地区产业转移承接能力SVM模型评价研究

地区产业转移承接能力SVM模型评价研究摘要：产业转移是国际经济协作的重要途径，产业转移的有效承接对于我国产业结构优化，经济增长有着重要的意义。本文从产业转移承接的含义入手，构建了产业转移承接能力评价指标体系，提出了基于svm模型的地区产业转移承接能力评价方法。

关键词：产业转移；承接能力；svm；评价体系

当前，在世界经济发展的实践中，产业转移是经济全球化、区域经济一体化的重要内容，并已成为国际经济协作的重要途径和必然趋势。随着我国经济的快速发展和对外开放的日益扩大，产业转移越来越深刻的影响着我国的经济。据统计，中国是吸纳国际产业转移最多的发展中国家之一。同时，我国东部沿海地区经过三十年的发展，逐步进入了产业结构调整和升级阶段，也伴随着土地、劳动力上涨以及能源短缺，导致部分资源密集型和劳动密集型企业陷入困境，迫切需要通过产业转移突破发展瓶颈。

黑龙江省位于我国东北部，虽然是传统的老工业基地、重工业基地和商品粮生产基地，拥有丰富的矿产资源和森林资源。但是黑龙江省产业结构单一、低级，产品科技含量低，经济发展速度较慢。目前我省承接的产业转移主要集中在第二产业，且以制造业为主；承接规模小，外资和国内转移资金投向缺乏引导，所以，当前形势下，对我省承接国内外产业转移就行战略研究和部署一方面在稳定我省传统的优势支柱产业的同时通过选择性承接国内外产业转移

项目，可以吸收先进的资金和技术，通过产业关联高效的优化我省产业结构，逐步进行产业升级，另一方面，通过长远的战略规划和部署可以减少外部产业转移承接带来的诸如环境污染、资源消耗，规避可能的产业差距夸大化和空心化的弊端，从而加速黑龙江的经济发展，对于缩小我省与发达地区的产业差距，协调区域统筹发展，维护国家安全和社会稳定方面都具有非常重要的意义。同时，对于如何科学地决策、正确地引导、有效地制定和实施产业转移战略，如何准确地评价地区产业转移项目承接能力是我们当前需要解决

的问题。本文从产业转移承接的内涵界定入手,通过对地区产业转移承接内涵和特征的研究，构建了基于黑龙江省的地区产业转移承接的评价指标体系框架结构,并提出了基于支持向量机的地区产业转移承接能力的综合评价方法。

1、产业转移承接的含义

产业转移是资源供给和产品需求等条件发生变化后，某些产业从相对发达的国家或地区转移到相对不发达的国家和地区，并由此带来该地区经济发展及序列演化的过程。[1]产业转移承接能力是指一个国家或地区在面对产业转移时所具有的吸引产业、接纳产业、发展产业的能力。[2]目前，从国外对产业转移研究的历史演进来看，主要沿着两条技术路线：其一，是从国际直接投资角度的产业转移理论：斯蒂芬海默的垄断优势论被称为当代对外直接投资理论的基石。小岛清的边际扩张理论、弗农的产品生命周期理论、

邓宁的国际生产折衷理论是较为经典的国际产业转移理论，这些理论从不同角度解释产业跨国转移的产生动因和模式；其二，是从产业结构演进角度的产业转移理论：赤松的“雁行模式”理论和刘易斯的劳动力密集型产业转移理论、霍夫曼定理、库兹涅茨法则主要从产业结构演进和转移效应的角度进行了相关研究。而国内对产业转移的研究主要集中在产业转移的概念及类型、对产业转移动因、模式和效应、对国外产业转移的理论学习和借鉴、以及从承接地角度探讨产业转移。

在现有理论分析基础上，本文认为产业转移承接是随经济、技术及产业环境发生变化后，在引起产业在地域间的转移的过程中，欠发达地区在产业承接中经济的适应和相应的产业结构调整的过程。

2、产业转移承接能力评价指标体系

经济系统是一个非常复杂的系统，其中存在着非线性性、时变性和不确定作用关系。地区产业转移承接的影响因素众多，劳动力、能源、原材料、零部件和半成品等投入要素的价格、产品质量和生产效率；国际运输和通讯成本；投资激励和投资限制因素；对贸易的人为限制，如进口管制等；基础设施条件，如商业、法律、教育、运输和通讯等；心理差异，如语言、文化、习俗等方面的差异；集中收集和处理信息的经济性；经济体制、政府政策以及资源配置的模式等等。[3]目前理论研究认为影响产业转移承接能力的构成要

素主要分为六方面：一是成本因素，包括原材料成本、劳动力成本和销售成本；二是投资环境，包括政府对经济的干预程度和效能、国有化程度、对外国投资态度、市场化水平、投资政策与法规、贸易壁垒因素；三是产业配套能力，包括基础设施的建设情况，承接载体规模，某行业投资增幅，产业集群扩大速度等[4]；四是科学技术水平，包括现有人员人力资源状况、人才引进状况、现有研发基础资源和研发资本投入等情况。五是经济利益保障因素，包括具体产业转移投资回收效率、资本利润率和资金周转率等等。

地区产业转移承接能力评价指标

3、基于svm的产业转移承接能力评价

svm的有关理论具有以下的优点：svm是建立在统计学习和几何理论基础之上的，具有稳固的数学理论基础；支持向量思想的应用使其对于中小尺寸的训练集具有较好的泛化能力；能够在噪声环境中保持较好的鲁棒性；学习机器的模型结构清晰，便于嵌入新的核方法；svm问题的解的平滑性和非线性都可以通过调整模型参数而加以控制。

3.1 svm原理

支持向量机的基本思想如下：寻找一个分类超平面，使得训练样本中的两类样本点能被分开，并且距离该平面尽可能地远；而对线性不可分的问题，通过核函数将低维输入空间的数据映射到高维

特征空间，从而将原低维空间的线性不可分问题转化为高维空间上的线性可分问题。

给定数据标签对儿，为输入样本，为相应的类别标签。svm 学习的最终目的是要找到最大间隔的分类超平面，通过求解以下的凸二次规划问题：

其中是确定数据空间中分类超平面的权矢量，衡量了两类之间的几何间隔，为引入的松弛变量，用于放松对优化条件的约束，b 是偏差项，c是惩罚因子，也可以称为正则化因子，用于控制正则化和训练误差之间的折衷，影响了模型的泛化能力。

将样本空间通过非线性映射函数变换到更高维的特征空间中，svm的对偶问题由映射后的特征空间中的样本向量内积及拉格朗日乘数构成：

特征空间中的内积运算可以由原始样本空间中计算得到的核函数的值代替，即非线性svm的对偶优化问题表示为：

而决策目标函数为

通常选用的核函数为高斯径向基函数，其表达形式如下：

3.2 基于svm的评价

(1)指标输入数据标准化

为数据处理方便，在进行训练和测试之前，需要将输入的指标数据进行标准化处理，即将数据变换到[0, 1]范围内。