng)濟(jì)增長點(diǎn)的選擇問題，可以使用過去的“新經(jīng)濟(jì)增長點(diǎn)”對模型進(jìn)行訓(xùn)練，識別出未來的“新經(jīng)濟(jì)增長點(diǎn)”的時間屬性。同時，針對新經(jīng)濟(jì)增長點(diǎn)選擇更為具體、微觀的特點(diǎn)，在選擇出新經(jīng)濟(jì)增長點(diǎn)后，將行業(yè)與本地區(qū)的自然資源和行業(yè)發(fā)展動態(tài)相結(jié)合，尋找具體的增長環(huán)節(jié)，完成新經(jīng)濟(jì)增長點(diǎn)的微觀化，加深對增長環(huán)節(jié)具體化的理解和研究。

二、計(jì)量模型及測量指標(biāo)

（一）支持向量機(jī)簡介

支持向量機(jī)是由V．Vapnik和A．Lerner提出的一種新型的基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)算法。自從20世紀(jì)90年代提出相關(guān)概念后，SVM已在手寫體識別、圖像分類、時間序列預(yù)測等領(lǐng)域取得了廣泛的應(yīng)用和豐碩的成果。隨著對支持向量機(jī)的不斷深入研究，它已經(jīng)成為機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘最重要的工具之一。

SVM模型主要應(yīng)用于樣本點(diǎn)的分類問題。在線性可分的情況下，如圖1所示，對于分別屬于H1和H2的兩類樣本點(diǎn)，可以輕易地找出一條直線H，將兩類樣本很好地區(qū)分開來。在無法用直線來分類樣本點(diǎn)的情況下，SVM通過尋找唯一的分類間隔最大超平面來解決分類問題。在圖1中，超平面H1由兩個空心圓張成，超平面H2由兩個實(shí)心圓張成。這四個樣本稱為支持向量。所謂分類間隔最大超平面就是指平行H1和H2的超平面H，它不僅能將H1和H2正確分類，而且使得兩者之間的距離最大。

圖1 線性可分情況下的最優(yōu)分類面

超平面H的方程為x·w＋b＝0，在對其進(jìn)行歸一化之后，線性可分的樣本集（xi，yi），i＝1，…，n，x∈Rd，y∈｛＋1，－1｝，滿足：

此時分類間隔等于2／｜｜w｜｜。尋找最優(yōu)超平面等價于在約束條件（1）下，使最小。以上優(yōu)化問題等價于下述對偶問題：

其中αi為Lagrange乘子。該二次函數(shù)優(yōu)化問題存在唯一解。解中非零αi所對應(yīng)的樣本就是支持向量，相應(yīng)的最優(yōu)分類函數(shù)是：

b＊是最優(yōu)超平面的偏移量，通常由分類后的支持向量求均值所得。

無論是直線還是超平面，在線性可分的情形下，總可以在原空間上利用SVM解決分類問題。但是對于線性不可分的情況，在原空間上已不能直接應(yīng)用上述分類手段，必須利用非線性特征函數(shù)Φ∶Rd→W，將原空間上線性不可分的情形轉(zhuǎn)換為特征空間上線性可分的情形，才能夠繼續(xù)利用SVM進(jìn)行分類。由于無法直接在高維的特征空間上利用特征函數(shù)計(jì)算分類超平面，為此，引入核函數(shù)K（x，y）的概念。核函數(shù)，就是原空間上的非線性映射，它的函數(shù)表現(xiàn)為特征函數(shù)的點(diǎn)積形式，即K（x，y）＝Φ（x）· Φ（y）。因此，特征空間上的分類問題可以轉(zhuǎn)化為支持向量在核函數(shù)上的權(quán)重和問題。此時，分類函數(shù)的形式為：

常用的核函數(shù)有以下三種：

1．多項(xiàng)式核函數(shù)

K（x，y）＝［（x·y）＋1］d

2．徑向基核函數(shù)

3．Sigmoind核函數(shù)

K（x，y）＝tanh（k（x·y）＋c）

實(shí)際應(yīng)用中，由于徑向基函數(shù)實(shí)現(xiàn)非線性映射時使用參數(shù)較少，往往成為選擇核函數(shù)時的首選。本文即選用徑向基函數(shù)作為核函數(shù)進(jìn)行SVM分類。

從以上介紹可知，相對其他統(tǒng)計(jì)方法，SVM具有以下優(yōu)勢：

1．在有限樣本的前提下，可以求出問題的最優(yōu)解，降低了收集樣本信息的成本；

2．SVM模型得到的結(jié)論是全局最優(yōu)的，克服了其他方法中無法避免的局部極值問題；

3．通過引入核函數(shù)，使得可以僅僅通過兩個原始低維空間中的向量，獲得高維特征空間中的向量內(nèi)積，解決了在高維空間中難以求解最優(yōu)超平面的難題。

（二）建立分類模型

1．訓(xùn)練樣本數(shù)據(jù)預(yù)處理

（1）對訓(xùn)練樣本歸一化，消除量綱的影響；

（2）yqi采用如下策略進(jìn)行調(diào)整：若行業(yè)屬于新經(jīng)濟(jì)增長點(diǎn)，則yqi＝1；反之，yqi＝－1。

2．建立SVM模型分類器

取徑向基函數(shù)為核函數(shù)，利用訓(xùn)練樣本（xi，yi）求解如式（5）的二次優(yōu)化問題，從而獲得（αi，b）及其對應(yīng)的支持向量：

利用獲得的αi，b和支持向量，得到行業(yè)的分類模型：

重復(fù)上述分類過程l次，得到l個行業(yè)分類模型。

3．判別行業(yè)是否屬于新經(jīng)濟(jì)增長點(diǎn)

利用獲得的判別模型，即可根據(jù)行業(yè)輸入模式，判別行業(yè)是否屬于新經(jīng)濟(jì)增長點(diǎn)。若第q個行業(yè)的輸出等于1，則該行業(yè)屬于新經(jīng)濟(jì)增長點(diǎn)；若輸出為－1，則該行業(yè)不屬于新經(jīng)濟(jì)增長點(diǎn)。

（三）指標(biāo)體系的設(shè)立

新經(jīng)濟(jì)增長點(diǎn)是指那些處于潛在狀態(tài)，尚不明顯或者已初現(xiàn)，具有良好的發(fā)展勢頭和前景，能在不久的將來發(fā)揮作用的經(jīng)濟(jì)增長點(diǎn)，結(jié)合經(jīng)濟(jì)增長點(diǎn)的特征，經(jīng)濟(jì)增長點(diǎn)的選擇應(yīng)依據(jù)以下三點(diǎn)原則：

1．增長潛力與成長性。新經(jīng)濟(jì)增長點(diǎn)要有發(fā)展?jié)摿统砷L性，對經(jīng)濟(jì)增長貢獻(xiàn)要大，能夠成為拉動經(jīng)濟(jì)增長的主導(dǎo)力量。同時，具有技術(shù)進(jìn)步帶動作用，技術(shù)進(jìn)步才能使得增長點(diǎn)由外延式增長轉(zhuǎn)變?yōu)榧s式、內(nèi)涵式增長。

2．經(jīng)濟(jì)效益。所選行業(yè)應(yīng)具有一定的經(jīng)濟(jì)規(guī)模和經(jīng)濟(jì)效益。

3．帶動性。新經(jīng)濟(jì)增長點(diǎn)的推動作用和帶動作用要大，能夠促進(jìn)相關(guān)產(chǎn)業(yè)發(fā)展。

結(jié)合以上原則，根據(jù)理論指導(dǎo)及實(shí)際數(shù)據(jù)來源，本文選擇如下指標(biāo)：

1．反映增長潛力與成長性的指標(biāo)

經(jīng)濟(jì)增長理論認(rèn)為，決定經(jīng)濟(jì)增長的主要因素有技術(shù)進(jìn)步、人力資源和資本積累。根據(jù)前言分析，中國現(xiàn)階段通過投資實(shí)現(xiàn)增長已經(jīng)不可持續(xù)，但可以通過鼓勵技術(shù)進(jìn)步得到，因此在增長潛力原則下選擇技術(shù)進(jìn)步貢獻(xiàn)率指標(biāo)。

技術(shù)進(jìn)步貢獻(xiàn)率

x1＝1－（α×K）／Y－（β×L）／Y

其中K為資本的年均增長速度，L為勞動的平均增長速度，α為資本產(chǎn)出彈性，β為勞動產(chǎn)出彈性，通常假定生產(chǎn)在一定時期內(nèi)α、β為一常數(shù)，并且α＋β＝1。

新經(jīng)濟(jì)增長點(diǎn)應(yīng)該適應(yīng)市場需求，具有巨大的市場潛力，因此選擇需求收入彈性系數(shù)x2作為反映市場需求標(biāo)準(zhǔn)的指標(biāo)。該系數(shù)是指在價格不變的前提下，某行業(yè)的需求增加率同人均國民收入增加率之比，用以反映某行業(yè)的社會需求量的變化對國民收入變化的敏感程度。其中x2表示某行業(yè)i的需求收入彈性系數(shù)；ΔQi／Qi為該產(chǎn)業(yè)的需求增加率；ΔNi／Ni為同期人均國民收入增加率，i＝1，2，…，n。

2．反映經(jīng)濟(jì)效益的指標(biāo)

3．反映帶動性的指標(biāo)

新經(jīng)濟(jì)增長點(diǎn)對一個時期一個地區(qū)經(jīng)濟(jì)增長的帶動性可以通過影響力系數(shù)和感應(yīng)度系數(shù)得以評價。

影響力系數(shù)反映了某產(chǎn)品部門最終需求增加一個單位時對國民經(jīng)濟(jì)其他部門的影響程度。

感應(yīng)度系數(shù)反映了國民經(jīng)濟(jì)的其他部門的最終需求均增加一個單位，各部門應(yīng)該增加的總產(chǎn)出的數(shù)量。

三、實(shí)證分析

（一）訓(xùn)練集與實(shí)驗(yàn)集樣本數(shù)據(jù)來源

訓(xùn)練集中的訓(xùn)練樣本分為兩類，一類為“新經(jīng)濟(jì)增長點(diǎn)”，另一類為“非新經(jīng)濟(jì)增長點(diǎn)”。“新經(jīng)濟(jì)增長點(diǎn)”一類選擇的是我國信息產(chǎn)業(yè)（2010）、汽車產(chǎn)業(yè)（2003），這兩個行業(yè)在相關(guān)文獻(xiàn)中有所提及并在經(jīng)濟(jì)發(fā)展中得到檢驗(yàn)［9－10］，因此選擇信息產(chǎn)業(yè)2005—2009年的數(shù)據(jù)及汽車產(chǎn)業(yè)1999—2003年數(shù)據(jù)；“非新經(jīng)濟(jì)增長點(diǎn)”一類選擇的是我國水的生產(chǎn)和供應(yīng)業(yè)（2010），為與“新經(jīng)濟(jì)增長點(diǎn)”一類保持同比性，數(shù)據(jù)同樣為5年期限，從2006—2010年。指標(biāo)數(shù)據(jù)來源于《中國信息產(chǎn)業(yè)年鑒》（2006—2010），《中國汽車工業(yè)年鑒》（2000—2004），《中國統(tǒng)計(jì)年鑒》（2004—2011），《中國投入產(chǎn)出表》（2002，2007），部分指標(biāo)數(shù)據(jù)經(jīng)計(jì)算得到。

實(shí)驗(yàn)集中的實(shí)驗(yàn)樣本選擇《陜西統(tǒng)計(jì)年鑒》（2011）工業(yè)分類下的38個部門，數(shù)據(jù)來源于《陜西統(tǒng)計(jì)年鑒》（2005—2011），《中國投入產(chǎn)出表》（2007），《陜西省投入產(chǎn)出表》（2007）。

（二）計(jì)算步驟與結(jié)果

1．?dāng)?shù)據(jù)無量綱化處理

為了剔除量綱對計(jì)算結(jié)果的影響，首先對數(shù)據(jù)進(jìn)行初始化處理。本文選擇的無量綱化方法為標(biāo)準(zhǔn)化處理法m）分別為第j項(xiàng)指標(biāo)觀測值的平均值和標(biāo)準(zhǔn)差，x＊ij為處理后的標(biāo)準(zhǔn)化指標(biāo)。

2．指標(biāo)計(jì)算

需求收入彈性系數(shù)的計(jì)算。在利用式（7）對需求收入彈性系數(shù)進(jìn)行實(shí)際計(jì)算時，對此公式做適當(dāng)?shù)霓D(zhuǎn)化，用某行業(yè)的產(chǎn)品收入彈性系數(shù)代表該行業(yè)的收入彈性系數(shù)；公式所指的需求量是指未來的需求量，但因無法提前預(yù)知，故用當(dāng)期的需求量替代；基于對統(tǒng)計(jì)數(shù)據(jù)可得性的考慮，用當(dāng)期的銷售量表示需求量。

技術(shù)進(jìn)步貢獻(xiàn)率的計(jì)算。技術(shù)進(jìn)步貢獻(xiàn)率的計(jì)算根據(jù)C－D生產(chǎn)函數(shù)，ΔA／A＝ΔY／Y－αΔK／K－βΔL／L。式中，ΔA／A為全要素生產(chǎn)率；ΔY／Y為生產(chǎn)增長率，ΔL／L為勞動增長率；ΔK／K為資金增長率；α表示勞動對國民收入所做貢獻(xiàn)的百分比，β表示資金對國民收入所作貢獻(xiàn)的百分比。本文對陜西省第二產(chǎn)業(yè)各行業(yè)分別取2005—2011年產(chǎn)值、從業(yè)人員數(shù)、固定資產(chǎn)數(shù)，根據(jù)C—D生產(chǎn)函數(shù)，其中使用永續(xù)存盤法測算固定資本存量，使用SPSS11．0利用多元非線性回歸功能計(jì)算第二產(chǎn)業(yè)各行業(yè)的技術(shù)進(jìn)步貢獻(xiàn)率。

3．模型擬合

首先，按如下規(guī)則設(shè)置訓(xùn)練集樣本：

（1）設(shè)“新經(jīng)濟(jì)增長點(diǎn)”信息產(chǎn)業(yè)和汽車產(chǎn)業(yè)均為“1”；

（2）設(shè)“非新經(jīng)濟(jì)增長點(diǎn)”水的生產(chǎn)和供應(yīng)業(yè)為“－1”。

模型采用基于徑向基函數(shù)的SVM分類器，令σ＝0．5。利用式（5），求出相應(yīng)的（αi，b）及其對應(yīng)的支持向量，并結(jié)合式（6）給出的行業(yè)分類模型，計(jì)算實(shí)驗(yàn)樣本中各行業(yè)的分類結(jié)果。表1給出了以上計(jì)算過程的擬合結(jié)果。從表1中可以看出，模型將行業(yè)分為兩類：新經(jīng)濟(jì)增長點(diǎn)（13個行業(yè)）和非新經(jīng)濟(jì)增長點(diǎn)（24個行業(yè)）。通過計(jì)算各行業(yè)實(shí)驗(yàn)數(shù)據(jù)到最優(yōu)平面的距離（d），可以給出各行業(yè)在各自分類中的排名次序規(guī)則：d越小，越與訓(xùn)練集中的分類標(biāo)準(zhǔn)相近，該行業(yè)越有可能成為（非）新經(jīng)濟(jì)增長點(diǎn)。

表1 模型分類及排序結(jié)果表

（三）結(jié)果分析

經(jīng)計(jì)算可知，被劃分為新經(jīng)濟(jì)增長點(diǎn)一類的行業(yè)為通信設(shè)備、計(jì)算機(jī)及其他電子設(shè)備制造業(yè)，非金屬礦物制品業(yè)，石油和天然氣開采業(yè)，文教體育用品制造業(yè)，醫(yī)藥制造業(yè)，印刷業(yè)和記錄媒介的復(fù)制，有色金屬礦采選業(yè)，通用設(shè)備制造業(yè)，電氣機(jī)械及器材制造業(yè)，專用設(shè)備制造業(yè)，紡織業(yè)，化學(xué)纖維制造業(yè)，非金屬礦采選業(yè)。根據(jù)行業(yè)到最優(yōu)平面的距離（d）將排在前十位的行業(yè)作為重點(diǎn)發(fā)展行業(yè)。

根據(jù)行業(yè)增長特點(diǎn)，具體的增長環(huán)節(jié)分析如下：通信設(shè)備、計(jì)算機(jī)及其他電子設(shè)備制造業(yè)可發(fā)展一些污染小、附加值高、對整個西部輻射作用較大的產(chǎn)業(yè)，如高端軟件和集成電路產(chǎn)業(yè)、物聯(lián)網(wǎng)產(chǎn)業(yè)；通用設(shè)備制造業(yè)著重發(fā)展高新技術(shù)產(chǎn)業(yè)；有色金屬礦采選業(yè)注重其中新能源產(chǎn)業(yè)的發(fā)展；基于陜西省大力發(fā)展文化產(chǎn)業(yè)的實(shí)際情況，印刷業(yè)和記錄媒介的復(fù)制業(yè)的發(fā)展可側(cè)重于與文化產(chǎn)業(yè)相關(guān)部分進(jìn)行結(jié)合；醫(yī)藥制造業(yè)著重培育在生物產(chǎn)業(yè)的生物醫(yī)藥領(lǐng)域中的應(yīng)用；借陜西省建立國家民用航天產(chǎn)業(yè)基地的契機(jī)，專用設(shè)備制造業(yè)也可與之相結(jié)合發(fā)展；電氣機(jī)械及器材制造業(yè)可著重發(fā)展集成電路、激光、半導(dǎo)體照明等產(chǎn)業(yè)。《陜西省國民經(jīng)濟(jì)和社會發(fā)展“十二五”規(guī)劃綱要》中指出，“十二五”期間陜西省要重點(diǎn)發(fā)展裝備制造業(yè)、文化產(chǎn)業(yè)、戰(zhàn)略性新興產(chǎn)業(yè)，其中戰(zhàn)略性新興產(chǎn)業(yè)包括高新技術(shù)產(chǎn)業(yè)、能源產(chǎn)業(yè)，與本文的分析結(jié)果相比，通過支持向量機(jī)的方法選擇的新經(jīng)濟(jì)增長點(diǎn)與陜西省“十二五”規(guī)劃確定的重點(diǎn)發(fā)展產(chǎn)業(yè)基本吻合。

四、結(jié) 論

本文使用SVM選擇新經(jīng)濟(jì)增長點(diǎn)，其優(yōu)勢在于：通過經(jīng)時間證實(shí)的增長點(diǎn)挖掘潛在經(jīng)濟(jì)增長點(diǎn)，使得模型同時具備經(jīng)濟(jì)屬性、空間屬性和時間上的潛在性。SVM在解決小樣本、非線性及高維模式識別方面具有優(yōu)勢，本文使用某個地區(qū)在某個時期成為新經(jīng)濟(jì)增長點(diǎn)的行業(yè)作為新經(jīng)濟(jì)增長點(diǎn)判斷的“標(biāo)準(zhǔn)行業(yè)”，利用SVM在識別時需要訓(xùn)練的特點(diǎn)，使用這些標(biāo)準(zhǔn)行業(yè)進(jìn)行訓(xùn)練，通過訓(xùn)練使模型對新經(jīng)濟(jì)增長點(diǎn)的特征有了“記憶”，這時，再使用需要被評價的某地區(qū)當(dāng)下時間段的多個行業(yè)輸入模型進(jìn)行運(yùn)算，當(dāng)某個行業(yè)的特征同經(jīng)過時間驗(yàn)證的過去的新經(jīng)濟(jì)增長點(diǎn)的特征一致或接近時，模型就會識別出來新經(jīng)濟(jì)增長點(diǎn)。同時，在選擇出新經(jīng)濟(jì)增長點(diǎn)后，將行業(yè)與本地區(qū)的自然資源和行業(yè)發(fā)展動態(tài)相結(jié)合，尋找具體的增長環(huán)節(jié)，完成新經(jīng)濟(jì)增長點(diǎn)的微觀化，加深對增長環(huán)節(jié)具體化的理解和研究。

［1］ Perroux F．Economic Space：Theory and Application［J］．Quarterly Journal of Economics，1950（64）．

［2］ 羅亮．國內(nèi)關(guān)于經(jīng)濟(jì)增長點(diǎn)理論的研究綜述［J］．經(jīng)濟(jì)學(xué)動態(tài)，2003（12）．

［3］ 王志寶．確定新經(jīng)濟(jì)增長點(diǎn)的一種方法——以深圳市為例［J］．經(jīng)濟(jì)地理，2009（4）．

［4］ 辛楊．新經(jīng)濟(jì)增長點(diǎn)開發(fā)理論與方法研究［D］．長春：吉林大學(xué)管理學(xué)院，2006．

［5］ 陳紅霞，袁顯平．“十二五”產(chǎn)業(yè)增長點(diǎn)的選擇與評價——以陜西省工業(yè)為例［J］．中國科技論壇，2011（6）．

［6］ Vapnik V．The Nature of Statistical Learning Theory［M］．2nd ed．New York：Springer Verlag，1999．

［7］ 鄭治偉，孟衛(wèi)東．基于支持向量機(jī)的重慶市主導(dǎo)產(chǎn)業(yè)選擇研究［J］．北京理工大學(xué)學(xué)報：社會科學(xué)版，2010（10）．

［8］ Muller K R，Mika S，Rtsch G．An Introduction to Kernel－Based Learning Algorithms［J］．IEEE Trans．on Neural Networks，2001，12（2）．

［9］ 趙彤．21世紀(jì)中國經(jīng)濟(jì)新的增長點(diǎn)［J］．交通科技與經(jīng)濟(jì)，2004（3）．

［10］鄭小波．我國電子信息產(chǎn)業(yè)對國民經(jīng)濟(jì)發(fā)展的影響力研究［J］．商業(yè)時代，2011（25）．

Study about Selection of the New Economic Growth Point Based on Support Vector Machine

ZHANG Qian
（School of Statistics，Xi＇an University of Finance and Economics，Xi＇an 710100，China）

For the problem of selection model of the new economic growth point can not be distinguished between the“existing”and“new”，This paper use SVM to mining the potential economic growth point．Research results show：38industrial sectors of Shaanxi Province in 2010，can be divided into two categories，one is the“new economic growth points”and the other is“non－new economic growth points”．Top 10industrial sectors of the“new economic growth points”category are consistent with the cultural industries，high－tech industries，new energy industry in 12th Five－year Plan of Shaanxi province，it said that SVM is feasible and reliable in the selection of new economic growth points．

new economic growth point；support vector machine；industries

book=66,ebook=12

F061．3

A

1007－3116（2012）06－0066－06

（責(zé)任編輯：王南豐）

2012－03－04

西安統(tǒng)計(jì)研究院基金項(xiàng)目《加快發(fā)展第三產(chǎn)業(yè)行業(yè)與陜西省新經(jīng)濟(jì)增長點(diǎn)研究》（09JD09）

張 倩，女，新疆烏魯木齊人，碩士，助教，研究方向：統(tǒng)計(jì)方法與應(yīng)用。