基于ANN的我国31省市利用外资业绩的实证研究，本文主要内容关键词为：利用外资论文,省市论文,业绩论文,实证研究论文,我国论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
［中图分类号］F062.5 ［文献标识码］A ［文章编号］1003-4145[2007]01-0050-04
一、问题的引出
基于国际经验的动态考察，研究者普遍认为，吸引外资会给发展中东道国带来积极效应，如扩大贸易、增加就业、积累资本以及导入先进技术等。从1980年代初到21世纪初的20多年间，我国大陆利用外资，特别是利用外商直接投资已经达到了当初的既定目标，即利用境外资金和海外市场，加速经济增长并扩大经济规模。2005年，我国大陆实际利用各类外资总额约981亿美元，比上年增长了10.6%（未包括银行、保险、证券领域实际利用外资金额）。但综合来看，我国大陆31个省市利用外资的规模和质量是极不均衡的，沿海省份利用外资的总体效果和规模要高于中西部地区。从理论和实务的角度，学术界曾对利用外资的业绩进行了广泛深入的研究。王新华、汪朝阳(2006)利用因子分析方法对大陆31个省市利用外资的效果进行了综合评价。L11樊爱军、杨扬(2005)基于TOPSIS（Technique for Order Preference by Similarity to Ideal Solution，逼近于理想解的排序方法）以江苏省13个城市利用外资情况作为研究对象，选取8项指标作为原指标，对江苏省利用外资效果进行了综合评价。[2]葛顺奇、郑小洁(2004)利用业绩指数比较了大陆31个省市利用外资的业绩。[3]诚然，这些分析和研究为深入理解利用外资业绩提供了必要的平台，但现有方法存在评价误差较大且无法进行大规模评价的缺陷。而人工神经网络具有分布并行处理、非线性映射、自适应学习和鲁棒容错性等特征，使其能精确描述非线性动态过程，因而为综合评价和研究提供了一个崭新的思路。在参考国内外相关学者研究的基础上，本文的基本框架如下：构建人工神经网络模型，对我国大陆31省市利用外资的质量及规模的总体效果进行综合评价；提出若干具有可操作性的政策建议。
二、模型构建
人工神经网络(Artificial Neural Network,ANN)是在现代神经科学研究成果的基础上，依据人脑基本功能特征，模仿生物神经系统的功能或结构而发展起来的一种新型信息处理系统或计算体系，是对非线性可微分函数进行权值训练的多层神经网络，它是一种大规模的自适应非线性动力系统，具有集体运算的能力，并在函数逼近、模式识别、数据压缩、系统控制、图像识别、市场预测等多个领域得到广泛应用。[4]
其实际意义如下：存在一个三层神经网络（输入层、隐含层和输出层），其隐层单元输出函数为Φ(x)，输入层和输出层单元的输出函数为线性的，则该三层神经网络的总的输入输出关系
可以任意精度逼近
。由于这些网络包含了许多相互影响的非线性的神经元，因而，能准确反映变量之间的复杂关系，其网络拓扑结构如图1，具体的操作程序如下：
图1 多层反馈网络
1.指标体系的归一化处理。为了提高网络的学习效率和收敛速度，在数据进入BP神经网络前，先对这些数据进行归一化处理，本研究采用SPSS11.5软件进行。
2.神经网络模型的构建。本研究中，输入为7个指标，设为X(x1,x2,x3,x4,x5,x6,x7)，输入神经元r=3，隐含层S1=6，输出层S2=1。为了更形象地反映出变量之间的非线性关系，本研究的激活函数F取S型对数函数f1=1/(1+e[-x])。
3.权值和临界值的确定。在训练BP神经网络之前，首先必须设置权值和临界值的初始值。由于本研究采用Matlab7.0的函数Newff创建BP神经网络，网络会自动地初始化其权值和临界值，确省值都是0。
三、实证研究
1.指标构建。在构建指标体系时，必须遵循如下原则：
(1)完整性：指标体系应能完整地、全方位地反映利用外资的业绩，不能在涵盖度上有所损失；指标体系内部的逻辑关系明确，而不能杂乱无章地罗列，不同指标层，同一指标层之间关系明确，整个体系中没有重复的指标。
(2)科学性：系统应能正确地反映评价对象各价值构成要素的因果、主次、隶属关系以及客观机制。业绩评价作为客观反映事实的工具，必须要遵循实事求是的原则，通过正确理解有关指标涵义，科学分析客观对象的数量特征，据以将经济增长与利用外资业绩的客观规律反映到绩效评价过程中去。
(3)可比性：选择的指标性质要相同且指标口径要统一，以便于和国内外相同指标的横向和纵向对比。
(4)可操作性：要求大多数指标可从统计部门直接或间接取得，依据社会的发展可以推出一些新指标，但计算尽可能简单易行。各指标反映的问题应具有代表性，各指标所提供的信息不应有交叉、重复，指标之间界定明确。这样可保证用最小的指标，准确、科学、合理的反映所要评价的问题，确保评价的质量水准。
笔者在查阅大量文献资料的基础上，依据上述指标的构建原则，选取7个相对指标，构建评价指标体系，如表1。在此指出，国外一些文献采用了更为复杂的指标体系来测度利用外资业绩，其方法只是在统计数据的搜集和处理上增添了一些技术难度，并不改变此类问题所蕴含的一般机理。
2.分析过程。
根据王新华(2006)的实证数据，得到我国大陆31省市利用外资业绩的原始数据，[1][5]如表2。
选取表中前27组作为训练样本，训练该网络，表中最后4组数据作为检验样本，模拟评估对象。在实际计算时，采用MATLAB7.0语言编程，在微机上实现以上过程。为了克服收敛速度慢、局部极值等问题，采用TRAINBPX方法（一种优化算法，运用动量法和学习率自适应调整的策略，从而提高学习速度并增加算法的可靠性）对利用外资业绩进行模拟评价。对于本算例，训练样本的误差曲线如图2，它们与期望的输出非常接近。对未经训练的4个检验样本仿真评价的结果与专家评价的结果拟合曲线如图3。用检验样本仿真评价的结果与专家对利用外资业绩的评价结果几乎完全一致，如表3所示。
图2 训练样本的误差曲线
图3 检验样本的拟合曲线
表3 检验结果及相对误差
序号 1 2 3 4
专家评价-0.57-O.55-0.33-O.60
检验结果-0.55-O.50-O.36-O.57
相对误差O.035O.091O.0910.050
四、结论及启示
本研究提出了基于神经网络的综合评价方法，并通过仿真试验，取得了较为满意的结果。该方法通过神经网络的自学习、自适应和强容错性，建立更加接近人类思维模式的定性和定量相结合的综合评价模型。其优点如下：(1)训练好的神经网络系统就是把专家的评价思想以连接权的方式赋予网络上，这样网络不仅可以模拟专家对利用外资业绩进行定量评价，而且避免了评价过程中的人为失误；(2)基于参评样本的学习确定人工神经网络模型的结构，按照最优算法准则反复迭代，不断调整神经网络结构，直至达到一个相对稳态；(3)对参评样本的不断学习，能使系统误差达到任何精度要求，且有收敛性；(4)随参评样本的增加和时间的演进，能进行进一步的时间学习和实现动态跟踪评价。
基于以上分析，本研究提出如下政策建议：
1.改善中西部投资的软环境，使区域间协调均衡发展。
评价结果表明，西部五省青海、甘肃、西藏、贵州、新疆吸引投资较少，解析其原因，则是西部投资软环境的滞后。为了吸引外资，除继续搞好公共基础配套服务设施等硬环境以外，更重要的是不断完善法律体系，深化市场化改革和配套产业的服务建设，进一步增强中西部的人力资本投入。
2.多种力量的介入。
从发达国家引进外资是我国实施赶超型发展战略，发挥后发优势的重要途径之一。引进外资又是一项集社会、经济、技术、生产、试验、培训于一体的综合系统工程，需要政府、企业、社会中介等多种力量介入。政府可以采用层次分析法，针对各省市的具体情况，进行分类扶持，激发内部要素的网络链接、错位竞争。政府的着力点应该是为培育引进外资战略协同的软环境，政策的基本理念应定位于市场增进。
3.合理利用政策的积极效应，不断优化外资结构。
在提高外资利用外资规模的同时，要不断优化外资结构：适当控制国内过热行业的外资进入；对一般性行业，比如彩电、空调、洗衣机、电冰箱、电视机等，利用外资，要使内外资企业公平竞争，换言之，政策倾斜应该以不损害市场竞争的公平、公正为标准，不应该以损害市场经济秩序和其他经济组织的发展为代价；对技术含量高，国内带动能力强的行业，比如电子通信、生物制药、航空航天等行业，利用外资，要保持政策的连续性与动态稳定性。
4.以科学发展观为指导，提出考核评价省市利用外资业绩的一套科学、简明的方法。
针对31个省市利用外资方面存在的滞后问题及非均衡的发展现状，必须实施省市利用外资的综合评价指标体系、评价方法和标准，使不同省市利用外资可以进行横向比较，引导其健康规范发展。
收稿日期：2006-10-28
标签：神经网络论文;