后小仙，馬小剛

（1.復(fù)旦大學(xué) 國(guó)際關(guān)系與公共事務(wù)學(xué)院，上海 200433；2.中國(guó)農(nóng)業(yè)銀行 鄭州分行，河南 鄭州 450052）

一、引 言

省域經(jīng)濟(jì)是推動(dòng)中國(guó)經(jīng)濟(jì)健康快速發(fā)展的重要載體，近年來，為了應(yīng)對(duì)金融危機(jī)，各省級(jí)政府紛紛出臺(tái)政府主導(dǎo)性投資推動(dòng)的經(jīng)濟(jì)刺激計(jì)劃，這些投資計(jì)劃在促進(jìn)經(jīng)濟(jì)增長(zhǎng)的過程中，極容易導(dǎo)致投資過熱，給地方經(jīng)濟(jì)帶來系統(tǒng)性的危機(jī)與風(fēng)險(xiǎn)。國(guó)家審計(jì)署最新審計(jì)報(bào)告顯示，截止到2010年底，我國(guó)地方政府債務(wù)總額約為12.5萬億元左右，約占GDP的31.25%，同時(shí)，各地在產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、資源環(huán)境利用等方面也都存在著較多的矛盾與沖突。隨著現(xiàn)代市場(chǎng)經(jīng)濟(jì)和區(qū)域經(jīng)濟(jì)的加快發(fā)展，對(duì)省域經(jīng)濟(jì)進(jìn)行風(fēng)險(xiǎn)評(píng)估研究的必要性和重要性也就愈益凸顯。省域經(jīng)濟(jì)風(fēng)險(xiǎn)是一種異變性風(fēng)險(xiǎn)，是指某個(gè)省域經(jīng)濟(jì)偏離了穩(wěn)定狀態(tài)，出現(xiàn)危機(jī)的因素和態(tài)勢(shì)。治理省域經(jīng)濟(jì)風(fēng)險(xiǎn)，不僅需要對(duì)其運(yùn)行現(xiàn)狀進(jìn)行全面、深入的認(rèn)識(shí)和評(píng)價(jià)，而且要對(duì)其未來的發(fā)展趨勢(shì)和潛在風(fēng)險(xiǎn)因素進(jìn)行評(píng)估分析。省域經(jīng)濟(jì)風(fēng)險(xiǎn)問題的出現(xiàn)，并不是一個(gè)突發(fā)的現(xiàn)象，而是一個(gè)逐步發(fā)生的過程，在危機(jī)發(fā)生之前必然會(huì)有相應(yīng)的先兆，這就使預(yù)測(cè)風(fēng)險(xiǎn)、發(fā)布風(fēng)險(xiǎn)信號(hào)、制定化解策略成為可能［1］。本文圍繞省域經(jīng)濟(jì)風(fēng)險(xiǎn)預(yù)警與控制問題，構(gòu)建了省域經(jīng)濟(jì)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系和預(yù)警模型，該評(píng)價(jià)系統(tǒng)是有效宏觀調(diào)控的監(jiān)視器和檢測(cè)器，可以檢查監(jiān)督省域宏觀調(diào)控措施的有效性，衡量經(jīng)濟(jì)發(fā)展戰(zhàn)略的實(shí)施效果，為省級(jí)政府引導(dǎo)經(jīng)濟(jì)健康發(fā)展提供重要的決策參考。論文在構(gòu)建省域經(jīng)濟(jì)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系與模型的基礎(chǔ)上，利用安徽省1995-2011年經(jīng)濟(jì)運(yùn)行的相關(guān)數(shù)據(jù)，對(duì)安徽省經(jīng)濟(jì)風(fēng)險(xiǎn)狀況進(jìn)行實(shí)證分析，并對(duì)保障安徽省經(jīng)濟(jì)安全運(yùn)行的政策選擇提出具有較強(qiáng)針對(duì)性的對(duì)策分析，對(duì)了解和把握安徽省經(jīng)濟(jì)運(yùn)行的基本態(tài)勢(shì)與潛在風(fēng)險(xiǎn)，在后危機(jī)時(shí)代實(shí)現(xiàn)科學(xué)發(fā)展與跨越發(fā)展具有重要的政策指導(dǎo)作用。

二、指標(biāo)設(shè)計(jì)

經(jīng)濟(jì)風(fēng)險(xiǎn)往往都是有先兆地具體表現(xiàn)在一些特定的風(fēng)險(xiǎn)指標(biāo)的不尋常變化上，經(jīng)濟(jì)風(fēng)險(xiǎn)評(píng)價(jià)是對(duì)多維復(fù)雜經(jīng)濟(jì)系統(tǒng)風(fēng)險(xiǎn)程度的靜態(tài)評(píng)價(jià)，其指標(biāo)體系是對(duì)系統(tǒng)安全程度的具體監(jiān)測(cè)和衡量［2］。構(gòu)建省域經(jīng)濟(jì)安全預(yù)警指標(biāo)體系，最重要的兩點(diǎn)在于指標(biāo)的選取以及指標(biāo)權(quán)重的確定。

（一）指標(biāo)體系的建立

省域經(jīng)濟(jì)是一個(gè)復(fù)雜、綜合的系統(tǒng)，省域經(jīng)濟(jì)風(fēng)險(xiǎn)更是各種經(jīng)濟(jì)因素共同作用的結(jié)果。從總體而言，省域經(jīng)濟(jì)風(fēng)險(xiǎn)的影響因素可以大致分為幾個(gè)類別：經(jīng)濟(jì)增長(zhǎng)、財(cái)政金融、產(chǎn)業(yè)安全、社會(huì)可持續(xù)。這些類別相應(yīng)的指標(biāo)分別從不同角度、以不同方式對(duì)省域經(jīng)濟(jì)風(fēng)險(xiǎn)產(chǎn)生影響。建立省域經(jīng)濟(jì)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的目的是為了評(píng)判省域經(jīng)濟(jì)風(fēng)險(xiǎn)狀況，本文以經(jīng)濟(jì)持續(xù)穩(wěn)定增長(zhǎng)、政府財(cái)政收支平衡、省域產(chǎn)業(yè)結(jié)構(gòu)合理、社會(huì)具有可持續(xù)發(fā)展能力為省域經(jīng)濟(jì)安全的衡量目標(biāo)，通過相關(guān)理論研究，結(jié)合省域經(jīng)濟(jì)特征，初步建立省域經(jīng)濟(jì)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系，用以監(jiān)測(cè)省域經(jīng)濟(jì)年度數(shù)據(jù)異常。該指標(biāo)體系的一級(jí)指標(biāo)是省域經(jīng)濟(jì)風(fēng)險(xiǎn)狀況，分為經(jīng)濟(jì)增長(zhǎng)、財(cái)政金融、產(chǎn)業(yè)安全、社會(huì)可持續(xù)等4個(gè)二級(jí)指標(biāo)，每個(gè)二級(jí)指標(biāo)又有若干個(gè)三級(jí)指標(biāo)加以描述。

對(duì)初步建立的省域經(jīng)濟(jì)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系進(jìn)行信度檢驗(yàn)，以考察指標(biāo)體系對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)問題是否具有相當(dāng)好的解釋力。信度檢驗(yàn)是為了檢驗(yàn)指標(biāo)采用同樣的方法對(duì)同一對(duì)象重復(fù)測(cè)量時(shí)所得結(jié)果的一致性程度，一般考察α 信度系數(shù)，其計(jì)算公式為：

用統(tǒng)計(jì)軟件SPSS19.0 對(duì)正向標(biāo)準(zhǔn)化后的表1 指標(biāo)體系做信度分析，結(jié)果見表1所列。

表1 省域經(jīng)濟(jì)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系可靠性分析

表1中顯示指標(biāo)體系克朗巴哈α 值為0.864，標(biāo)準(zhǔn)化后項(xiàng)目克朗巴哈α 值為0.867，說明指標(biāo)間有較高一致性。但是，考察總體項(xiàng)目統(tǒng)計(jì)表中修正項(xiàng)目總體相關(guān)一欄，有些指標(biāo)相關(guān)值明顯小于其他指標(biāo)，故刪去這些指標(biāo)。經(jīng)過信度檢驗(yàn)之后的指標(biāo)體系如表2所列。

表2 修正后的省域風(fēng)險(xiǎn)預(yù)警指標(biāo)評(píng)價(jià)體系

（二）指標(biāo)體系的說明

本指標(biāo)體系試圖用固定資產(chǎn)增長(zhǎng)率、基礎(chǔ)建設(shè)投資額（萬元）、社會(huì)零售商品總額（億元）、城鎮(zhèn)居民消費(fèi)水平（元）、外貿(mào)依存度等指標(biāo)反映省域經(jīng)濟(jì)增長(zhǎng)的風(fēng)險(xiǎn)狀況。經(jīng)濟(jì)保持一定增速對(duì)國(guó)家和地區(qū)的發(fā)展和穩(wěn)定有著重要意義。研究證明，我國(guó)經(jīng)濟(jì)增速保持在8%～10%有利于維持社會(huì)穩(wěn)定和就業(yè)，增速過高可能出現(xiàn)經(jīng)濟(jì)過熱，過低則會(huì)增加失業(yè)率，不利于社會(huì)穩(wěn)定和經(jīng)濟(jì)發(fā)展［3］。消費(fèi)、投資、外貿(mào)是我國(guó)經(jīng)濟(jì)的“三駕馬車”，因此本指標(biāo)體系分別從這三個(gè)方面選取指標(biāo)。此外，又從質(zhì)量入手，加入城鎮(zhèn)居民消費(fèi)水平和居民消費(fèi)價(jià)格指數(shù)兩個(gè)指標(biāo)，以反映目前增長(zhǎng)水平下居民的實(shí)際生活水平。

本指標(biāo)體系從地方財(cái)政、省域銀行和省域保險(xiǎn)業(yè)三個(gè)方面評(píng)價(jià)省域經(jīng)濟(jì)的財(cái)政金融安全狀況，由于我國(guó)保險(xiǎn)業(yè)發(fā)展較為緩慢，且對(duì)經(jīng)濟(jì)安全影響較小，不設(shè)立該領(lǐng)域的具體指標(biāo)。地方財(cái)政指標(biāo)選取了財(cái)政赤字/GDP，從而可以在一定程度上反映省域政府對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的應(yīng)對(duì)準(zhǔn)備是否充足，同時(shí)選取人均財(cái)政收入、人均財(cái)政支出、人均稅收等指標(biāo)評(píng)價(jià)在當(dāng)前財(cái)政政策下居民福利和債務(wù)負(fù)擔(dān)；選取城鎮(zhèn)居民家庭人均可支配收入、農(nóng)村居民家庭人均純收入反映當(dāng)前財(cái)政政策下居民生活水平，選取省域銀行貸款規(guī)模增長(zhǎng)率等省域金融指標(biāo)反映省域流動(dòng)性狀況。

本指標(biāo)體系用實(shí)際利用外資額、第三產(chǎn)業(yè)從業(yè)人員比重、工業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值的比重、勞動(dòng)成本（平均工資水平）、企業(yè)研發(fā)費(fèi)用占社會(huì)研發(fā)費(fèi)用的比重等指標(biāo)，分別從資本、結(jié)構(gòu)、成本、研發(fā)等角度評(píng)價(jià)省域產(chǎn)業(yè)發(fā)展現(xiàn)狀，從而可以在一定程度上判斷省域產(chǎn)業(yè)結(jié)構(gòu)狀況、企業(yè)生存狀況和生命力。由于數(shù)據(jù)不能獲取，故用平均工資水平替代勞動(dòng)成本。

本指標(biāo)體系用研究人員數(shù)、十萬人受高中以上教育人口、RD 經(jīng)費(fèi)支出（萬元）、城鎮(zhèn)化率、人口密度、城鄉(xiāng)消費(fèi)水平比（農(nóng)村=1）等指標(biāo)評(píng)價(jià)省域經(jīng)濟(jì)的可持續(xù)狀況，這些指標(biāo)涵蓋了人口、環(huán)境、科技、居民生活等方面，反映了省域經(jīng)濟(jì)的目標(biāo)約束，從而可以在一定程度上判斷省域經(jīng)濟(jì)在知識(shí)、人口等條件制約下是否具有可持續(xù)性，以及在未來一定時(shí)期內(nèi)的發(fā)展趨勢(shì)。

（三）指標(biāo)體系的權(quán)重設(shè)計(jì)

確定指標(biāo)權(quán)重是指標(biāo)體系構(gòu)建和評(píng)估過程中的核心環(huán)節(jié)，不同的賦權(quán)方法會(huì)導(dǎo)致具體評(píng)價(jià)結(jié)果的差異［4］，本文采用層次分析法確定指標(biāo)權(quán)重。建立由綜合指標(biāo)層（A）、二級(jí)指標(biāo)層（B）和三級(jí)指標(biāo)層（C）構(gòu)成的層次結(jié)構(gòu)模型，綜合指標(biāo)層只有一個(gè)元素，即省域經(jīng)濟(jì)風(fēng)險(xiǎn)，二級(jí)指標(biāo)層為m個(gè)描述性綜合指標(biāo)B1，B2，…，Bm，三級(jí)指標(biāo)層C是描述綜合指標(biāo)和二級(jí)指標(biāo)的個(gè)指標(biāo)C11，C12，…，C1n，…，Cmn，各二級(jí)指標(biāo)下的指標(biāo)數(shù)目n不等，分別為ni，i=1，2，…，n。

利用K 組樣本分別對(duì)二級(jí)指標(biāo)層Bi下的指標(biāo)Bi1，Bi2，…，Bin進(jìn)行因子分析，為了負(fù)向指標(biāo)正向化和消除量綱，采取最大值最小值法對(duì)m個(gè)指標(biāo)值組成的指標(biāo)矩陣進(jìn)行標(biāo)準(zhǔn)化處理，公式如下：

為了判斷指標(biāo)進(jìn)行因子分析的效果，對(duì)指標(biāo)做信度與效度檢驗(yàn)。其中，信度檢驗(yàn)采用公式（1）的克朗巴哈α 值法。如果輸出α 值大于0.8，則說明指標(biāo)內(nèi)部一致性較好，可以客觀描述省域經(jīng)濟(jì)風(fēng)險(xiǎn)。在信度檢驗(yàn)基礎(chǔ)上，對(duì)有效樣本數(shù)據(jù)進(jìn)行KMO 抽樣適當(dāng)性檢驗(yàn)和Bartlett 球度檢驗(yàn)。KMO 統(tǒng)計(jì)量是取值在0～1 之間，當(dāng)所有變量間的簡(jiǎn)單相關(guān)系數(shù)平方和遠(yuǎn)遠(yuǎn)大于偏相關(guān)系數(shù)平方和時(shí)，KMO 值接近1。Kaiser 給出了常用的KMO度量標(biāo)準(zhǔn)：0.9以上表示非常適合；0.8表示適合；0.7表示一般；0.6表示不太適合；0.5以下表示極不適合。Bartlett 球度檢驗(yàn)以原有變量的相關(guān)系數(shù)矩陣為出發(fā)點(diǎn)，用于檢驗(yàn)相關(guān)陣是否是單位陣，即各變量是否獨(dú)立，它是以變量的相關(guān)系數(shù)矩陣為出發(fā)點(diǎn)，依據(jù)相關(guān)系數(shù)矩陣的行列式計(jì)算可得其近似卡方分布。如果統(tǒng)計(jì)量卡方值較大且對(duì)應(yīng)的sig 值小于給定的顯著性水平α 時(shí)，零假設(shè)不成立，說明相關(guān)系數(shù)矩陣不可能是單位矩陣，變量之間存在相關(guān)關(guān)系，適合做因子分析。上述檢驗(yàn)均可采用SPSS19.0完成。

對(duì)m個(gè)指標(biāo)矩陣Zk×n，分別求解其初始公共因子Fi（i=1，2，…，p）和因子荷載矩陣A，并求Zk×n的特征根λ1≥λ2≥…≥λn≥λ0以及相應(yīng)的特征向量u1，u2，…，un。則對(duì)于每一個(gè)指標(biāo)矩陣Zk×n 中的n個(gè)指標(biāo)，可以用p個(gè)公共因子的線性組合表示，公式如下：

其中，Z 為標(biāo)準(zhǔn)化后的矩陣；A 為Zk×n 的因子載荷矩陣；為公共因子矩陣。為特殊因子矩陣。

公因子個(gè)數(shù)p 可以根據(jù)相關(guān)矩陣的特征值確定，由于相關(guān)矩陣的特征值均值為1，故通常取特征值大于1的數(shù)作為公共因子數(shù)。在實(shí)際分析時(shí)，為了更清楚地知道每個(gè)公因子的實(shí)際意義，往往對(duì)載荷矩陣進(jìn)行極大化旋轉(zhuǎn)，使得每個(gè)公因子上的最高載荷變量的數(shù)目最少。最常用的是方差最大正交旋轉(zhuǎn)法。旋轉(zhuǎn)后的因子荷載矩陣如下：）

（4）式中，A為因子載荷矩陣；T為使旋轉(zhuǎn)之后新因子方差最大化的正交矩陣。

運(yùn)用加權(quán)最小二乘法分別計(jì)算m個(gè)指標(biāo)矩陣的公因子得分矩陣如下：

計(jì)算各二級(jí)指標(biāo)Bi下指標(biāo)矩陣的綜合因子得分Si，i=1，2，…，m。

（7）式中，Si為二級(jí)指標(biāo)Bi下各指標(biāo)矩陣的綜合因子得分向量；W為各指標(biāo)矩陣對(duì)應(yīng)的二級(jí)指標(biāo)層的權(quán)重向量。

三、理論模型

（一）預(yù)警方法的選擇

要想衡量省域經(jīng)濟(jì)系統(tǒng)運(yùn)行狀況，需要有龐大的時(shí)間序列數(shù)據(jù)作為支撐，并運(yùn)用量變引起質(zhì)變的思想把數(shù)據(jù)更新與時(shí)間變化有機(jī)結(jié)合，從而實(shí)現(xiàn)動(dòng)態(tài)預(yù)測(cè)和評(píng)價(jià)省域經(jīng)濟(jì)安全狀況。然而我國(guó)省域經(jīng)濟(jì)數(shù)據(jù)的實(shí)際情況是統(tǒng)計(jì)年份較少，很多省級(jí)統(tǒng)計(jì)年鑒都是從20 世紀(jì)1990年代以后開始的，另外由于我國(guó)經(jīng)濟(jì)參與到全球化的時(shí)間較晚，從而波動(dòng)性較小，呈現(xiàn)穩(wěn)定的趨勢(shì)，這些都制約著我們對(duì)省域經(jīng)濟(jì)安全的客觀評(píng)價(jià)。

隨著數(shù)學(xué)模型和經(jīng)濟(jì)理論的廣泛結(jié)合，產(chǎn)生了許多危機(jī)預(yù)警模型，總體上可以分為統(tǒng)計(jì)類和非統(tǒng)計(jì)類。統(tǒng)計(jì)類方法主要包括單變量判別模型、多元判別模型、Logistic回歸等方法；非統(tǒng)計(jì)類模型主要包括BP神經(jīng)網(wǎng)絡(luò)模型、案例分析法、模糊優(yōu)選法等。這些模型各有千秋，但都存在各自的不足，如線性判別模型需要變量服從正態(tài)分布并且分組樣本間的協(xié)方差要相等，但事實(shí)上各變量之間存在著多重共線性和相關(guān)性；BP神經(jīng)網(wǎng)絡(luò)模型雖然理論基礎(chǔ)完善，但由于建模方式復(fù)雜，收斂速度和收斂精度受樣本分類的影響，使得模型的適用性和準(zhǔn)確性較差［5］。本文根據(jù)我國(guó)省域經(jīng)濟(jì)發(fā)展的現(xiàn)狀，考慮到引起省域經(jīng)濟(jì)安全的深層次的原因，建立基于GA-BP神經(jīng)網(wǎng)絡(luò)的省域經(jīng)濟(jì)安全預(yù)警模型，采用GA算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)誤差函數(shù)，從而在年度統(tǒng)計(jì)數(shù)據(jù)較少的情況下，發(fā)揮BP神經(jīng)網(wǎng)絡(luò)作為分類模型的優(yōu)勢(shì)，工作流程如圖1所示。

圖1 預(yù)警方法流程

省域經(jīng)濟(jì)風(fēng)險(xiǎn)預(yù)警是一個(gè)靜態(tài)評(píng)價(jià)和動(dòng)態(tài)監(jiān)測(cè)相結(jié)合的過程，目前已有的預(yù)警模型中多為靜態(tài)評(píng)價(jià)模型，GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型可以通過相關(guān)參數(shù)和程序的設(shè)置，動(dòng)態(tài)地預(yù)測(cè)未來時(shí)間段內(nèi)經(jīng)濟(jì)指標(biāo)的變動(dòng)狀況，對(duì)省域經(jīng)濟(jì)安全狀況進(jìn)行動(dòng)態(tài)的監(jiān)測(cè)，做出前瞻性判斷。

省域經(jīng)濟(jì)風(fēng)險(xiǎn)問題研究主要著眼于穩(wěn)定性和波動(dòng)性的判斷。在正常情況下，省域經(jīng)濟(jì)總體發(fā)展應(yīng)呈現(xiàn)穩(wěn)定的趨勢(shì)，這反映了省域經(jīng)濟(jì)沒有受到較大干擾，在內(nèi)外部環(huán)境的影響下仍具有較好的穩(wěn)定性，即較高安全度；反之，如果在某些年份內(nèi)有較大波動(dòng)，從而偏離了穩(wěn)定的趨勢(shì)，則可以認(rèn)為省域經(jīng)濟(jì)的發(fā)展在某個(gè)或者某些因素的影響下，無法繼續(xù)保持原有的穩(wěn)定狀態(tài)，即省域經(jīng)濟(jì)出現(xiàn)了問題。當(dāng)然引起這種波動(dòng)性的原因可能是正常的省域經(jīng)濟(jì)轉(zhuǎn)型或者產(chǎn)業(yè)結(jié)構(gòu)升級(jí)等，從而呈現(xiàn)暫時(shí)性，這些可以通過考察后續(xù)年份數(shù)據(jù)的波動(dòng)性來加以判斷。為了考察省域經(jīng)濟(jì)的波動(dòng)性，并消除個(gè)別指標(biāo)的非尋常變化引起的誤判，本文采用計(jì)算省域經(jīng)濟(jì)風(fēng)險(xiǎn)綜合指數(shù)，以綜合指數(shù)變化的一倍標(biāo)準(zhǔn)差作為評(píng)判依據(jù)。

（二）預(yù)警模型的構(gòu)建

根據(jù)GA 算法和BP 神經(jīng)網(wǎng)絡(luò)相關(guān)理論，本文采用在BP神經(jīng)網(wǎng)絡(luò)程序運(yùn)行后，得出網(wǎng)絡(luò)誤差作為適應(yīng)度函數(shù)，運(yùn)用GA 算法對(duì)網(wǎng)絡(luò)權(quán)值閥值進(jìn)行優(yōu)化，然后再把優(yōu)化之后的權(quán)值閥值帶入網(wǎng)絡(luò)進(jìn)行下一步運(yùn)行的策略。對(duì)GA 算法的迭代次數(shù)、種群規(guī)模，BP神經(jīng)網(wǎng)絡(luò)的輸入樣本、輸出樣本、結(jié)構(gòu)以及初始權(quán)值閥值等相應(yīng)參數(shù)分別進(jìn)行設(shè)計(jì)，利用MATLAB2010a 進(jìn)行編程，實(shí)現(xiàn)GA 算法的優(yōu)化功能和BP 神經(jīng)網(wǎng)絡(luò)的分類預(yù)測(cè)功能。

1.BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

（1）輸入層節(jié)點(diǎn)數(shù)。本文中的輸入變量采用上文中建立的省域經(jīng)濟(jì)風(fēng)險(xiǎn)指標(biāo)體系三級(jí)指標(biāo)，所以輸入節(jié)點(diǎn)數(shù)為25（22）。

（2）輸出層節(jié)點(diǎn)數(shù)。如前所述，本文僅將省域經(jīng)濟(jì)風(fēng)險(xiǎn)分為安全和不安全兩類，因此輸出層節(jié)點(diǎn)數(shù)為2個(gè)，分別為（1，0）和（0，1）。

（3）BP神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)和學(xué)習(xí)規(guī)則。神經(jīng)元的傳遞函數(shù)反映了神經(jīng)元輸出與其啟動(dòng)狀態(tài)之間的關(guān)系，本研究采用的傳遞函數(shù)為tansig函數(shù)和purelin函數(shù)。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則，即權(quán)值和閾值的調(diào)節(jié)采用的是誤差反向傳播算法。本研究采用MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱中的trainlm 學(xué)習(xí)算法，它具有收斂快、收斂誤差小、占用存儲(chǔ)空間大和性能隨網(wǎng)絡(luò)規(guī)模增大而變差等特點(diǎn)。

（4）隱含層設(shè)計(jì)。研究表明，當(dāng)BP 神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)為S型函數(shù)和purelin函數(shù)時(shí)，具有單隱含層的神經(jīng)網(wǎng)絡(luò)可以逼近所有連續(xù)的函數(shù)。另外，雖然增加隱層數(shù)可以降低網(wǎng)絡(luò)誤差、提高精度，但是代價(jià)是使得網(wǎng)絡(luò)變得更為復(fù)雜，從而增加了網(wǎng)絡(luò)的訓(xùn)練時(shí)間，甚至出現(xiàn)“過擬合”的現(xiàn)象［6］。所以在設(shè)計(jì)多層前饋網(wǎng)絡(luò)時(shí)，通?？紤]單個(gè)隱含層，通過增加隱含層的節(jié)點(diǎn)數(shù)來增加網(wǎng)絡(luò)精度，而不需要設(shè)置多個(gè)隱含層。試湊法是確定最佳隱含層節(jié)點(diǎn)數(shù)常用的方法，可以先設(shè)置較少的隱含節(jié)點(diǎn)訓(xùn)練網(wǎng)絡(luò)，然后逐漸增加隱含層節(jié)點(diǎn)數(shù)，用同一樣本集進(jìn)行訓(xùn)練，從中確定網(wǎng)絡(luò)誤差最小時(shí)對(duì)應(yīng)的隱含層節(jié)點(diǎn)數(shù)。本文在設(shè)計(jì)網(wǎng)絡(luò)時(shí)，采取單隱層的前饋型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即網(wǎng)絡(luò)結(jié)構(gòu)為一個(gè)輸入層、一個(gè)輸出層和一個(gè)隱含層。并運(yùn)用試湊法，經(jīng)過多次試驗(yàn)發(fā)現(xiàn)，當(dāng)隱含層節(jié)點(diǎn)數(shù)為13個(gè)的時(shí)候，網(wǎng)絡(luò)達(dá)到速度和穩(wěn)定性的最佳狀態(tài)，訓(xùn)練和檢測(cè)的效果都最好。

2.GA算法參數(shù)設(shè)計(jì)

（1）GA算法基本參數(shù)?；镜腉A算法在運(yùn)行前，有以下4個(gè)運(yùn)行參數(shù)需要預(yù)先設(shè)定：種群規(guī)模，即種群中所含的個(gè)體的數(shù)量，一般取20～100；GA 算法迭代次數(shù)，一般取100～500；交叉概率，一般取0.4～0.99；變異概率，一般取0.0001～0.1。本文中，由于數(shù)據(jù)序列較少，所以采取變通的方法，迭代次數(shù)為50 次，種群規(guī)模為10，交叉概率0.4，變異概率0.2。

（2）適應(yīng)度函數(shù)。適應(yīng)度函數(shù)表示個(gè)體或解的優(yōu)劣性，它決定了當(dāng)前循環(huán)所得的解是否可取的依據(jù)，也是決定當(dāng)前群體中各個(gè)個(gè)體遺傳到下一代群體的概率。為了正確估計(jì)這個(gè)概率，要求所有個(gè)體的適應(yīng)度必須非負(fù)，所以在處理實(shí)際問題時(shí)，往往需要預(yù)先確定好由目標(biāo)函數(shù)值到個(gè)體適應(yīng)度之間的轉(zhuǎn)換規(guī)律，特別是要預(yù)先確定好當(dāng)目標(biāo)函數(shù)為負(fù)數(shù)的處理方法。對(duì)于不同問題，適應(yīng)度函數(shù)的定義方式不同，選取一個(gè)適當(dāng)大的正數(shù)c，使得個(gè)體的適應(yīng)度為目標(biāo)函數(shù)值加上正數(shù)c。本文中的適應(yīng)度函數(shù)取所有節(jié)點(diǎn)數(shù)的期望輸出與實(shí)際輸出的差方和。

3.預(yù)警模型工作流程

本文構(gòu)建的GA-BP 神經(jīng)網(wǎng)絡(luò)預(yù)警模型是利用matlab 的GA算法工具箱和BP神經(jīng)網(wǎng)絡(luò)工具箱來完成的。整個(gè)程序包括對(duì)數(shù)據(jù)預(yù)處理、參數(shù)定義、BP 神經(jīng)網(wǎng)絡(luò)生成、BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、BP神經(jīng)網(wǎng)絡(luò)測(cè)試和神經(jīng)網(wǎng)絡(luò)的仿真等幾個(gè)步驟編程，以及GA 算法和BP 神經(jīng)網(wǎng)絡(luò)運(yùn)行所需要的適應(yīng)度函數(shù)、編碼、選擇、交叉、變異和時(shí)間序列預(yù)測(cè)等函數(shù)編程。

在實(shí)現(xiàn)步驟的先后次序上，由于GA 算法在本文中的作用是優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)的權(quán)值和閥值，所以應(yīng)首先初步建立BP神經(jīng)網(wǎng)絡(luò)，而后插入GA算法程序，以達(dá)到程序目標(biāo)。預(yù)警模型的具體工作流程如圖2 所示，主程序、子程序和函數(shù)程序在此省略。

（1）樣本選擇。省域經(jīng)濟(jì)在一段時(shí)期內(nèi)的安全與否，與這一段時(shí)間的波動(dòng)幅度相關(guān)，所以本文采用省域經(jīng)濟(jì)安全綜合指數(shù)的一倍標(biāo)準(zhǔn)差作為判斷依據(jù)，把省域經(jīng)濟(jì)安全分為安全和不安全兩種狀態(tài)。對(duì)安徽省1995-2011年度經(jīng)濟(jì)安全綜合指數(shù)做線性擬合，得出綜合指數(shù)年度變動(dòng)趨勢(shì)線。選取經(jīng)濟(jì)安全綜合指數(shù)正負(fù)一倍標(biāo)準(zhǔn)差作為界定區(qū)間，從而界定安徽省以往年份經(jīng)濟(jì)安全狀況。

圖2 G A -BP 神經(jīng)網(wǎng)絡(luò)預(yù)警模型工作流程

（2）輸入輸出數(shù)據(jù)。本文采用省域經(jīng)濟(jì)安全指標(biāo)體系整體作為BP 神經(jīng)網(wǎng)絡(luò)的輸入層，因而本模型的輸入節(jié)點(diǎn)有25個(gè)。對(duì)于輸出數(shù)據(jù)，實(shí)際上是BP 神經(jīng)網(wǎng)絡(luò)的期望輸出，在本文中，因?yàn)橹恍枰卸ㄊ∮蚪?jīng)濟(jì)安全與否，所以只有“安全”和“不安全”兩個(gè)分類，分別用（0，1）和（1，0）來表示。

（3）數(shù)據(jù)預(yù)處理。在運(yùn)用BP 神經(jīng)網(wǎng)絡(luò)解決分類問題的時(shí)候，通常需要先對(duì)輸入數(shù)據(jù)進(jìn)行消除量綱化的預(yù)處理，使其均值為0，方差為1。進(jìn)行預(yù)處理有以下幾個(gè)原因：第一，神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)之間往往代表不同含義和具有不同的量綱，同一個(gè)樣本間的不同輸入變量有著不同的數(shù)據(jù)范圍，不同樣本里的不同輸入的變化間隔也不盡相同，通過尺度變換，把所有數(shù)據(jù)都轉(zhuǎn)換成（0，1）間的數(shù)據(jù)，從而使網(wǎng)絡(luò)訓(xùn)練一開始就賦予各輸入變量以同等重要的地位；第二，BP神經(jīng)網(wǎng)絡(luò)的神經(jīng)元均采用Sigmoid 轉(zhuǎn)移函數(shù)，變換后可以防止因凈輸入的絕對(duì)值過大而使神經(jīng)網(wǎng)絡(luò)輸出飽和，繼而是權(quán)值調(diào)整進(jìn)入誤差曲面的平坦區(qū)［7］；第三，Sigmoid轉(zhuǎn)移函數(shù)的輸出在（0，-1）或者（-1，-1）之間，作為訓(xùn)練信號(hào)的輸出數(shù)據(jù)如果不進(jìn)行變換處理，勢(shì)必使數(shù)值大的輸出分量絕對(duì)誤差大，數(shù)值小的輸出分量絕對(duì)誤差小，網(wǎng)絡(luò)訓(xùn)練時(shí)只針對(duì)輸出的總誤差調(diào)整權(quán)值，其結(jié)果在總誤差中占份額小的輸出分量相對(duì)誤差較大，對(duì)輸出量進(jìn)行尺度變換后就能很好地解決這個(gè)問題。數(shù)據(jù)進(jìn)行無量綱化的方法有最大值最小值法、標(biāo)準(zhǔn)差法等，本文數(shù)據(jù)的無量綱化預(yù)處理采用最大值最小值法，通過調(diào)用matlab神經(jīng)網(wǎng)絡(luò)工具箱的maxmin函數(shù)實(shí)現(xiàn)。

（4）訓(xùn)練和測(cè)試樣本。對(duì)于一個(gè)以分類為目標(biāo)的BP 神經(jīng)網(wǎng)絡(luò)模型而言，網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)取決于輸入變量和輸出變量非線性對(duì)應(yīng)關(guān)系的復(fù)雜程度，映像關(guān)系越復(fù)雜，模型中含的噪聲就越大，為了保證精確度，模型所需要的樣本數(shù)就越多，從而使得網(wǎng)絡(luò)的規(guī)模也越大［8］。但是考慮到安徽省域經(jīng)濟(jì)的實(shí)際情況，只有1995-2011年的年度數(shù)據(jù)，所以采取的方法只能是一方面縮減輸入節(jié)點(diǎn)數(shù)，另一方面通過GA 算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值閥值。

四、實(shí)證分析

數(shù)據(jù)的可獲得性是本文中設(shè)計(jì)指標(biāo)遵循的原則之一，省域經(jīng)濟(jì)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中的單項(xiàng)定量指標(biāo)數(shù)據(jù)一般可以通過查閱地方統(tǒng)計(jì)年鑒、國(guó)民經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)、地方政府工作報(bào)告、地方政府預(yù)算及其執(zhí)行情況報(bào)告、工作總結(jié)等相關(guān)資料獲得。對(duì)于其中不能通過查閱數(shù)據(jù)庫(kù)獲得的指標(biāo)數(shù)據(jù)可以通過設(shè)立相關(guān)的測(cè)度指標(biāo)或進(jìn)行專項(xiàng)調(diào)研的方式獲得，定性指標(biāo)需進(jìn)行問卷調(diào)查的形式來獲取。根據(jù)已選定指標(biāo)體系和評(píng)價(jià)方法，采集安徽省1995-2011年相關(guān)資料并進(jìn)行整理和合成，對(duì)安徽省經(jīng)濟(jì)風(fēng)險(xiǎn)狀況進(jìn)行實(shí)證分析。

（一）綜合指數(shù)分析

按照公式（2）對(duì)指標(biāo)數(shù)據(jù)進(jìn)行正向標(biāo)準(zhǔn)化后，利用SPSS19.0軟件對(duì)指標(biāo)進(jìn)行信度與效度檢驗(yàn)，結(jié)果見表3、表4所列。

表3 安徽省域經(jīng)濟(jì)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系可靠性分析

表4 安徽省域經(jīng)濟(jì)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系效度分析

根據(jù)表3 對(duì)省域經(jīng)濟(jì)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系可靠性的分析結(jié)果可知，指標(biāo)體系克朗巴赫α系數(shù)和修正的克朗巴赫α系數(shù)均大于0.95，達(dá)到相當(dāng)高的水平，這表現(xiàn)指標(biāo)體系中指標(biāo)之間有著強(qiáng)烈的一致性，從而能夠有效率地詮釋省域經(jīng)濟(jì)安全運(yùn)行狀況。表4 顯示出指標(biāo)體系的KMO 值均接近或者大于0.7，巴特萊特球度檢驗(yàn)的卡方值較大，且對(duì)應(yīng)的概率值均為0.00，小于給定概率0.025。綜合表3 和表4 結(jié)果，可知本文所構(gòu)建的省域經(jīng)濟(jì)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系各指標(biāo)均與經(jīng)濟(jì)風(fēng)險(xiǎn)問題有較大相關(guān)性，與指標(biāo)體系反映目標(biāo)相符，能夠客觀反映出省域經(jīng)濟(jì)風(fēng)險(xiǎn)的狀況，適合采用因子分析法對(duì)省域經(jīng)濟(jì)風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)。

對(duì)4個(gè)二級(jí)指標(biāo)下的三級(jí)指標(biāo)進(jìn)行因子分析，按指標(biāo)矩陣特征值大于一的個(gè)數(shù)確定公共因子個(gè)數(shù)，運(yùn)用統(tǒng)計(jì)軟件SPSS19.0，分別得出4個(gè)二級(jí)指標(biāo)的因子負(fù)荷表（表5）和因子得分矩陣。

表5 因子負(fù)荷表

根據(jù)上述因子負(fù)荷表和因子得分矩陣，可以計(jì)算得出二級(jí)指標(biāo)層得分矩陣如下：

由公式（7）結(jié)合二級(jí)指標(biāo)綜合得分Si，可計(jì)算得出1995-2011年安徽省經(jīng)濟(jì)風(fēng)險(xiǎn)綜合指數(shù)為：-1.85364，-1.85998，-1.80027，-1.88463，-1.64432，-1.27592，-1.04192，-0.91786，-0.39628，-0.13275，0.059405，0.632269，1.324006，1.834002，2.183737，2.983545，3.790606。據(jù)此繪制曲線圖如圖3所示。

圖3 安徽省經(jīng)濟(jì)風(fēng)險(xiǎn)綜合指數(shù)示意圖

對(duì)安徽省1995-2011年度經(jīng)濟(jì)風(fēng)險(xiǎn)綜合指數(shù)做線性擬合，綜合指數(shù)年度變動(dòng)趨勢(shì)基本與直線y=0.188x-1.509 接近，R2=0.928。選取經(jīng)濟(jì)風(fēng)險(xiǎn)綜合指數(shù)正負(fù)一倍標(biāo)準(zhǔn)差作為界定區(qū)間，界定安徽省以往年份經(jīng)濟(jì)風(fēng)險(xiǎn)狀況如圖3。由圖3可知，1995、1996、2002、2005、2010、2011年度安徽省經(jīng)濟(jì)安全綜合指數(shù)波動(dòng)較大，將其作為省域經(jīng)濟(jì)有風(fēng)險(xiǎn)的數(shù)據(jù)。

（二）指標(biāo)數(shù)據(jù)預(yù)測(cè)

采取交叉預(yù)測(cè)方法，即用1995-2011年數(shù)據(jù)預(yù)測(cè)2012年數(shù)據(jù)，然后把預(yù)測(cè)得到的2012 數(shù)據(jù)加入神經(jīng)網(wǎng)絡(luò)，用1996-2012年數(shù)據(jù)預(yù)測(cè)2013年數(shù)據(jù)。預(yù)測(cè)結(jié)果見表6至表9。

表6 2012-2013年經(jīng)濟(jì)增長(zhǎng)二級(jí)指標(biāo)（B1）數(shù)據(jù)預(yù)測(cè)

表7 2012-2013年財(cái)政金融二級(jí)指標(biāo)（B2）數(shù)據(jù)預(yù)測(cè)

表8 2012-2013年產(chǎn)業(yè)結(jié)構(gòu)二級(jí)指標(biāo)（B3）數(shù)據(jù)預(yù)測(cè)

表9 2012-2013年可持續(xù)性二級(jí)指標(biāo)（B4）數(shù)據(jù)預(yù)測(cè)

（三）預(yù)警結(jié)果

選取1995-1998年、2002-2005年和2009年數(shù)據(jù)為訓(xùn)練樣本，以1999-2001年、2006-2008年數(shù)據(jù)為測(cè)試樣本，檢驗(yàn)神經(jīng)網(wǎng)絡(luò)性能如表10所示。

表10 免疫神經(jīng)網(wǎng)絡(luò)測(cè)試結(jié)果

從表10 中可以看出，2007年實(shí)際輸出結(jié)果為（1，1），與（0，1）和（1，0）兩種情況都不相符，這說明神經(jīng)網(wǎng)絡(luò)犯了第二類錯(cuò)誤，犯第二類錯(cuò)誤的概率為1/6，同時(shí)沒有出現(xiàn)第一類錯(cuò)誤的情況，說明本文構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型對(duì)經(jīng)濟(jì)安全問題有比較強(qiáng)的分類預(yù)警能力。

把神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)得到的2012-2013年數(shù)據(jù)輸入本文建立的GA 算法優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò)中，對(duì)安徽省2012-2013年省域經(jīng)濟(jì)風(fēng)險(xiǎn)狀況進(jìn)行預(yù)警。在設(shè)定的參數(shù)下，網(wǎng)絡(luò)迭代10次就開始平穩(wěn)，達(dá)到設(shè)定誤差，顯示了相當(dāng)強(qiáng)的識(shí)別力和解釋力，預(yù)警結(jié)果見表11所列。

表11 2012-2013年安徽省經(jīng)濟(jì)風(fēng)險(xiǎn)預(yù)警結(jié)果

五、結(jié)論與啟示

（1）2013年安徽省經(jīng)濟(jì)總體狀況較為穩(wěn)定。研究結(jié)果表明，2010年安徽經(jīng)濟(jì)總體狀況存在局部風(fēng)險(xiǎn)，2011年安徽省經(jīng)濟(jì)風(fēng)險(xiǎn)狀況仍延續(xù)這一狀況，但2012年經(jīng)濟(jì)風(fēng)險(xiǎn)狀況已好轉(zhuǎn)為安全，說明2012年金融危機(jī)等外部因素對(duì)安徽省的影響正在逐步減弱，同時(shí)國(guó)內(nèi)宏觀政策調(diào)控顯現(xiàn)積極效果，在一系列有利因素和政策的支持下，2013年安徽省經(jīng)濟(jì)總體狀況將表現(xiàn)良好。

（2）2013年安徽省經(jīng)濟(jì)增長(zhǎng)狀況良好。根據(jù)預(yù)測(cè)結(jié)果，2012年和2013年安徽省人均地區(qū)生產(chǎn)總值增長(zhǎng)率分別為20.01%和20.75%，與2010年的18.78%和2011年的12.63%相比，呈現(xiàn)穩(wěn)定增長(zhǎng)趨勢(shì)，其他指標(biāo)預(yù)測(cè)值也處于穩(wěn)定增長(zhǎng)的狀態(tài)。預(yù)測(cè)結(jié)果顯示，2012年、2013年的固定資產(chǎn)投資增長(zhǎng)和進(jìn)出口總額的增長(zhǎng)都表現(xiàn)不俗，說明經(jīng)過宏觀調(diào)控及一系列的應(yīng)對(duì)措施，拉動(dòng)安徽經(jīng)濟(jì)有效增長(zhǎng)的投資與出口有了明顯的改善，逐步回到正常的水平，這也是2013年安徽經(jīng)濟(jì)增長(zhǎng)狀況良好的基礎(chǔ)與保障。

（3）2013年安徽省財(cái)政金融領(lǐng)域存在風(fēng)險(xiǎn)因素。2012年安徽省財(cái)政金融風(fēng)險(xiǎn)狀況為安全，到2013年則轉(zhuǎn)化為有風(fēng)險(xiǎn)。根據(jù)預(yù)測(cè)數(shù)據(jù)，大部分指標(biāo)數(shù)據(jù)與歷史數(shù)據(jù)相比，均呈現(xiàn)穩(wěn)定或穩(wěn)定增長(zhǎng)趨勢(shì)，而省域銀行存貸比和財(cái)政赤字/GDP兩個(gè)指標(biāo)變動(dòng)明顯，且在2013年預(yù)測(cè)數(shù)據(jù)中均呈上升趨勢(shì)，前者可能與省域銀行信貸緊縮、民營(yíng)企業(yè)貸款障礙有關(guān)，后者則可能是地方政府債務(wù)風(fēng)險(xiǎn)開始顯化所致。因此，需要加大對(duì)中小企業(yè)融資擔(dān)保的財(cái)政支持力度，加大對(duì)創(chuàng)業(yè)初期的小額貸款公司的財(cái)政扶持力度，并積極探索和創(chuàng)新中小企業(yè)融資的新方式、新途徑。

（4）2013年安徽省產(chǎn)業(yè)風(fēng)險(xiǎn)狀態(tài)呈現(xiàn)良性發(fā)展趨勢(shì)。2012年安徽省產(chǎn)業(yè)風(fēng)險(xiǎn)狀況為有風(fēng)險(xiǎn)，到2013年則轉(zhuǎn)變?yōu)榘踩?。預(yù)測(cè)結(jié)果表明，2013年相比2012年，安徽省在第三產(chǎn)業(yè)從業(yè)人員比重、工業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值的比重等指標(biāo)較為穩(wěn)定，同時(shí)可以看出實(shí)際利用外資額、勞動(dòng)成本、企業(yè)研發(fā)占社會(huì)研發(fā)費(fèi)用比重等預(yù)測(cè)數(shù)據(jù)與歷史數(shù)據(jù)相比有所提升。這說明過去產(chǎn)業(yè)發(fā)展過程中存在的一些主要問題，如技術(shù)創(chuàng)新內(nèi)在動(dòng)力不足、區(qū)域產(chǎn)業(yè)關(guān)聯(lián)度低、技術(shù)創(chuàng)新環(huán)境建設(shè)滯后、政府部門硬性支持較少等問題在不斷地得到改善。

（5）2013年安徽省經(jīng)濟(jì)可持續(xù)性發(fā)展呈現(xiàn)回落發(fā)展趨勢(shì)。由于可持續(xù)性安全指標(biāo)狀況主要考察的是安徽省人口、環(huán)境、科技、居民生活等社會(huì)約束狀況，因此這樣的預(yù)測(cè)結(jié)果也可以從一定程度上顯示未來兩年中安徽省經(jīng)濟(jì)穩(wěn)定的可持續(xù)發(fā)展能力。從預(yù)測(cè)數(shù)據(jù)中可以看出，雖然各類可持續(xù)發(fā)展指標(biāo)均呈穩(wěn)定增長(zhǎng)趨勢(shì)，但由于2012年在宏觀政策的影響下，各省市用于科技與教育方面的投資都有一個(gè)井噴式增長(zhǎng)，顯然這種增長(zhǎng)不具有可持續(xù)性，因而2013年安徽經(jīng)濟(jì)可持續(xù)發(fā)展類指標(biāo)可能會(huì)有一定程度的回落。因此，有關(guān)部門應(yīng)盡快完善科技成果的轉(zhuǎn)化機(jī)制，加大對(duì)科技成果的轉(zhuǎn)化和產(chǎn)業(yè)化的投入力度，加大重點(diǎn)科技創(chuàng)新基地建設(shè)和科研資源建設(shè)的投資力度，加大對(duì)科研人員智力投入的力度。

［1］顧海兵，張一弓.后30年：中國(guó)國(guó)家經(jīng)濟(jì)安全戰(zhàn)略的總體研究［J］.經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2010（1）：10-14.

［2］藍(lán)必華.建立區(qū)域經(jīng)濟(jì)風(fēng)險(xiǎn)預(yù)警與控制系統(tǒng)對(duì)策研究——以深圳龍崗區(qū)為例［J］.改革與戰(zhàn)略，2006（8）：10-13.

［3］張漢林，魏磊.全球化背景下中國(guó)經(jīng)濟(jì)安全量度體系構(gòu)建［J］.世界經(jīng)濟(jì)研究，2011（1）：8-14.

［4］葉衛(wèi)平.國(guó)家經(jīng)濟(jì)安全定義與評(píng)價(jià)指標(biāo)體系再研究［J］.中國(guó)人民大學(xué)學(xué)報(bào)，2010（4）：93-98.

［5］史峰，王輝，郁磊，等. MATLAB 智能算法30個(gè)案例分析［M］.北京：北京航空航天大學(xué)出版社，2011：56-72.

［6］楊淑娥，黃禮.基于BP神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)預(yù)警模型［J］.系統(tǒng)工程理論與實(shí)踐，2005（1）：13-26.

［7］Leon Clarke，Weyant John，Birky Alicia. On the sources of technological change：Assessing the evidence［J］. Energy Economics，2006，28（5/6）：579-595.

［8］Moore，Arent，Norland. RD advancement，technology diffusion，and impact on evaluation of public RD［J］.Energy Policy，2007，35（3）：1464-1473.