經濟增長點評價模型

時間：2022-10-01 03:43:01 經濟畢業論文我要投稿

相關推薦

經濟增長點評價模型

　　經濟增長點評價模型，是小編為各位經濟方面的朋友準備的論文，歡迎各位寫作者參考!

　　摘要：目前有很多的經濟學家對經濟增長點的進行了長期的研究，從不同方面運用不同理論作出了自己的解釋，但在評價經濟增長點上面至今沒有形成一致的看法。本文嘗試從經濟增長點的形成機理以及在經濟發展中的地位和作用上，就應用自組織數據挖掘方法建立某一個國家或者地區經濟增長點的評價模型可行性進行論述。

　　關鍵詞：自組織;經濟增長點

　　引言

　　在研究復雜經濟系統時，系統內多個因素間的相互作用、相互影響，用經濟理論從眾多影響因素中揭示出對經濟對象有重要影響的因素時，不容易找到一個客觀公正的標準。自組織數據挖掘方法為解決這一問題提供了有效途徑。用自組織數據挖掘方法建模體現了復雜事物由簡單到復雜的演化過程，競爭、優勝劣汰的生物進化過程，中間模型不斷重組的模型自組織過程，它能客觀、自動地選擇出對研究對象有重要影響的因素。

　　1.經濟增長點理論概述

　　一般認為，經濟增長點理論來源于經濟不平衡增長思想和內生經濟增長思想，即認為經濟增長不會同時在經濟體的每一處出現，而是出現不同的增長的觸發點，也就是所說的經濟增長點。它的實質上是經濟體內在的刺激因素，它自身的發展可以向外產生擴散和輻射，進而啟動整個經濟體的增長。但是現在理論界對抽象的經濟增長點內涵具體表述并不相同。

　　盡管經濟增長點首先是一個“點”的概念，但是研究的目的是實現整個經濟體的增長，因此必須從經濟總量的角度來看增長點的形成機理。目前已經從經濟史、產業組織等角度提出了各種解決的辦法。主要有羅斯托的“經濟成長階段理論”、錢納里的“工業化階段理論”、霍夫曼的“霍夫曼工業化經驗法則”與“ 霍夫曼系數”。但是這些劃分沒有經濟的微觀基礎，只從歷史的表面聯系來分析經濟現象，因而有一定的局限性。我們認為只有從經濟增長點的形成機理以及在經濟發展中的地位和作用，結合宏觀經濟學與微觀經濟學建立一個評價模型對其才能作出最好的評價。由于經濟增長點對于發展中國家的巨大作用，本文就嘗試對這種經濟增長點的評價模型的建立問題作出研究，找出一種方法能夠建立適應于某一個具體的國家或地區的經濟增長點評價模型，以指導他們的經濟發展方向。

　　2.復雜性科學與經濟學

　　自組織理論與方法源于神經網絡科學和自動控制理論。隨著神經網絡和計算機科學的迅速發展，自組織建模方法也得到取得了較快的進步。20世紀90年代由德國J.A.Muller教授在上述成果基礎上發展并完成的自組織數據挖掘算法，使它成為研究復雜系統模擬預測的有效工具。如今在數據挖掘、知識發現、預測、系統建模和模式識別等領域，自組織方法已經成為人們在信息爆炸時代、信息不完全下進行系統分析和決策的有效方法。

　　自組織方法在人類活動的很多領域都有重要運用，尤其在經濟領域，因為經濟涉及的廣泛性和與人們生活的息息相關性。自組織是運用一種新的方法對重要的經濟問題進行分析。已經證明了經濟系統是一種被大量的環境因素所影響的自然系統，當我們應用自組織方法來解決宏觀經濟指標預測問題時，用自組織方法中的模糊規則來集成影響因素，由于不用考慮所有的因素，所以肯定了自組織應用的有效性。用自組織方法得出的模型，其分析效果要好于其它方法得到的模型，體現了自組織在復雜系統運用中的優越性，解決了復雜系統變量多等其它方法難以解決的困難。

　　我國自1992年開始使用這一方法對一些復雜的經濟問題進行了探討，在賀昌政、劉光中教授以及一批學者的推動下，自組織在我國的運用有了較大的發展，并且取得了令人滿意的效果。

　　3.自組織數據挖掘

　　數據挖掘的概念于1995年在美國計算機年會(ACM)上被提出：“數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程”。數據挖掘是從大量數據中提取知識，即從存放在數據庫、數據倉庫或其它信息庫中的大量數據挖掘有價值知識的過程。它涵蓋了統計學、機器學習、數據庫、模型識別、人工智能等多門學科領域。數據挖掘從它剛產生開始就是面向應用的，它的任務就是從數據中發現模式，為決策活動提供決策模型。

　　自組織數據挖掘方法在考慮到我們對與這個復雜世界所知甚少的情況下，對復雜世界的規律進行預測。其理論的基礎之一是遺傳算法。生物的遺傳在不斷地受到外界的制約并與周圍的環境協調的過程中，物種將逐步地發生變化。在大批量進行育種的過程中，為了得到新的一代，每一次大批量淘汰的過程都應該篩選出具有某些最好特性的，但還需要繼續改進的那些生物，并利用這些生物繼續育種。經過一些階段選擇以后，就可以培育出理想的物種。

　　對于經濟系統，其特征是組織的產生(經濟對象的形成與設計、改造、重構等)、動態平衡的自動調節(為了達到指定的目的而控制經濟過程)、管理、組織的變革。用經濟數學模型的自組織原則來研究經濟系統，應該滿足經濟現象的自身的性質。利用自組織數據挖掘理論建立復雜經濟系統動態模型時，根據影響因素的樣本數據及建模者感興趣的輸出變量，在計算機上采用人機對話方式產生大量的競爭模型，用恰當的選擇準則選擇一部分“最有希望”的模型，再利用這些模型產生大批新的競爭模型。按這樣的方式將模型的結構從簡單到復雜逐步改進，最后選擇出最優的復雜模型來。

　　自組織算法選擇競爭模型的選擇準則又稱外準則，因為它基于某些補充信息，即是在估計模型參數時沒有使用過的信息。外準則對模型質量的判斷應保證其結果與模型參數估計過程的最大無關性。使用外準則篩選競爭模型，是自組織數據挖掘算法的特色。它也符合奧坎姆剃刀原則，即如無必要，勿增實體。

　　自組織算法的終止法則由自組織原理給出：當模型的復雜度(模型所含變量個數與次數)逐漸增加時，模型的外準則值有一個先減小再增大的過程。外準則的最小值定義了最優復雜度模型。

　　要建立經濟增長點評價模型，我們把樣本集分為學習集、檢測集，用GMDH客觀地產生最優復雜度模型。

　　4.總結

　　建立某一個國家或者地區經濟增長點的評價模型所應用的自組織方法，是利用了GMDH黑箱輸入輸出以及用基本函數的網絡互連來表達基本函數等兩種方法的。它有以下幾種優勢：首先它實用性好;只需要采集確定目標的樣本集即可，確定好外準則即可產生最優復雜度模型。其次它客觀性強;由計算機篩選這些數據之間的相關性，減少了人為的主觀判斷。最后它綜合了已知的各種經濟學理論，充分利用了我們的先驗知識。應用自組織方法來建立經濟增長點評價模型是現在我們已知的最可行的方法之一。

　　參考文獻：

　　[1]成思危.復雜科學與管理，中國科學院院刊，1999.(3).

　　[2]錢學森，于景元，戴汝為.一個科學新領域-開放的復雜巨系統及其基本方法論，自然雜志，1990.(1).

　　[3]楊小凱，黃有光.專業化與經濟組織，經濟科學出版社，1999.

　　[4]Ivakhnenko A.G， Kozubovski S.F，Yu.V.Kostenko.Objective System Analysis of Macroeconomic Systems.Syst.Anal.Model.Simul.I，1990，3：201.

　　[5]賀昌政.自組織數據挖掘理論與經濟系統的復雜性研究，系統工程理論與實踐，2001.(12).

【經濟增長點評價模型】相關文章：

電子商務評價模型構造與優化論文10-08

形象模型10-26

模型科技教案制作火車模型10-07

恐龍模型作文04-02

拼裝模型作文05-31