基于LS-SVM区域创新能力预测模型.pdfVIP

第15卷专辑 中国管理科学 Issue V01．15，Special 2007年10月 ChineseJournalof Science 2007 Management October， 文章编号：1003—207(2007)zk一0646—05 基于LS—SVM的区域创新能力预测模型 薛风平 (哈尔滨工业大学管理学院，黑龙江哈尔滨 150001) 摘要：在经济全球化背景下，区域经济发展备受世人关注。区域创新能力是区域竞争力的核心要素。区域创新 能力研究对于区域经济发展具有重大的现实意义，其中区域创新能力测评研究是一个重要内容。但是，现有的区 域创新能力测评方法存在许多不足，导致预测误差较大。本文基于LS—SVM对62个省级区域样本进行学习训 练，构建了区域创新预测模型，并对31个区域样本进行测试，测试结果均方根误差为0．45，结果令人满意，训练学 习时间短，效率高，有效克服了层次分析方法、人工神经网络方法的不足，提高了测评准确性，说明LS—SVM在区 域创新能力方面是一种有潜力的预测方法。 关键词：支持向量学习机；区域创新能力；预测；区域经济 中图分类号：C931 文献标识码：A 行区域层面的研究已经成为国际学术界创新研究的 1 引言 前沿和热点之一1。 在经济全球化的进程中，区域发展问题成为世 现有的区域创新能力测评方法多数为层次分析 界共同关注的重大问题，通过提高区域创新能力强 方法，少数运用人工神经网络，存在许多不足。肖健 化区域竞争力，已经成为区域发展的一条有效途径。 华指出，层次评价方法的优点是容易理解，不足是处 区域创新研究开始于20世纪90年代中期，并逐渐理非线性能力不足，评价结果对进一步发展所能提 供的信息不够[6]。何亚琼、秦沛也指出，层次评价 成为创新研究的前沿。Doloreux(2002)指出区域创 新包括企业、大学、研究和公共组织，以及不同的知 方法没有有效解决投入与产出的关系，忽略了高投 入低产出的现象，不利于政府的政策导向…。人工 识支持和基础设施…。Todtling(1994)认为，通过 企业的地理邻近和本地特定联系获得创新能力，区 神经网络能够解决非线性的评估问题，但存在“黑 箱性”、结构确定困难等不足，容易出现过学习现 域创新模式正变得越来越重要C2]。Cooke(2001)也 认为，通过企业与大学或研究机构互动，小企业与大 象，推广能力较差。 企业之间互动，与区域资源、社会资本、文化相结合， 统计学习理论(StatisticalLearningTheory)于 形成特定的区域创新能力¨1。区域创新依赖于本 20世纪60年代由贝尔实验室的Vapnik等人提出， 地的特有资源和社会制度，通过促进创新系统与当 系统研究了机器学习问题，尤其是小样本的统计学 地特殊资源结合，提高区域创新能力，形成区域竞争 习问题¨1。它把学习问题视为一个基于经验数据 进行函数估计的一般问题，提出结构风险最小化 优势。Braczyk(1998)、Mothe和Paquet(1998)、Aes Risk