区域核心竞争力状况识别的DEA-BP神经网络组合模型研究与构建

论文摘要

本文在深入研究已有成果的基础上,将数量经济学方法引入到区域核心竞争力识别的研究中,并进行了大胆的创新,提出了一种以区域核心竞争力理论为基础,基于数据包络分析和神经网络分析的区域核心竞争力识别新方法,即DEA-BP组合模型。研究重新界定了区域核心竞争力的概念和内涵,重点研究了区域核心竞争力的定量识别方法,完善了区域核心竞争力的生命周期识别技术,建立了区域核心竞争力识别的指标体系,并利用提出的DEA-BP组合模型对沿海地区的区域核心竞争力状况进行了实证研究。第一部分“引言”论述了问题提出的背景、意义,总结了文献中对区域核心竞争力识别方法的研究并提出了本文的研究思路与框架。第二部分“区域核心竞争力基础理论研究”对区域核心竞争力的理论进行了系统的研究,提出了基于“能力论”的区域核心竞争力概念,并进一步阐述了区域核心竞争力与相关概念的关系,区域核心竞争力的特征及其形成与演化规律。第三部分“区域核心竞争力状况识别模型的研究与构建”深入探讨了区域核心竞争力的定量识别模型。通过对DEA方法与BP神经网络方法特点的分析,研究了两种方法在区域核心竞争力状况识别中的适用性。针对两种方法在实际应用中的局限性,提出了一种区域核心竞争力状况识别的新方法,即DEA-BP组合模型,进而对组合模型的实施步骤进行了细致分析,并总结出应用该组合模型的技巧,以提高模型求解效率。第四部分“DEA-BP组合模型指标体系构建”在科学性、完备性、独立性和可测性的基础上,建立了基于区域核心竞争力理论、适用于DEA-BP组合模型的评价指标体系框架,确定了包括投入要素指标和产出要素指标两方面共15项评价指标。第五部分“基于DEA-BP组合模型的沿海地区核心竞争力状况识别实证研究”结合沿海11个省市的实际数据,对DEA-BP组合模型在沿海地区核心竞争力识别中的应用进行实证检验,并对模型识别结果进行分析,全面评价了沿海地区的区域核心竞争力状况。第六部分“结论与发展方向”通过对模型结果的分析,发现DEA-BP组合模型可以很好地弥补原有方法的不足,实现了方法的创新;通过将该组合模型的识别结果与其他分析结果的对比研究,证明DEA-BP组合模型可以成功地实现对区域核心竞争力状况的识别,其结果与定性分析结果基本一致;此外由于模型引进了环境损耗、政府行政效率、居民生活质量、对外开放水平等评价指标,引入了对区域经济效率评价的新视角。同时,指出了本文的创新与不足,并明确了今后需要进一步研究的方向和内容。

论文目录

• 摘要
• Abstract
• 0 引言
• 0.1 问题的提出
• 0.2 文献综述
• 0.3 本文的研究思路与框架
• 1 区域核心竞争力的基础理论研究
• 1.1 区域核心竞争力的概念
• 1.1.1 文献中对区域核心竞争力概念的研究
• 1.1.2 本文对区域核心竞争力概念的再界定
• 1.2 区域核心竞争力的特征
• 1.3 区域核心竞争力与区域竞争力的关系
• 1.4 区域核心竞争力与比较优势、竞争优势的关系
• 1.5 区域核心竞争力的形成与演化
• 2 区域核心竞争力状况识别模型的研究与构建
• 2.1 DEA 在区域核心竞争力状况识别中的适用性分析
• 2.1.1 DEA 方法简介
• 2.1.2 DEA 方法在区域核心竞争力状况识别中的应用
• 2.2 BP 神经网络在区域核心竞争力状况识别中适用性分析
• 2.2.1 BP 神经网络方法简介
• 2.2.2 BP 神经网络方法在区域核心竞争力状况识别中的应用
• 2.3 两种方法的局限性
• 2.3.1 DEA 方法的局限性分析
• 2.3.2 BP 神经网络方法的局限性分析
• 2.4 DEA-BP 组合模型的构建
• 2.4.1 DEA-BP 组合模型的构建思想
• 2.4.2 建立CCR 对偶模型并求解
• 2.4.3 区域核心竞争力状况的预识别
• 2.4.4 建立训练样本集
• 2.4.5 设计神经网络的层数和结点数
• 2.4.6 区域核心竞争力状况的准识别与最终识别
• 2.5 DEA-BP 神经网络组合模型的应用技巧
• 2.5.1 选择适用的软件
• 2.5.2 尽量使用相对指标
• 2.5.3 选择适用的传递函数
• 2.5.4 选择适用的训练函数
• 2.5.5 设置合理的初始权值
• 3 DEA-BP 组合模型指标体系构建
• 3.1 指标体系设计原则
• 3.1.1 科学性
• 3.1.2 完备性
• 3.1.3 独立性
• 3.1.4 可测性
• 3.2 指标体系框架
• 3.2.1 投入要素
• 3.2.2 产出要素
• 3.3 指标体系设计
• 3.4 指标解释
• 4 基于DEA-BP 组合模型的沿海地区核心竞争力状况识别实证研究
• 4.1 沿海地区核心竞争力状况的预识别
• 4.1.1 建立CCR 对偶模型
• 4.1.2 模型求解及评价参数计算
• 4.1.3 区域核心竞争力状况的预识别及编码
• 4.2 沿海地区核心竞争力状况的准识别与最终识别
• 4.2.1 建立训练样本集
• 4.2.2 网络设计
• 4.2.3 核心竞争力状况的准识别与最终识别
• 4.3 模型识别结果分析
• 5 结论与发展方向
• 5.1 本文研究的主要结论
• 5.1.1 模型实现了对原有模型的改进
• 5.1.2 模型实现了对区域核心竞争力的定量识别
• 5.1.3 模型引进了区域经济评价的新视角
• 5.2 本文的创新与不足
• 5.2.1 本文的创新之处
• 5.2.2 本文的不足之处
• 5.3 继续研究的方向
• 5.3.1 应用于其他领域效率评价研究中
• 5.3.2 区域核心竞争力的动态研究
• 5.3.3 区域核心竞争力关键要素的识别研究
• 5.3.4 形成和衰退阶段区域核心竞争力的深入研究
• 5.3.5 基于知识说的识别方法研究
• 参考文献
• 附录
• 致谢
• 个人简历
• 发表的学术论文与研究成果