分类号 密级 U D C 区域智力资本对产业经济系统的影响测评研究 任朝江 导师姓名(职称) 吴祈宗 教 授 答辩委员会主席 韩立岩 申请学科门类 管 理 学 论文答辩日期 2007/7/27 申请学位专业 管理科学与工程 2007年7月 10 日
Classified Index: : A Dissertation for the Degree of Doctor of Philosophy Research on the evaluation of the effect of regional intellectual capital on industrial-economic systems By Ren CHaojiang Under the Guidance and Supervision of Professor Wu Qizong School of Management and Economics Beijing Institute of Technology July 10，2007
研究成果声明 本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。尽我所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大学或其它教育机构的学位或证书所使用过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。 特此申明。 签名： 日期： 关于学位论文使用权的说明 本人完全了解北京理工大学有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它复制手段复制并保存学位论文；③学校可允许学位论文被查阅或借阅；④学校可以学术交流为目的,复制赠送和交换学位论文；⑤学校可以公布学位论文的全部或部分内容(保密学位论文在解密后遵守此规定)。 签 名： 日期： 导师签名： 日期：
北京理工大学博士学位论文 摘 要 随着科学技术不断发展与科技成果转化速度的加快，以人力资源为基础的区域智力资本在经济系统发展过程中发挥着越来越大的作用。而目前有关区域智力资本及其对产业经济系统影响方面的研究尚存在诸多不足之处，相关理论体系还不完善，不利于全面、系统地认识区域智力资本及其作用，不便于对区域智力资本实施科学调控，以促进区域产业经济系统的快速发展。 本文利用计量经济学、复杂系统理论及其它自然科学领域的成果与方法，如数据挖掘技术、系统演化理论、贝叶斯网络等，深入剖析了区域智力资本的构成及其在经济系统发展过程中的作用，为更好地推动区域经济发展提供决策支持。基于此，论文主要进行了以下几个方面的研究： 第一，研究了区域智力资本及其对产业经济系统的作用过程。由于智力资本是区别于传统意义上的金融资本概念的知识性资本，研究借助了智力资本与智力资源的概念引入区域智力资本；通过对智力资源及构成要素的分析，定义了区域智力资本的概念；并进一步分析了区域智力资本的特征及主要构成，即把区域智力资本分为人力资本、过程资本、关系资本以及创新资本。在分析区域智力资本各组成部分后，利用有关技术手段设定了区域智力资本理论测评体系，用以反映区域智力资本存量。最后研究了区域经济系统评价理论体系，依据经济学、组织行为学以及复杂系统理论分析了区域智力资本对区域产业经济系统的影响过程。 第二，研究了区域智力资本对产业经济系统的影响分析方法。鉴于区域智力资本构成的特殊性，及其对产业经济系统影响过程的复杂性，在分析了传统结构方程模型分析方法不足之后，把贝叶斯网络等人工智能方法引入到影响测评方法中，提出了SEM-Credal网络分析方法。分析了有关SEM-Credal网络方法的理论基础，分别就测评研究过程中多种类型数据信息所反映的各系统变量间的关系，即确定关系与不确定关系，研究提出了SEM-Credal网络分析方法的基本模型与近似模型，包括基本模型分析部分的模型假设与模型检验方法，近似模型分析部分的网络节点参数确定及参数的集结方法研究，从而实现对系统测评过程中多种类型数据与信息的有效利用，提高了影响测评效果。 第三，针对利用SEM-Credal方法所构建的测评模型，分析了模型推理与有关解释问题。介绍了基本模型分析过程，主要研究了测评方法中近似模型部分的推理原理I
北京理工大学博士学位论文 与方法、模型推理工具以及推理的实现方法；最后介绍了有关影响测评模型分析结果的解释方法。 第四，结合所建立的区域智力资本与产业经济系统测评指标体系，分析了现阶段我国区域智力资本发展现状与产业经济系统的发展水平；借助相关统计数据资料以及有关专家意见，运用SEM-Credal网络分析方法，研究了我国区域经济发展过程中智力资本的作用；并就区域智力资本对产业经济系统的影响测评结果，有针对性地提出了促进区域智力资本发展、强化区域智力资本宏观调控的相关措施与政策建议，以推进我国产业经济系统良性发展。 关键词：区域智力资本，产业经济系统，贝叶斯网络，SEM-Credal网络，智能算法，影响测评 II
北京理工大学博士学位论文 ABSTRACT With the further development of science and technology ,and the achievement of science and technology applied increasingly, the regional intellectual capital has become the more important factor of regional industrial-economic systems. However, the research of regional intellectual capital and its effect on industrial-economic systems are still immature, and the system info of regional intellectual capital needs to be mended. There are some known research fruits of intellectual capital, which constitute the basis of our study. Such as, Econometrics, Complex System Theory, Data Mining technology, System Evolution theory, Bayesian networks and other achievements in natural sciences. All of them have provided powerful support for analyzing the structure of regional intellectual capital and its impact in the developing process of economical systems. In order to offer better decision support to advancing the development of regional economics, this dissertation mainly consists of four following aspects : 1. Regional intellectual capital and its impacting process to industrial-economic systems are studied. As a kind of knowledge capital, intellectual capital distinguishes from the traditional concept of financial capital. Based on the concept of intellectual capital and intellectual resource, the regional intellectual capital is proposed and defined by analyzing intellectual resource and its components. And the characteristic and main components of regional intellectual capital are further investigated as following: regional intellectual capital can be divided into human capital, process capital, relational capital and renewal capital; after analyzing the components of regional intellectual capital, a theoretical evaluation system of regional intellectual capital is established using related technology to reflect the storage quantity of intellectual capital; finally, the theoretical evaluation system of regional economic systems is studied and the process of effect of regional intellectual capital on regional industrial-economic systems is analyzed. 2. The methods analyzing the impact of intellectual capital on industrial-economic systems are proposed. First, the disadvantages of conditional Structural Equation Model (SEM) are analyzed. Then, according to the special structure of regional intellectual capital and its complex impact process on industrial-economic systems, Artificial Intelligence III
北京理工大学博士学位论文 technology are introduced ( such as, Bayesian networks etc.) into the effect evaluation and a network analysis method named SEM-Credal is proposed. Also, the theoretical foundation of SEM-Credal networks is explained. In the process of evaluation study, there are complex relationships (including certain and uncertain relationship) among system variables reflected by various data types. To these relationships, the analyzing methods of basic and approximate models of SEM-Credal networks are both put forward. For the basic model, the supposition and verification methods are studied, and for the approximate model, the determination and integration methods of the node parameters are studied too. These models can deal well with various data and information, so the effect of the evaluation can be improved. 3. The approaches of model inference and explaining on the SEM-Credal evaluation model are analyzed. The paper introduces the process of the basic model and focuses on the principles, methods and tools of model inference as well as its realization algorithms. Then, the explaining approaches of evaluation are illuminated. 4. Based on the evaluation index system of regional intellectual capital and industrial-economic systems being established, the present situation and the developing level of the intellectual capital and the industrial-economic systems in our country are analyzed. With the aid of the related statistical material and experts’ opinions, the SEM-Credal networks are used to analyze the function of intellectual capital in the developing process of the regional industrial-economic systems in our country. According to the evaluation results of the effect of regional intellectual capital on industrial-economic systems, some measures and policy suggestions on how to develop regional intellectual capital and the controlling mechanisms are proposed，so as to promote the better development of the industrial-economic systems in our country. Keywords: Regional intellectual capital; Industrial-economic systems; Bayesian networks; SEM-Credal networks; Intelligent algorithms; Influence Evaluation. IV
北京理工大学博士学位论文 目录 摘 要........................................................................................................................................................I ABSTRACT................................................................................................................................................III 图索引..................................................................................................................................................VIII 表索引......................................................................................................................................................IX 第一章 绪论............................................................................................................................................1 论文的研究背景与基础...............................................................................................................1 经济系统的发展阶段与特点............................................................................................1 产业经济系统及其构成....................................................................................................4 论文研究意义...............................................................................................................................9 论文的研究内容与结构安排.....................................................................................................10 研究内容..........................................................................................................................10 结构框架..........................................................................................................................12 第二章 区域智力资本影响测评研究的相关理论...............................................................................13 智力资源与智力资本.................................................................................................................13 智力资源及构成..............................................................................................................13 智力资本..........................................................................................................................15 结构方程模型理论.....................................................................................................................16 结构方程模型方法的建模原理.....................................................................................17 结构方程模型方法的建模过程.....................................................................................22 结构方程模型方法评析.................................................................................................25 不确定性关系测评方法基础.....................................................................................................26 贝叶斯网络......................................................................................................................26 定性概率网络..................................................................................................................28 小结............................................................................................................................................29 第三章 区域智力资本及对产业经济系统的影响分析.......................................................................30 区域智力资本.............................................................................................................................30 区域智力资本定义..........................................................................................................30 区域智力资本特征..........................................................................................................31 区域智力资本构成..........................................................................................................33 V
北京理工大学博士学位论文 区域智力资本理论测评体系.....................................................................................................37 区域人力资本测评体系..................................................................................................37 区域过程资本测评体系..................................................................................................39 区域关系资本测评体系..................................................................................................41 区域创新资本测评体系..................................................................................................43 区域智力资本对产业经济系统的影响分析.............................................................................45 区域产业经济系统的理论评价体系..............................................................................45 区域智力资本对产业经济系统影响的理论分析..........................................................48 小结............................................................................................................................................52 第四章 区域智力资本对产业经济系统的影响测评方法研究...........................................................53 SEM-Credal网络分析方法........................................................................................................53 SEM-Credal网络方法近似测评模型的建模基础研究.............................................................54 Credal集的基本概念.......................................................................................................54 Credal网络.......................................................................................................................57 SEM-Credal网络方法近似测评模型的参数确定.....................................................................59 SEM-Credal网络模型节点参数的确定..........................................................................60 SEM-Credal网络节点参数集结的基础研究..................................................................62 SEM-Credal网络节点参数的集结..................................................................................65 影响测评方法的模型推理与解释.............................................................................................74 影响测评的推理方法......................................................................................................74 影响测评的推理实现......................................................................................................77 影响测评模型的解释......................................................................................................78 小结............................................................................................................................................81 第五章 我国区域智力资本对产业经济系统的影响测评研究...........................................................82 区域智力资本对产业经济系统影响关系的基本测评模型研究.............................................82 基本测评模型构建..........................................................................................................82 基本测评模型分析..........................................................................................................86 基本测评模型的研究结论..............................................................................................93 区域智力资本对产业经济系统影响关系的近似测评模型研究.............................................94 近似测评模型网络拓扑结构的构建..............................................................................94 VI
北京理工大学博士学位论文 近似测评模型网络节点参数的确定..............................................................................95 近似测评模型的推理与解释..........................................................................................99 区域智力资本对产业经济系统影响测评的综合分析...........................................................102 促进我国区域经济发展的智力资本调控机制.......................................................................103 区域智力资本的基础环境............................................................................................104 区域智力资本的扩散机制............................................................................................105 区域智力资本的调控建议............................................................................................106 小结..........................................................................................................................................108 第六章 总结与展望............................................................................................................................110 论文总结..................................................................................................................................110 论文创新之处...........................................................................................................................111 论文进一步研究工作展望.......................................................................................................113 攻读博士学位期间发表的论文.............................................................................................................114 攻读博士学位期间参加的科研工作.....................................................................................................115 参考文献................................................................................................................................................116 致 谢......................................................................................................................................................124 VII
北京理工大学博士学位论文 图索引 图1-1 经济系统运行各阶段智力资本、金融资本与物质资本作用强度示意图..................... ...4 图1-2 论文结构框图............................................................................................... ................... ....12 图2-1 因子分析模型.............................................................................................. ................... .... 18 图2-2 递归模型路径图....................................... ................................................... ................... ....19 图2-3 结构方程模型简图................................... ................................................... ................... ....20 图3-1 区域财富价值构成简图............................................................................................... ........35 图3-2 区域智力资本两阶多维度概念模型........................................................................... ........36 图3-3 产业演化过程结构模型图........................................................................................... ........49 图3-4 企业系统组织运作结构模型....................................................................................... ........50 图4-1 概率分布的几何表示............................... ................................................... ................... .. .55 图4-2 Credal集的凸包表示............................... .............................................................................55 图4-3 Credal集的线性约束表示.....................................................................................................56 图4-4 Credal集的概率区间数表示................... .............................................................................56 图4-5 Credal网络示例简图.............................................................................................................59 图4-6 天气状况与草湿间构成的贝叶斯网络结构图........................................... ................... ....77 图4-7 四变量关系的基本模型图....................... ................................................... ................... ....80 图5-1 智力资本与产业经济系统变量关系路径图............................................... ................... ....83 图5-2 区域教育水平指标变量构成................... ................................................... ................... ....84 图5-3 区域创新资本主要指标变量及构成....... ................................................... ................... ....85 图5-4 区域关系资本主要指标变量及构成....... ................................................... ................... ....85 图5-5 区域产业经济系统主要指标变量及构成................................................... ................... ....85 图5-6 模型Ⅰ变量影响关系分析结果数据图.... ................................................... ................... ...88 图5-7 模型Ⅱ变量影响关系分析结果数据图.... ................................................... ................... ...91 图5-8 区域智力资本对产业经济系统影响的网络拓扑结构图............................. ................... ..95 VIII
北京理工大学博士学位论文 表索引 表1-1 经济系统发展阶段划分标准与代表人物...........................................................................2 表3-1 主要智力资本模型及其构成...............................................................................................34 表3-2 区域人力资本理论指标体系............................................................................................. .39 表3-3 区域过程资本理论指标体系............................................................................................. .41 表3-4 区域关系资本理论指标体系............................................................................................. .43 表3-5 区域创新资本理论指标体系............................................................................................. .45 表3-6 区域产业经济系统理论评价指标体系............................................................................. .48 表4-1 概率区间与不确定性语言表述转换对照表..................................................................... .62 表4-2 变量相关系数矩阵表..................................................................... . ...................................80 表5-1 模型Ⅰ隐变量与观测指标变量效度汇总表.................................. . ..................................88 表5-2 模型Ⅰ研究假设的验证.................................................................. . ..................................89 表5-3 模型Ⅰ指标变量的影响效果估计值.............................................. . ..................................89 表5-4 模型Ⅱ研究假设的验证.................................................................. . ..................................91 表5-5 模型Ⅱ指标变量的总体效果估计值.............................................. . ..................................92 表5-6 模型Ⅱ变量直接效果估计值.......................................................... . ..................................93 表5-7 专家意见指定的网络节点S1的部分状态参数............................ . ..................................99 表5-8 考察节点变量对产业经济系统总体运行状况的影响对照表...........................................100 表5-9 有、无证据输入时考察节点变量概率对照表................................ ..................................102 IX
北京理工大学博士学位论文 X
北京理工大学博士学位论文 第一章 绪论 论文的研究背景与基础 自经济发展步入后工业时代以来，知识与技术已成为组织中最重要的生产要素，同物质资本相比，组织中的无形资本（以知识、智力为主的价值形态）在其价值创造过程中的贡献日益增大。据布鲁金斯研究院(Brookings Institute) 的一项调查显示，在1980年企业的市场价值中，其有形资本(Hard Assets)价值占62%，而到1990年时，这一比例已下降到38%；同时，另一项最新估计表明，当前企业所创造的价值中50%-90%源自于其对智力资本的有效管理，而非对传统物质资产的管理。这一论断在知识型企业中更能得到有力的印证，如Microsoft公司1995年的市场价值为4910亿元，而当年该公司的有形资产仅为450亿元，公司市场价值的%源自于智力资本的作用；可口可乐公司95年市值为7860亿元，而当年该公司的有形资产仅为520亿元，智力[1]资本价值占该公司市值的%。与此同时，智力资本在区域产业经济系统中发挥的作用也日趋显著，并已成为影响区域经济发展的重要因素。 经济系统的发展阶段与特点 [2]经济发展阶段是以联系的明确定义过程来描述经济发展的，经济系统发展所处的阶段将在系统内部要素与外部环境的作用下向更高发展阶段推移；同时，经济系统发展过程中所处的各个阶段具有显著的特征。迈克尔·波特（）教授在《国家竞争优势》中提出经济系统发展需经历要素推动阶段、投资推动阶段、财富推动阶[3]段与创新推动阶段四阶段，其阶段划分的特征十分明显，表明经济系统的发展需经历“要素-投资-财富-创新”的递阶发展过程；与此同时，在不同经济系统发展阶段所采取的有关发展战略、产业发展政策与措施也不尽相同。 另外，一些国内外学者依据经济系统中各种类型结构的优化与变迁(包括贸易结构、产业结构、要素结构、组织结构、技术结构、制度结构和资本结构等随系统内外[2]部因素作用而发生的优化与演化)对经济发展阶段的划分提出了相关理论与标准，就目前所掌握的文献看，对经济发展阶段研究的主要观点概括起来有九种（表1-1）。如：毕雪依据贸易结构的不同将经济发展划分为家庭经济阶段、城市经济阶段与国民经济阶段；李斯特根据产业结构的变化将经济系统发展划分为原始阶段、畜牧业阶段、农1
北京理工大学博士学位论文 业阶段、“农业-制造业”阶段以及“农业-制造业-商业”混合发展阶段。 表1-1 经济系统发展阶段划分标准与代表人物 序经济系统发展阶段划分 代表人物 结构依据号 第一阶段 第二阶段第三阶段第四阶段第五阶段 第六阶段 Ⅰ K·Bucher 家庭经济 城市经济国民经济—— —— —— 贸易结构 农业—制畜牧业阶农业—制Ⅱ F·List 原始阶段 农业阶段造业—商—— 产业结构 段 造业 业 Ⅲ W·G·F·Roscher 自然主导 劳动主导资本主导—— —— —— 要素结构 Ⅳ G·Schmoller 部落经济 村落经济城市经济地域经济国民经济 世界经济 组织结构 非物质商Ⅴ Clark-Fisher 初级商品 制造品 —— —— —— 产业结构 品 Ⅵ K·Marx（Ⅰ） 原始社会 奴隶社会封建社会资本主义共产主义 —— 制度结构 简单机器机器大工Ⅶ K·Marx（Ⅱ） 手工生产 —— —— —— 技术结构 生产 业生产 起飞前准向成熟演追求生活产业结构 Ⅷ Rostow 传统经济 起飞 高额消费 备 进 质量 资本结构 产业结构 Ⅸ Danniel·Bell 前工业化 工业化 后工业化—— —— —— 资本结构 技术结构 （资料来源：参见文献[2]） 我国学者周振华等运用流量经济理论对区域经济要素所呈现出来诸多现象进行分析后，认为区域经济发展大体上可以分为物质流主导阶段、资金流主导阶段和人才[4]流主导阶段。 在流量经济理论体系中，系统之间以及系统内部所存在的主要要素流包括物资流、资金流、人才流、技术流和信息流这五种流。从经济系统的运行过程来看，这五种要素流通常是相互交织在一起的，其中任何一种要素的流动都会带动其他一种或多种要素的流动，故而很难将其明确划分；但在经济系统发展的不同阶段，系统中要素流动的主导流（起主导作用的要素流）会有所不同。一般情况下，经济系统发展初期的系统流是以物质流为主，资金流和人才流为辅；而后逐步过渡到以资金流为主，并引导物质流与人才流变化的中级阶段；随着系统的进一步发展与完善，系统主导流将从资金流主导过渡到人才流主导的高级阶段，在这一阶段，经济体系中起主导作用的要素是人才，相应地，经济系统也发展到了知识经济阶段，此时，其他的要素资源随2
北京理工大学博士学位论文 着人才要素的流动而流动。 依据流量经济观点以及经济系统的发展规律，结合经济系统发展过程中各种资本要素的作用强度，本文认为经济系统发展可以分为物质资本主导阶段、金融资本主导阶段与智力资本主导阶段，在产业系统发展的各个阶段同时并存着物资流、资金流、人才流、技术流和信息流这五种形式的系统流，区域经济系统间以及经济系统内部各子系统间主要通过这五种流的作用而实现系统结构的优化与演化过程。 经济系统的资本阶段划分方法，进一步发展与完善了流量经济的物资流主导阶段、资金流主导阶段以及人才流主导阶段的划分方法，同时更利于用系统的观点解析各个阶段中系统流的作用以及经济系统结构的优化与演化过程。 物质资本主导阶段 物质资本多指直接投入到生产过程中并带来收益的资本。在区域经济系统发展的初期，系统中各产业均围绕着物质生产这一系统中心目标而展开，系统流表现为物资流带动下的资金流运动过程，但其对人才流、技术以及信息流的带动作用则相对较弱，物资流的主导作用贯穿于整个系统的物质资本发展阶段；与此同时，物质资本也成为系统中最重要的资本。因此，物质资本阶段是产业经济系统发展过程中规模较小、层次较低的阶段。一般在规范化、大规模推进经济系统发展过程中，都要经历一个促进区域物质资本发展的阶段，培育物资流发展环境，这是经济系统扩大规模、提高层次的基础。物质资本主导阶段与宏观经济体系中的农业经济与工业经济初期相对应。 金融资本主导阶段 列宁认为金融资本是指通过银行与企业间的相互渗透和参与而形成的银行资本与工业资本的融合，而目前金融资本多指能够产生收益的金融资产，包括债务工具、[5]权益工具以及衍生的金融工具。 在经济发展步入金融资本阶段以后，金融资本逐渐实现了与经济系统的融合，这一过程始于19 世纪末至20世纪30年代，产业系统中工业资本不断加深对金融资本[6]的从属和依赖，随后逐渐实现与其他产业资本的融合。在此过程中系统间资金的流动由被动地随物资流而动，转向主动地在系统内部与系统间流动，并反过来带动物资流和其他要素流，而且资金流对系统中人才、技术和信息要素的带动要远超过物资流的带动作用。因此，从流量经济的角度看，这一阶段中经济系统的发展规模不仅迅速扩大、而且层次也将大大提升。金融资本阶段所对应的宏观经济形态是工业经济中后3
北京理工大学博士学位论文 期与知识经济的前期。 智力资本主导阶段 智力资本是伴随着知识经济与信息技术的迅速发展而逐步形成的、并日渐完善的一种新经济的资本形态，一般认为系统的智力资本主要包括人力资本、结构资本以及关系资本。基于目前信息技术在经济社会发展过程中的作用、知识在各种经济系统中的作用以及由于人们生产与生活过程中所产生的关系资本的作用，对经济系统所带来的效益与收益，在某种程度上已经远远超出传统资本的作用。因此，有必要强调并认识智力资本的作用阶段。 在智力资本主导阶段，经济系统中起主导作用的要素是人才，人才是创造技术与知识的基础；在此阶段，经济形态也将发展到知识经济阶段，即以智力资本的占有、[7]配置，并以科学技术为主导知识的生产、分配和使用为最重要因素的经济阶段。此时，其他的要素资源将跟随着系统中智力资本的变动而流动，系统中的人才流、技术流与信息流影响着物资流、资金流的流动，这几种流在系统中的汇聚与扩散，促使着经济系统逐步实现自身的完善与优化。 资本作用强度 智力资本 金融资本 物质资本 经济发展阶段 农业经济 工业经济 知识经济 图1-1 经济系统运行各阶段智力资本、金融资本与物质资本作用强度示意图 产业经济系统及其构成 从系统的角度看，产业是指为满足社会发展需求，以特定生产技术为核心、生产资料为主体、其他相关生产要素为基础，通过诸因素间的相互作用与联系而形成的、4
北京理工大学博士学位论文 在一定时域空间内提供某些关联产品（或服务）的复杂经济体。由于产业是一些具有相同生产技术或者产品特征的经济活动集合或者系统，那么它的活动或行为既不同于单个企业的经济行为，也不同于整个国民经济活动，而是介于单个经济主体和国民经济总体之间的中间层次。 产业经济系统的定义与特征 1) 产业经济系统的定义 产业经济系统指由各个不同的产业以及产业之间的经济关系所共同构成的有机[8]整体，其形式化定义表述为： 产业经济系统=（{产业(i) i= 1, 2, ⋯, n}，{不同产业之间的关系}） 此处，产业（i）是指具有一定经济功能的不同组织水平上的经济实体，组织水平不同各个产业的内涵与外延亦不尽相同。利用系统的观点定义产业的一个显著特点是：把一个产业作为“经济元”构成一个产业经济系统时，不再考虑其内部结构，而只考虑它的功能, 即它与系统内部其他“经济元”及外界的关系。 产业经济系统的定义为进一步研究产业经济系统的基本特征、产业经济系统的基本关系，并为其提出产业资源位理论与产业结构演化的自组织模型、自组织等级制度与层级制度等提供相关基础支撑。但在该形式化定义中，并没有明确系统目标，即产业经济系统中各产业经济活动所围绕的目标与共同活动指向，没有明确体现出作为一个人工系统所具有的系统决策环节。 因此，产业经济系统进一步解释为：各个不同的产业、其所追求的共同目标和利益、以及在共同系统目标下而产生的产业之间的经济关系所共同构成的有机整体，其形式化表述为： 产业经济系统=（{产业(i) i= 1, 2, ⋯, n}，{系统目标}，{不同产业之间的关系}） 其中，“系统目标”即为系统中各个产业所围绕及追求的共同目标和利益，体现了人工系统中的决策环节变量，其与“不同产业之间的关系”共同构成产业经济系统的“软部”，维系经济系统中的“流”（物质流、信息流、能量流等）在各个产业间的传输与控制，以逐步实现系统的优化与演变。 2) 产业经济系统特征 产业经济系统特征是认识系统与进行系统分析的前提与基础，除了具有一般系统所具有的整体性、目的性、相关性与环境适应性等以外，产业经济系统还具有以下几5
北京理工大学博士学位论文 方面的特征： (1) 产业经济系统的层次性。层次性是指依据不同的分类标准，系统所呈现出的层级结构，如我们所熟知的三次产业分类法，依据人类经济活动的发展阶段把产业系统分为：第一产业、第二产业以及第三产业；马克思依据产品在再生产过程中的不同作用，在实物形态上把社会总产品分为两大部类，即第一部类的生产资料生产的部门与第二部类的消费资料的生产部门，因此产业系统也被相应地分为两大类；此外，还有利用国家标准分类方法以及国际标准分类方法等进行产业系统研究时，均体现出产业经济系统的层次性。 (2) 产业经济系统的开放性。产业经济系统的存在与发展，须与周围环境不断地进行劳动力、物质、能量、资金以及信息的交流，这些交流随着时间的推移而不断变化着，并逐步呈现出相互交叉与制约的现象。另外，产业经济系统的开放性还表现为系统边界的模糊性与不确定性，而真正意义上的封闭经济系统是不存在的，封闭系统只是为了研究的需要而假设的，经济系统的开放性与封闭性是相对的。 (3) 产业经济系统的非均衡性。产业经济系统的运行表现为系统均衡态与非均衡态之间的不断转化过程。从系统经济的总量看，总供给与总需求之间的非均衡是较常见的一种非均衡性，诸如经济疲软、经济过热等现象；而经济系统发展过程的非均衡性是指由于受系统自身以及系统外部因素的影响，在经济系统发展过程中常常出现的一些偏离系统正常发展轨迹的非均衡态势；从系统发展的时间序列来看，经济发展的速度也是非均衡的，有规则的经济波动和无规则的随机扰动相迭加，造成了经济发展过程中的涨落现象；系统结构方面的非均衡，使得经济系统的功能和效率发生较大的变化，而且，结构性的非均衡对经济系统所产生的影响往往是长期的、根本的。 (4) 产业经济系统的非线性。产业经济系统是一个多目标、多变量、非线性的集合体，它决定了经济系统中所具有的复杂相互依赖和相互制约关系，其中的非线性是指系统中各产业之间相互作用的数量特征。 为了形象描述产业经济系统的非线性，把产业经济系统的形式化定义表述进一步抽象为一个六元组{A,T,X,S,F,D}，其中A为产业经济系统中所有子系统（产业）组成的集合，T为该产业经济系统演化的时间空间，X为子系统的状态所组成的状态空间，S为子系统的预期函数集合，其元素表示一个子系统对邻近子系统状态的预期函数，F为所有子系统的状态转化函数组成的集合，状态转换函数反映了子系统的历史状态和未来状态之间的关系，反映了子系统之间非线性作用的广度和强度。当研究某6
北京理工大学博士学位论文 经济变量在子系统或子系统状态中的分布时，用密度函数表示此经济变量，D为所有这种密度函数组成的密度函数空间。 kl假定二维空间中产业经济系统的子系统在t时刻(k,l)的状态表示为x，其有pt个邻近子系统的状态会影响到(k,l)的状态，该时刻这p个邻近子系统的状态表示为kl1kl2klpx,x,",x。当(k,l)子系统进行下一阶段决策时，其对邻近i子系统的预期函数ttt为： iklkliklikliklikli1kli1kli1kli1kli2kli2kli2kli2klipklipklipklipiiii x=s(x,x,x"x,x,x,x"x,x,x,x"x,",x,x,x"x)t+1itt−1t−2,t−dtt−t−2,t−dtt−1t−,t−dtt−1t−2,t−d klkli1kli2klipi式中i1,i2,"ip表示(k,l)的第i个邻近子系统的邻近子系统，它表明了(k,l)子系统对i第i个邻近子系统的预期，不仅与第i个邻近子系统的现在和历史状态有关，而且与 第i个邻近子系统的所有邻近子系统的现在和历史状态都有关。 (k,l)子系统在(t+1)时刻的最优状态可表示为： klklklklkli12p x(,,,,," =Fxx"xxx,x,ξ) t+1tt−1t−et+t1t+1klklF式中ξ子系统(k,l)与邻近子系统之间的相关强度，函数为转换函数；表示该子系统在邻近子系统预期以及自身历史状态的基础上，实现系统本身的优化。 由于邻近子系统之间的这种相互作用，并考虑系统随机变量密度空间D中随机经济变量的变化特性，若产业经济系统的状态空间X中所有子系统在同时进行决策时，[9]将导致整个产业经济系统呈现出非常复杂的非线性性。 (5) 产业经济系统自组织性。“协同学”创始人哈肯（）认为：如果一个体系在获得空间的、时间的或功能的结构过程中，没有外界的特定干涉，我们便说该体系是自组织的；这里“特定”一词是指那种结构或功能并非外界强加给体系的，而[10]且外界是以非特定的方式作用于体系的。 产业经济系统具有通过内部机制自发地构建产业系统结构、并实现产业结构升级的能力，即其具有自组织性。产业经济系统的自组织性根源于产业经济系统的非线性与非均衡性，产业经济系统的自组织主要体现在：产业系统中的各子系统（产业）自我调整、自我组织过程中蕴藏着“序参量”的支配作用；同时，“序参量”也是基于各子系统间的协同作用而产生的，这种交互作用过程最终形成了有序的产业经济系统结构；其次，在产业经济系统发展过程中影响变量很多，但只有少数的几个变量（序参量）决定着系统旧结构的优化升级或新结构的形成；产业经济系统的发展处于极度不稳定状态，系统结构的调整或变化将会出现临界状态，通过对微小“涨落”作用的7
北京理工大学博士学位论文 [11-13]放大而发生系统的突变。 产业经济系统要素与结构 1) 产业经济系统的要素 产业经济系统可以抽象为特定物质、能量与信息的集合体，产业经济系统正是通过其内部子系统以及与外部环境间“物质-能量-信息”的循环、交换过程而实现系统自身的运行与演化的。 (1) 物质要素。产业经济系统的物质要素主要是指进入系统中的自然资源以及相关劳动资料。自然资源是产业系统经济活动的场所以及所作用的对象，一般有土地、矿产资源以及空间等；劳动资料指原材料、工具、机器以及相关设备等。物质要素的广度以及使用效率是随着生产系统的发展而不断得以拓展和提升的，特别是多种新技术在产业系统中的应用。 (2) 能量要素。系统中的物质只有通过能量要素对其施以相应地物理、化学以及生物等作用才可能进入整个经济系统的循环过程。如前所述，产业系统是一人工系统，系统中的能量要素并不能主动转化为人工系统所需相关物质，并发挥相应地作用，主要还是通过人的劳动力作用而得以释放的。人的劳动力包含体力与智力，现阶段产业系统发展过程中，由智力所形成的智力资本及其所释放出的效应对系统的影响作用已经越来越重要，本文将在后面章节中对其进行深入分析与研究。 (3) 信息要素。信息是事物运动的状态和方式、以及这些运动状态和方式的广义知识，通过系统的物质和能量来发挥其作用。信息通过一系列的流通、加工、贮存以及转换过程作用于产业系统中的各子系统，以促进产业系统的产出。产业经济系统中的信息要素指人类在有关产业系统的经济活动中经过加工处理有序化并大量积累后的有用信息集合，如产业市场信息、系统结构与管理信息，科学技术信息、产业政策[13]法规信息等。 2) 产业经济系统结构 从系统的角度看，一方面系统是由物质、能量和信息构成；另一方面系统又由要[15]素、结构和功能等因素组成，它们是系统存在的基本方式和属性。系统结构是各要素在时空上的有序的整体，在要素、结构、功能这系统三因素中，结构是关键，要素、功能正是通过结构重新组合变换，而表现整体性功能的；结构是功能的基础，它决定系统的功能，有什么样的结构，就会产生什么样的功能。因此，通过产业经济系统结8
北京理工大学博士学位论文 构的分析有利于进一步研究产业经济系统本身。 产业结构是指产业系统中产业的构成及各产业之间的联系和比例关系。随着科学技术的不断发展以及新的科技成果被逐步应用于生产实践中，使得系统中的生产分工越来越细，因而产生了越来越多的生产部门，这些不同的生产部门，在各种因素的影响与作用下，将在增长速度、就业人数、经济系统总量中的比重、以及在对经济增长的贡献程度等方面表现出很大的差异。 因此，在一个区域（一般以国家和地区为单位）的产业经济系统中，其每个具体的经济发展阶段以及某个发展时点上，组成国民经济的各产业部门是完全相同的；而且各产业部门的构成及相互之间的联系、比例关系则不尽相同，其对经济增长的贡献大小也存在着差异。故而，产业结构是对包括产业构成及各产业之间相互关系在内的[16-18]结构特征的概括。 由于产业经济系统的要素与构成均与区域智力资本密切相关，系统中的物质、能量与信息要素的存量以及要素的流动与转化，均受到区域智力资本的作用。研究区域智力资本将有助于从系统运行与演化的角度，提高产业系统中要素运行效率与系统的产出水平。 论文研究意义 区域产业经济系统的良性运行与健康发展是推动我国经济社会全面发展的基础，虽然影响区域产业系统运行的因素较多、范围较广，但在新的经济发展阶段，伴随着科技进步与科技成果的转化速度的加快，智力资本已经成为影响区域经济发展的重要因素之一。通过已有文献的分析发现，有关区域智力资本以及区域经济发展过程中智力资本的作用方面的研究还比较少，相关理论体系还不完善。因此，本文试图通过有关理论与方法的研究，剖析区域智力资本构成及其在经济系统发展过程中的作用，为提升区域智力资本水平，更好地推动区域经济社会发展提供决策支持。 区域智力资本对产业经济系统影响测评研究的实质是研究区域智力资本以及区域智力资本对产业经济系统的作用过程，主要任务是研究区域智力资本的构成与评价体系，通过有关模型与方法的研究来评价其对产业经济系统的影响与作用过程。首先研究将有助于我们从宏观、微观层面上进一步了解与认识区域智力资本，以便于提升区域智力资本的管理水平；分析其在经济系统发展过程中的作用，以探寻通过增强和完善区域智力资本及基础支撑体系来促进经济系统发展的途径，增强区域可持续发展9
北京理工大学博士学位论文 的能力。其次通过SEM-Credal网络分析方法的研究，探索包含多种类型数据信息的测评方法，完善现有的系统变量之间影响测评体系，为提高科学决策效率提供技术支持。另外，由于影响区域智力资本的因素较多、涉及面较广，如包括区域教育水平、政策环境、基础设施等，因此通过区域智力资本的研究，将有助于发掘区域智力资本发展过程中环境因素的作用，为完善区域智力资本发展机制、促进区域智力资本发展提供理论依据与现实指导。故而，开展区域智力资本对产业经济系统的影响测评研究具有重要的意义。 论文的研究内容与结构安排 研究内容 本文首先研究了区域智力资本及其构成，区域智力资本与产业经济系统的关系；其次，提出SEM-Credal网络分析方法，研究了SEM-Credal网络分析方法的建模以及相关模型推理与解释；进而，利用SEM-Credal网络分析方法对现阶段我国的智力资本状况，以及智力资本对区域产业经济系统的影响进行了相关研究；最后就影响测评研究的结果进行了相关解释分析，提出了促进区域智力资本发展、推动区域产业经济系统良性运行的措施与政策建议。论文的具体章节安排如下： 第一章绪论部分，主要包括论文研究的背景、意义以及研究的内容。基于经济系统系统的发展阶段及其特点，以及产业经济系统的要素与结构，明确提出：现阶段区域智力资本对于促进区域产业经济系统的发展具有重要的推动作用。 第二章介绍了测评研究的一些相关基础理论。首先介绍了智力资源的概念，并分析了智力资源的构成；对现有智力资本的有关概念及其相关分类进行了较为详细的综述，为研究区域智力资本提供支持。其次，为研究区域智力资本对产业经济系统的作用，对常用的研究变量影响关系的结构方程模型方法的建模原理与建模过程进行了详细的分析，并对用于研究不确定性变量关系的贝叶斯网络与定性概率网络方法进行了简要分析。本章的内容将是开展区域智力资本影响测评研究的重要基础，对后边的研究提供重要支撑。 第三章主要进行了区域智力资本及对产业经济系统影响的理论分析。由于智力资本不同于传统意义上的金融资本的概念，为深入研究区域智力资本引入了智力资源的概念，通过对智力资源及构成要素的研究进一步理解区域智力资本及其作用；在此基10
北京理工大学博士学位论文 础上定义了区域智力资本，并研究了区域智力资本的特征及主要构成；把区域智力资本细分为区域人力资本、区域过程资本、区域关系资本以及区域创新资本四部分，并且研究设置了区域智力资本理论测评体系，用以反映区域智力资本存量与发展水平。最后结合区域经济学、产业经济学以及复杂系统理论，研究了区域经济系统评价体系，分析了区域智力资本对区域产业经济系统的影响过程。 第四章研究了智力资本对产业经济系统影响的分析方法。鉴于区域智力资本对产业经济系统影响过程的特殊性与复杂性，以及传统测评与分析方法的不足，本文提出了SEM-Credal网络测评分析方法。在分析了SEM-Credal网络分析方法产生的理论基础后，分别就测评研究过程中具体系统变量间的关系（可以分为确定直接影响关系与不确定关系），研究提出了SEM-Credal网络分析方法的基本模型与近似模型，包括基本模型分析部分的模型假设与模型检验，近似模型分析部分的网络节点参数确定及参数的集结；并进一步分析了SEM-Credal网络分析方法中模型的推理与模型解释的有关问题，主要研究了测评方法中近似模型分析部分的推理原理与方法，模型推理工具以及推理的实现方法；最后简单介绍了有关模型的解释方法。 第五章结合所建立的区域智力资本与产业经济系统测评指标体系，分析了现阶段我国的智力资本发展现状与产业经济系统的发展水平；借助相关统计数据资料以及有关专家意见，运用SEM-Credal网络分析方法研究了我国区域经济发展过程中智力资本的作用；并就区域智力资本对产业经济系统的影响测评结果，有针对性地提出了促进区域智力资本发展与区域智力资本宏观调控的相关措施与政策建议，以促进我国产业经济系统的良性运行。 11
北京理工大学博士学位论文 结构框架 相关理论基础 智力资源与智力资本 结构方程模型方法 不确定关系的网络分析方法 区域智力资本对产业经济系统区域智力资本对产业经济系统影响分析 影响测评方法研究 区域智力资本 SEM-Credal方法基础分析 区域智力资本理论测评体系 SEM-Credal方法近似模型研究 区域智力资本对产业经济系统影响SEM-Credal方法模型推理与解释 我国区域智力资本对产业经济系统的影响测评研究 区域智力资本影响测评 我国区域智力资本调控措施与建议 图1-2 论文结构框架图 12
北京理工大学博士学位论文 第二章 区域智力资本影响测评研究的相关理论 开展区域智力资本的影响测评研究，其主要基础包括两大方面，即有关智力资本的研究成果与影响测评方法，这里将涉及到智力资源与智力资本、结构方程模型理论以及不确定性网络分析方法。 智力资源与智力资本 基于知识与技术在经济发展过程中日益突出的作用，与其密切相关的智力资源也逐步得到人们的关注；与此同时，区域智力资本也成为促进区域生产力发展的新的动力与源泉。 智力资源及构成 智力资源 “资源”一般是指产生资产的来源，我国学者葛家理等(2002)指出：在现代经济[19]社会中已经出现了两种资源并行开发与运行的新局面，即物力资源和智力资源。物力资源是指蕴藏于客观世界中的、自然形成的原始物质，它们大多数具有不可再生性，是形成物力生产力的来源；而智力资源(intellectual resources)则是指人类自身通过其脑力劳动（包括思维作用、集成作用、创新作用等过程的加工）而后天创造出来的新资源，它不仅可以再生，而且还是不断创造出新的智力生产力的源泉。 智力资源属于社会资源范畴，相对于自然资源而言，它是一种特殊的可再生资源与“软”资源。对于智力资源的概念，目前学术界并没有一个获得一致认同的定义，张平宇等认为：智力资源在狭义上是指支持知识经济增长的拥有一定的科学技术、文[20]化艺术和经营管理等方面的系统的知识与技能的人才；智力资源广义上还可以理解为包括与人才密不可分的科研、教育、R&D机构以及以信息网络为主的基础设施条件等。吕永波等将智力资源定义为认识、理解客观事物(即获得信息) 并运用知识解决[21]问题的能力；王 前等人则指出所谓“智力资源”实际上是对人力资源在智力活动效能方面的一种特殊规定，指的是能够从事智力活动并带来一定经济或社会效益的个[22]人和群体。 目前，对智力资源较为完善的描述为：一个由人类脑力劳动综合集成与加工利用13
北京理工大学博士学位论文 的智力化全过程所形成的资源集成体，这个过程的成果都用物化“资料”形式储存起[19]来，它不是具体有形物体，但却蕴藏着可以转化为生产力的巨大有形能量。对智力资源集成体进一步细分，其基础部分如数据、信息、知识可以称为“智力资源”，而其所包含的理论、技术、软件等则称为“智力资产”。 在现代经济社会中，影响经济系统运行的主要因素已经不是传统意义上的“物资”，经济系统组织的价值已经越来越多的体现在其所拥有的无形资源的多寡以及质[23]量，而非以往经常强调的有形资源的数量。其中，有形资源是指在组织的资产平衡表中所体现的诸如：现金量、厂房等建筑物以及生产所需机器设备等；而无形资源则包括人力及其所具有的经验、商业过程及生产工艺、组织的市场价值（诸如：客户忠诚度、重复交易、信誉等）。故而，智力资源是一种重要的组织资源；同时，智力资源是人力资源系统作用的结果，对智力资源的开发是一种多次智力作用的深度开发，以人力资源为基础开展深度与广度地智力资源开发已经成为新时期区域经济系统发展的必然。 智力资源的构成 智力资源一般是指系统或组织中所产生的诸如信息(Information)、知识(Knowledge)、创意(Idea) 等以及与之相关的工具（数据与数据库）。 1) 数据与数据库 数据是对客观事物最原始、最真实的物理表述，如数字、符号、声音、光线、图像等，它是一种承受载荷的工具；数据可以理解为是既没有被人类加工处理，也没有人为赋予任何物理意义的现象和待加工的原始材料。著名的数据库专家对数据库描述：数据库(Data Warehouse)是一个面向主题的(Subject Oriented)、集成的(Integrate)、相对稳定的(Non-Volatile)、反映历史变化(Time Variant)的数据集合，用于支持管理决策。 因此，对于智力资源所包含的数据及数据库可以从两个层次予以理解，首先，数据与数据库作为基础资源用于支持系统决策；其次，数据库是对多个异构的数据所进行的系统地有效集成，集成后按照系统主题进行了重组，利于智力资源的深度开发。 2) 信息 信息科学认为，信息是物质的普遍属性，是一种客观存在的物质运动形式。信息既不是物质，也不是能量，它在物质运动过程中所起的作用是表述它所属的物质系统，14
北京理工大学博士学位论文 在同其他任何物质系统全面相互作用（或联系）的过程中，以质、能波动的形式所呈现的结构、状态和历史，即对事物存在方式和运动状态的反映（直接信息），或是对客观事物存在方式、运动状态的认识描述（间接信息）。简单地说，信息就是经过加工（消化和语义化）后的数据，它对接受者的决策或行为有现实或潜在的价值。因此，信息是智力资源中最有价值的重要组成部分。 3) 知识 根据韦氏(Webster)词典的定义，知识是通过实践、研究、联系或调查获得的关于事物的事实和状态的认识，是对科学、艺术或技术的理解，是人类获得的关于真理和原理的认识的总和。总之，知识是人类积累的关于自然和社会的认识和经验的总和，[24]此为广义之知识概念。波兰尼(1962)最早将人类的知识依据可否通过知识编码(Knowledge Codify)的方式进行传递分为明晰的知识(Explicit Knolowdge)和默会知识(Tacit Knowledge)两类，一般来讲，默会性知识是只可意会不可言传的知识，而明晰知识是可以在它的产生环境以外以言传或以文字的形式传递进行传递的(Francesco Lissoni,2001)；同时，由于在上述两类知识中，默会性知识占据整个知识的绝大部分(Nonaka 和Takeuchi,1995)，而且是企业竞争优势的最终来源及产业发展的关键(Lundvall,1988)。所以，如何实现高效获取默会性知识将成为区域产业经济系统运行的重要因素。 4) 创意与创新 创意与创新是知识积累与信息交流的结果，是智力资源得以持续发展的关键。起源于上世纪九十年代末的创意产业(Creative Industries)是经济系统中智力资源开发的[25]必然结果。智力资源从本质来讲是指人类的智力劳动创造力，智力资本是投入经济系统再生产过程中的、与智力相关的有形资本、无形资本以及人力资本等。 智力资本 就智力资本来说，目前还没有、也很难给出一个可以得到广泛认可的准确定义；而对智力资本的研究也是一种类似于探索难于捉摸的无形事物的过程，因此，不少的理论与实践工作者开始从组织知识的默会性来解释与研究智力资本。 智力资本最早是作为人力资本的同义词于1836年由西尼尔(Senior)提出的，即个人所拥有的知识和技能；而Machlup(1962)则明确提出了“智力资本”这个名词，并[26]利用其研究知识的创造对区域经济发展的重要性；美国经济学家加尔布雷思15
北京理工大学博士学位论文 ()被认为是最早提出智力资本概念的人，其认为智力资本中的“智力”不再是“纯粹的智力”，而是一种知识性的活动，是一种动态的资本而不是固定的资本形式。 系统地进行智力资本的研究则始于上世纪90年代初期，美国学者斯图尔特(,1991)在其论文《智力资本：如何成为美国最有价值的资产》中提出了智力资本概念，并进一步论证了智力资本是组织（企业）中最有价值的资产，Stewart(1997)指出“智力资本是一个组织中每成员所知晓的能为组织在市场上获得竞争优势的事物的加总之和”，它给予组织部分的优势，一定意义上可以表述为能够被[27]用来创造财富的智力材料——知识、知识产权、经验等；与(1996)从财务核算的角度定义“智力资本是企业真正的市场价值与帐面价值 [28]之间的差距”，而安妮·布鲁金()把智力资本简单地归为“对使公司得以运行的所有无形资产的总称”，同时给出了一个简洁的等式：企业=有形资产+[29]智力资本；1999年的智力资本管理大会把智力资本定义为“可以转化为利润的知识”，认为组成智力资本的主要因素是人（具有内在的无声地知识储备）和外在的既有知识体系；Klein与Prusak定义智力资本为：可以规划化、可以被掌握并施以影响以产生更高价值的资本，即智能可以以某种紧密的连接方式存在，能被掌握以描述、分享和开发，并利用它完成那些在智力资源分散状态下不能完成的工作时，智力进而[30]变成了一种资本。最后值得一提的是加拿大的鲍帝斯()博士，他自1996[31-39]年以来也发表了多篇关于智力资本研究的文章，认为智力资本的提出是对相对于信息而言的知识的有效运用。 综上，尽管现有研究在智力资本范畴上存在着差异，但智力资本的提出确是对传统资本概念的有效扩充这一点却是相同。智力资本概念的提出把传统资本所忽略的但却日益成为组织重要资源的因素，诸如企业组织中的员工技能、组织流程、企业文化、客户忠诚等，与企业核心能力构成要素整合在一起，拓展了物质资本和非物质资本的范畴，将无形资产和有形资产结合起来，揭示了组织的真正价值所在及价值增长的源泉。因此，智力资本的存在具有一定的依附性，其可以表述为存在于组织之中的、并能产生差异优势的知识，而且是封装的有用知识。 结构方程模型理论 传统的结构方程模型属于因果关系模型，其可以用来衡量那些不能通过观察而直16
北京理工大学博士学位论文 接得到的变量，因此，在研究一个包含有大量复杂性假设的系统时，往往要构建一个由潜在结构和可测量模型相互作用而构成的结构方程模型，以分析这个不可观察的结构和它的可观测变量之间的关系。 结构方程模型方法的建模原理 [40-41] 结构方程模型产生的基础 结构方程建模(Structural Equation Modeling，简称SEM)是一种研究构成概念的通用线性统计建模技术，由瑞典统计学家jöreskog在整合了路径分析、计量经济学中的多项联立方程以及验证型因子分析的基础之上而提出的。 1) 验证性因子分析 验证性因子分析(Confirmatory Factor Analysis)是用于分析影响变量、支配变量的共同因子的个数，及各因子本质的一种统计方法；它是一类降维的相关分析技术，用来考察一组变量之间的协方差或相关系数结构，并用以解释这些变量与为数较少的因子（即不可观测的隐变量）之间的关联关系。是根据某些理论或者其他的先验知识对因子的可能的个数或者因子结构作出假设的基础上，利用因子分析来检验这个假设的过程。 假设存在反映因子与其测量指标间关系的测量方程（矩阵表示形式）： X=Λξ+δ () X式()中X为测量变量ξ的因子矩阵，是由q个因子组成的q×1阶矩阵（向量）；ξ为由n个测量变量组成的n×1阶测量变量矩阵（向量）；Λ为q×n阶测量系数矩X阵（因子负荷矩阵），表示因子变量与其观测变量之间的关系；δ为q个测量误差组成的q×1阶残差矩阵（向量）。且存在假设条件： (1) 误差项的均值为零，即E(δ)=0,i=1,2,",q； i(2) 误差项与因子之间不相关，即cov(ξ,δ)=0,i=1,2,",n;j=1,2,",q； ij(3) 误差项之间不相关，即cov(δ,δ)=0,i≠j。 ij在进行因子分析时，除测量系数矩阵Λ中的元素外，还涉及的参数为测量变量Xξ的方差φ=var(ξ),=1,2,",n，以及协方差矩阵φ=var(ξ,ξ),i,j=1,2,",n，误差iiiijij项δ的方差θ=var(δ),=1,2,",q。 ii 17
北京理工大学博士学位论文 xxδ1 δ1 11 、 λλ1111 δxδx2λ2 212λ2 21 ξξ11 λλ3131 xxδδ33 33 Xδ4 4X δ4 4 λ42 λ42 δλn2 ξ2δλn2 ξ2λq2 λq2 Xδqq Xδq q 图2-1 因子分析模型 将x在总体中的真实协方差矩阵记为Σ，x的样本协方差矩阵记为S，由假设模型ˆ推出的总体协方差矩阵记为(θ)，根据样本估计出参数θ后得到的协方差矩阵为∑ˆ(θ)。如果假设的理论模型时正确的，则Σ=(θ)；在分析过程中，可以使用样本方∑∑差与协方差作为总体方差与协方差的估计。因此，可以通过样本的方差与协方差将模型的参数估计出来，并结合模型的拟合、评价等进行因子分析，验证假设模型（理论模型）是否合理。 2) 路径分析 路径分析(Path Analysis)最早由生物学家Sweall Wright提出，并逐步发展起来的一种分析因果模型的技术，旨在将简单相关系数分解为许多部分，以显示某一变量对因变量的直接作用效果与间接作用效果。其包括三部分：首先是路径图，其次是依据路径图写出的联系相关系数（协方差）与模型参数（如路径系数）的方程，第三是效应分析。 设q个自变量X,X,",X（分别为p×1阶列向量）与因变量Y（由p个变量组12q成的p×1阶列向量）有回归关系，回归模型为： Y=βX+βX+"+βX+β+ε () 1122qq0标准化形式为： ***** Y=PX+PX+"+PX+Pε () 1y12y2qyqεj*其中， Y=(y−y)/δ,a=1,2",p ； aay18
北京理工大学博士学位论文 *X=(X−X)/δ,a=1,2,",p;j=1,2,",q ； ajajjjjP=(δ/δ)β ； jyjjyyj P=(δ/δ)β 。 εjεyj依据回归分析得到的相关系数和路径系数的关系可用以下方程组()表示： r=P+rP+rP+"+rP 1y1y122y133y1qqyr=rP+P+rP+"+rP 2y211y2y233y2qyr=rP+rP+P+"+rP () 3y311y322y3y1qy # r=rP+rP+rP+"+P qyq11yq22yq33yqy称标准化回归系数P为X对y的路径系数，表示X对y的直接影响效果，即直iyii接路径；rp为间接路径，表示了X通过X对因素变量的间接效应；P为残差ε对ijiyjiqy于y的路径系数；r为X与X的简单相关系数，r为X与y的简单相关系数。 ijijiyi残差ε对y的路径系数为： P=1−(rP+rP+rP+"+rP) () εy1y12y23y3qy若P很小，说明路径分析已经找到了主要的影响因素；否则，还需要进一步寻找别εy的因素进行分析，以寻找主要影响因素。 ε1 ε2 ε ββ42x21 1 β11 xxX1 2 4 Yβ β23 β43β1m xmx3 图2-2 递归模型路径图 根据路径系数，可以按其绝对值的大小排列路径系数，以说明每一路径效应对因变量Y的作用的相对重要程度；其次，如果P接近于r，反映了X与y的真实关系，iyiyi则可以通过改变X的数量来改变y；如果r大于0，但P小于0，则说明间接效应是iiyiy相关的主要原因，不能通过直接改变X改变y，需要通过中间变量来进行分析。 i19
北京理工大学博士学位论文 结构方程模型(SEM) 结构方程模型(Structural Equation Model)一般包括两种基本模式，即包含因子分析模型部分的测量模型(Measurement Model)与包含因果模型部分的结构模型(Structural Model)。因此，结构方程模型建模主要包括构建反映观测变量与隐变量之间关系的测量模型，以及构建反映隐变量之间关系的结构模型。 结构方程模型中涉及的变量较多，首先是观测变量与隐变量，模型中可以直接观测，即在研究中能够收集到数据的变量称为观测变量(Observed Variable)，而隐变量(Latent Variable)是指模型中引入的、不能直接观测的变量，由于误差变量不能直接观测，也属于隐变量；其次是构造变量与误差变量，作为考察与分析对象、能够说明因果关系的观测变量与隐变量称为构造变量(Structural Variable)，而误差变量(Error Variable)是指那些不能够说明因果关系，但作为影响分析结果变动的原因，而引入模型中的变量；第三是外生变量与内生变量，外生变量(Exogenous Variable)是指在模型中一次也没有作为其他变量的结果的变量，亦即通常所认为的不问原因、从模型外部导入的变量，误差变量一定是外生变量，而那些至少一次作为其他变量的结果、模型[40]内部生成的变量则称为内生变量(Endogenous Variable)。 ζ xy1 δ1 1 ε1 λλ11 r δλλ ξηε λλqp xyδq p q εp 图2-3 结构方程模型简图 结构方程模型的一般假设条件： 1) 测量方程误差项ε、δ的均值为零； 2) 结构方程残差项ζ的均值为零； 3) 误差项ε、δ与因子ξ、η之间不相关，ε与δ不相关； 4) 残差项ζ与ξ、ε、δ之间不相关。 结构方程模型的测量模型是用于说明隐变量η、ξ与观测变量x、y之间关系的模型，通常可以表述为两种矩阵形式。 首先是外生隐变量ξ与其观测变量x间的矩阵方程形式： X=Λξ+δ () X式()中X为外生隐变量ξ的观测变量矩阵，由q个外生指标组成的q×1阶矩20
北京理工大学博士学位论文 阵（向量）；ξ为由n个外生隐变量因子组成的n×1阶外生隐变量矩阵（向量）；ΛX为q×n阶测量系数矩阵（因子负荷矩阵），表示外生隐变量矩阵ξ与其观测变量X之间的关系；δ为q个测量误差组成的q×1阶测量方程残差矩阵（向量）。 其次是内生隐变量η与其观测变量y间的矩阵方程形式： Y=Λη+ε () Y式()中Y为内生隐变量η的观测变量矩阵，指由p个内生变量指标组成的p×1阶矩阵；η为由m个内生隐变量因子所组成的m×1内生隐变量矩阵；Λ为p×m阶Y测量系数矩阵（因子负荷矩阵），表示内生隐变量矩阵η与其观测变量Y之间的关系；ε为p个测量误差组成的p×1阶的测量方程残差矩阵。分别用Θ与Θ表示ε与δ的εδ协方差矩阵。 测量模型的协方差方程如式()所示： ∑∑′Co′′′ΛΦΛ+ΘΛv(η,ξ)Λ⎡⎤E(xx)E(xy)⎡⎤⎡⎤xxxyxxδyx(x,y)===() ∑⎢⎥⎢⎥⎢⎥∑∑′′ΛCov(ξ,η)Λ′ΛCov(η,η)Λ+ΘE(yx)E(yy)yxyyxyyyε⎣⎦⎣⎦⎣⎦而结构方程模型的结构模型是用来说明外生隐变量和内生隐变量之间因果关系的模型, 这种关系以图形的形式表达出来称为路径图。通常写成如下的结构方程： η=Bη+Γξ+ζ () 式()中，η、ξ与测量方程式()、式()中所示涵义相同，分别表示内生隐变量矩阵、外生隐变量矩阵；B为m×m阶系数矩阵，表示内生隐变量之间的关系，即内生隐变量矩阵η构成因素之间的相互影响关系矩阵；Г为m×n阶结构系数矩阵，表示外生隐变量ξ对内生隐变量η的影响关系；ζ为m×1阶表示结构方程的残差矩阵，反映了内生隐变量矩阵η在方程中未能被解释的部分。 −1−1 假设(Ι−B)存在且令B=(Ι−B)，将式()进行相应地变形得： −1η=(Ι−B)(Γξ+ζ) () 分别用Ф表示隐变量ξ的协方差矩阵、Ψ为表示残差项ζ的协方差矩阵。则结构模型的协方差方程为： ∑∑⎡⎤⎡′′⎤B(ΓΦΓ+Ψ)BBΓΦηηηξ(η,ξ)== () ∑⎢⎥⎢⎥ ∑∑Φ′Γ′′BΦξηξξ⎣⎦⎣⎦由式()和式()可得观测变量的最终协方差方程为： 21
北京理工大学博士学位论文 ∑(θ)∑(θ)⎡′⎤⎡⎤ΛΦΛ′+ΘΛBΓΦΛxxxyxxδyx(θ)== () ⎢⎥∑⎢⎥ ∑(θ)∑(θ)ΛΦ′Γ′′BΛ′Λ′′B(ΓΦΓ+Ψ)BΛ+Θyxyy⎢⎥xyyyε⎣⎦⎣⎦若模型为真，则(θ)等于总体的协方差矩阵Σ，即∑=(θ)；从而观测变量的方∑∑差和协方差都是模型参数的函数。 结构方程模型方法的建模过程 结构方程模型的模型识别 结构方程模型的显著特点是：可以根据研究数据与相关假设比较自由地构建研究所需的模型，但所构建的模型能否识别则成为建模分析的关键。模型识别是判别模型中的未知参数（包括模型中的因子负荷、路径系数、隐变量与误差项的方差、隐变量之间以及误差项之间的协方差）能否由观测变量唯一确定的估计过程。若一个未知参数至少可以由观测变量的方差与协方差矩阵中的一个或多个元素的代数函数表达，则该参数可以识别；如果模型中的所有未知参数都能够用观测变量样本数据的方差、协方差的代数函数表示，则说明该模型识是可以识别的。不能识别模型表示该模型中至少存在一个不能被识别的参数。 对于结构方程模型的识别许多学者给出了不同的识别条件，但并没有特定的参数识别充要条件，常用识别法则主要有以下两种。 1) t-法则 即要求模型中的观测变量指标所产生的方差与协方差数目不少于未知参数的数目。假设结构方程模型中共有（p+q）个可观测变量，其可以构成(p+q)(p+q+1)/2个不同的方差或协方差；结构方程中的未知参数个数为t，则模型可识别的必要条件为： t≤(p+q)(p+q+1)/2 () 2) 两步法则 两步法的基本思想是依据结构方程模型的构成，将其分为测量方程与结构方程两部分，按照相应地准则分别进行判别。首先对于测量方程部分，对于外源变量和内生变量不进行区分，即将所有的变量都作为外源变量，测量方程则合并为一个验证性因子模型。按照验证性因子分析方法进行判别，如果模型可以识别，则进行下一步的判别，如果模型不可识别，则说明两步法则不适用。其次是对结构方程部分，把其看作为可观测变量之间的因果模型，原结构方程模型中的外源与内生隐变量均视为可观测22
北京理工大学博士学位论文 变量，按照因果模型识别法则进行判别。 如果所进行的第一步和第二步判别结果均可识别，则整个结构方程模型是可识别。两步法则是结构方程模型识别的充分但非必要条件。 另外，还有其他的一些模型识别方法，如Toyods(1994)提出的识别条件以及利用[40]统计分析结果判断等方法。鉴于假设模型存在着不可识别的问题，因此，在模型假设与建立时尽可能地利用所积累的识别问题的方法与技能、利用已有文献中所提出的模型，同时还应注意相关路径的设定以及参数的限定，避免设定循环的非递归结构方程模型以及变量间的循环或双向关系。 结构方程模型的模型估计 在结构方程模型设定后，则需要依据观测变量的方差和协方差进行参数估计（求解模型中的各参数的估计值），以使模型能够尽可能地再生观测变量的方差与协方差。模型的估计就是度量(θ)与样本观测值的协方差矩阵S的接近程度，并求出能产生∑(θ)的各矩阵的元素值。常用模型估计方法为最大似然法(ML)、广义最小二乘法∑(GLS)，最近也有文献利用偏最小二乘法(PLS)来研究模型的估计问题。 ˆ使得拟合函数F达到最小值的估计θ称为极大似然估计，拟合函数的表达式为： ML−1F=log(θ)−logS+tr(S(θ))−(p+q) () ML∑∑其中S是全部指标组成的(p+q)×1向量′′′(y,x)的样本协方差矩阵，(θ)是由模型推∑导出的协方差矩阵。一般假设S和(θ)都是正定矩阵，且(θ)有逆矩阵。 ∑∑ˆ使得函数F达到最小值的估计θ称为广义最小二乘法估计，其拟合函数的表达GLS式为： 1−12 F=tr[(I−(θ)S)] () GL∑S2最大似然估计满足无偏性、有效性与一致性，并且若样本容量扩大时，其参数估计的分布趋于正态分布，而且其不受测量单位的影响；最小二乘法则需要产生样本方-1差、协方差矩阵，即S。由于观测变量的偏态性可能导致较大的估计误差，所以在利用最小二乘法与极大似然估计进行相关模型估计时，均需要假设观测变量为连续变量且为多元正态分布。 结构方程模型的模型评价 为检验所得到的拟合模型，需要从多个角度对模型进行评价。模型的评价可以从23
北京理工大学博士学位论文 总体与部分两个方面进行，即使用各种拟合指数对模型所做的整体评价与对部分参数的显著性评价。 1) 模型的整体评价 ˆ拟合优度指数是S和(θ)的函数，用于衡量两者之间的差距，反映模型拟合好坏∑的统计量。卡方检验。拟合函数F(S,(θ)是S和(θ)之间距离的一种测度，其最小∑∑ˆ值min{F}即为S和(θ)间的距离。对于观测变量近似多元正态分布且样本容量相当∑大时，极大似然估计和广义最小二乘估计有（N-1）min{F}可用于检验假设H：02[41]Σ=(θ)；若假设成立，则χ=(N−1)min{F}服从渐进卡方分布，其自由度为∑p(p+1)/2-t，其中N为样本容量，t为自由参数个数。由于卡方检验与样本容量以及相应指标是否服从正态分布密切相关，即使拟合函数值比较少，但拒绝一个模型的概率会随着样本规模增加而增加。故而，卡方值也不是一个理想的拟合检验指数。通常为减少样本规模对拟合检验的影响，可考察卡方值与自由度之比，若该比值小于3，则可认为模型拟合较好。 为了克服卡方检验结果依赖于样本大小的不足，引入拟合优度指数(GFI:Goodness of Fit Index)与修正拟合优度指数(AGFI:Adjusted Goodness of Fit Index)对模型进行评价。 −1−122ˆˆˆtr(((θ)(S(θ)))tr(((θ)SI))∑∑∑ GFI=1−=1− () tr((()S))tr((()S))GFI用于反映观测变量的S阵在多大程度上被模型成立时所建立的(θ)所预测，如果∑两者相等，则GFI=1，同时意味着模型较好地拟合。若对GFI中的相关指数进行修正与调整，则调整后的拟合优度指数AGFI为： (p+q)(p+q+1) AGFI=1−(−GFI) () 2df其中(p+q)(p+q+1)/2为数据点即模型中方差、协方差的个数，df为自由度。GFI与AGFI的值均在0~1之间，其反映了样本方差中估计方差所占的比重，其值越接近于1，表明该模型拟合越好，该值一般大于，且对于同一模型AGFI≤GFI。 近似误差均方根(RMSEA)(Steiger& Lind,1980)，定义为： 21/2RMSEA={max[(χ−df)/(N−1),0]/df} () 另外，常用的相对拟合指数有比较拟合指数CFI与赋范拟合指数NFI，用于测量24
北京理工大学博士学位论文 设定模型与独立模型相比在拟合上的改善程度。赋范拟合指数NFI(Normed Fit Index;Bentler & Bonett,1980)： 222 NFI=(χ−χ)/χ () NTN比较拟合指数CFI(Comparative fit index；Bentler,1990)： 2max[(χ−df),0]TT CFI=1− () 22max[(χ−df),(χ−df),0]TTNN2) 模型的参数检验 在对模型进行评价时，即使拟合指数所反映出的模型拟合很好，但并不能保证模型中参数估计值的有效性。因此，需要对相关参数予以检验；由于每一参数估计都有相应的标准误，也使得对其进行参数检验成为可能。需要检验的参数有因子负荷（矩阵Λ中的元素）、因子间的相关系数（矩阵Ф中的元素）及误差间的相关系数（矩阵Θδ中的元素）。当t检验结果为参数显著不为零，则表明假设模型中设定该参数为自由估计是正确的；若检验结果不显著，则说明该参数应设定为零，同时需要对模型修正并重新估计。另外，还应观测矩阵Ф与Θ中的对角线元素及所有参数的标准误，若其δ为负，同样需要模型修正。 结构方程模型的模型修正 模型修正主要是通过减少、增加模型中自由参数的个数，或修改模型中某些自由参数的设定，使得模型满足参数检验及拟合指数的要求，更能满足实际应用的需要、更有意义。在进行模型的参数检验时，若该参数检验结果不显著，可以将其值设定为零，以减少模型中的自由参数个数；进行模型的修正指数(MI)检验时，对于具有最大修正值的固定参数，可以将其设定为自由参数，以增加模型中的自由参数个数；另外，可以借助信息指数比较模型来分析新旧模型中的其他绝对指数和相对指数，以修改某些自由参数的设定，但并不改变模型中自由参数的个数。 结构方程模型方法评析 结构方程模型方法，克服了路径分析基本假设过多、无法包含潜在变量、不能处理互逆因果关系等缺陷；其采用则是用极大似然估计方法可以同时考虑模型中多个各变量间的关系，并排除其他因素的影响，比较准确地估计两个变量之间的因果关系。[40]SEM建模方法除了可以计算变量的直接效应外，还能推导出间接效应和总效应。25
北京理工大学博士学位论文 另外，其允许自变量和因变量含有测量误差；允许潜变量由多个观察指标构成，并可同时估计各指标变量的信度和效度；可采用比较传统方法更有弹性的测量模型，如某个观测变量在SEM中可同时从属于两个潜在变量；研究者可设计出潜变量间的关系，[42]并估计整个模型是否与数据相吻合。这在一定程度上扩展了结构方程模型的应用范围与领域。 结构方程模型方法在应用过程中局限性表现为：其难于合并变量间的交互影响和进行非线性分析，不能处理定性数据和缺失数据，尤其是在管理学领域的研究中，许多应用结构方程模型研究所得到的估计结果是与基本理论假设相背离的，而且研究过[43][44]程中对多重常态的要求一般也是很难被满足的。 不确定性关系测评方法基础 目前，用于研究变量之间不确定性关系的人工智能分析方法，主要有贝叶斯网络、定性概率网络以及半定性概率网络等。基于本文的研究需要，以下将对前两种网络分析方法予以简要介绍。 贝叶斯网络 贝叶斯网络的基本概念 贝叶斯网络（Bayesian Networks，BN）是由J. Pearl（1988）提出的一种基于网络结构的有向图描述与分析方法，其将概率理论应用于不确定性推理中，利用相关数学理论与方法、并借助计算机等工具将不同来源的知识与信息以及相关的不确定性有机地结合起来，可以认为它是人工智能、概率理论、图论以及决策理论等相结合的产物。经过十多年的发展贝叶斯网络已成为人工智能领域中一种主要分析方法，并有效地实现了在不确定环境下进行知识获取、表达与推理。 贝叶斯网络由定性部分即以DAG表示的网络拓扑结构，和定量部分即条件概率表组成，可以用N=<<U，E>，P>的形式加以描述。这里<U，E>表示模型的定性部分（该部分蕴涵了一个条件独立假设，即给定其父节点集，每一个变量独立于它的非子孙节点），两个变量分别是一个有向无环图(Directed Acyclic Graph)的节点和有向边，其中离散随机变量U={X,…,X}对应于这些节点，而有向边E表示节点间的概率因果关系；1nP为定量部分，是U上的概率分布，指每个节点上可能的状态取值及其在父节点状态取值组合下的条件概率分布，通过在每个节点上指定一个条件概率表(CPT)表示，没有26
北京理工大学博士学位论文 [45-47]父节点的节点变量称之为根节点变量，其概率则为先验边缘概率。 [46]根据图模型的d分离性质和条件独立假设，可以进一步得到贝叶斯网络的链式[45-46]规则，假设BN是U={X,…,X}的贝叶斯网络，则其联合概率分布P(U)是BN中所1n有概率（包括条件概率和边缘概率）的乘积，即可表示为： P(U)=P(X|pa(X)) （） ∏iii式中，pa(X)是X的父节点集。 ii贝叶斯网络以其理论的严谨性、图形化的直观表达方式和局部计算的易操作性，[47-49]已被广泛应用于预测﹑分类、因果分析和诊断分析等工程与管理领域。 贝叶斯网络的建模 贝叶斯网络主要用于专家系统中不确定知识的表达，而近年来贝叶斯网络的研究[49-50]热点集中在贝叶斯网络的建模学习和推理算法上。 贝叶斯网络建模主要包括： 1) 网络拓扑结构的选择与构建。主要是确定模型的变量，并根据各变量间的因果关系，确定网络拓扑结构；其关键是所构建的网络拓扑结构需能反映出所研究的问题。模型变量的各状态值可以是离散型或连续型分布。 2) 贝叶斯网络拓扑结构节点变量的赋值。对于根节点，首先要确定其先验概率；而对于其它节点，则要确定其发生的条件概率。先验概率和条件概率可以根据专家信息和试验信息确定。 3) 网络的信念传播和推断。这一过程主要是融合新的试验信息和专家信息，改进网络结构及其节点的概率分布，进行相关推理研究。 因此，贝叶斯网络的建模过程就是构建贝叶斯网络结构和确定网络参数的过程。自20世纪80年代起，贝叶斯网络方法已被广泛应用于各种专家系统，特别是医疗诊断系统中。另外，贝叶斯网络推理方法的研究也是一个备受关注焦点。对于简单的贝叶斯网络，借助于网络所蕴涵的变量之间的条件独立关系和给定的局部条件概率分布，利用贝叶斯网络的链式规则，便可以推断出变量的联合概率分布，进而可以推断出所要求的任意的后验条件概率分布。 贝叶斯网络方法评析 贝叶斯网络相对于其它数据挖掘算法优势在于其推理过程中，不特别区分是前向27
北京理工大学博士学位论文 推理还是后向推理，网络中的每个节点都可以作为输入信息或输出信息，故而，在实际应用中具有灵活的信息推断能力。贝叶斯网络所能解决的推理问题大致可分为预测、诊断和决策制定。预测指在给出假设节点的情况下，预测可能的影响；诊断指在给出证据的条件下推测引发此现象的各种原因的概率值，即推测哪种原因是最可能的；而决策制定涉及到决策节点的影响。 贝叶斯网络的局限性主要表现为：其无法处理存在回路的网络系统；采用条件概率表CPT表达因果作用强度很不直观，而且条件概率表不易获得；其对于条件概率随时间动态变化等问题没有予以考虑。针对贝叶斯网络方法的这些局限性，逐渐出现了[49-52 ]动态贝叶斯网络、高斯网络、动态因果图等许多贝叶斯网络的改进型。 定性概率网络 定性概率网络的基本概念 [53]定性概率网络(QPN)由. Wellman于1990年提出，其是贝叶斯网络的定性近似，可以使我们更加方便地利用所获取的专家知识来构建网络模型。 定性概率网络也是以有向无环图来描述变量和变量之间的关系，与贝叶斯网络不同之处在于，其是以定性符号关系（定性影响和定性合成关系）来描述变量之间的相[50-53 ]互影响，从而缩小了模型表述与实际问题特征之间的差距。 两个变量之间的定性影响关系表达了一个变量值的变化如何影响另一个变量的值的概率分布。假设要考虑二值变量A和B，对于变量B的父节点集（除A外）π(B)\(A)中的变量取值的任意组合x，都有Pr(bax)−Pr(bax)≥0，则称为变量A对变量B的正−0+定性影响，记为S。类似的，我们可以定义负定性影响S、零定性影响S和不(A,B)?明确（或非单调）影响S。定性影响关系具有一些重要特性，包括对称性、传递性和归一性，这些特性可用于推理算法当中。 除了定性影响关系外，定性概率网络上的节点还可以采用定性合成关系，包括加性合成关系和乘积合成关系，来描述三个以上变量之间的相互作用关系。三个变量间的加性合成（Additive Synergy）关系表达了两个变量的取值如何共同影响第三个变量值的概率分布，在定性概率网络中，要为有因果影响的每一组变量指定一个加性合成[51,53]关系；M. Henrion, . Druzdzel在Wellman的基础上，提出了三个变量间的乘积[52]合成关系，表示在观察到一个变量取值的情况下，另一个变量的值如何影响第三个28
北京理工大学博士学位论文 变量值的概率分布，这种由乘积合成关系引出的定性影响也称为相互因果影响(Intercausal Influence)。 定性概率网络的推理与评析 定性概率网络一般利用符号传播算法来进行相关推理研究，目的也是要研究在观[52-53]察变量的一定状态条件时，所要考察变量值的概率分布状况。 对于一般领域，仅需构建出定性概率网络并进行定性推理就可以满足研究要求；而在那些需要进一步详细分析与研究的领域，可以利用定性概率网络在先于具体指定节点概率的情况下，研究所要构建的贝叶斯网络的推理行为。如果推理得到的网络结构是稳定的，则定性概率网络上的定性符号信息可以作为获取定量概率信息的约束条[52]件。另外，定性概率网络还可以用来分析因果独立模型的定性行为，以便于利用因 [54-58]果独立模型进行贝叶斯网络的建模，简化贝叶斯网络中变量的概率指定工作。 另外，由于定性概率网络中变量间的关系是用定性符号来进行表达的，根据其推[59-60]理结果，可以方便地抽取出对推理行为的解释性的语言陈述，能够实现对贝叶斯网络的模型和推理进行有效的解释。 定性概率网络是基于变量关系深层次的抽象而做出的定性描述，其常常导致定性概率网络推理结果出现一些无用信息。因此，继Wellman (1990)，Henrion 和 Druzdzel(1991,1993)后，很多工作都试图对定性概率网络进行改进，以提高QPN的表达能力即捕捉和利用尽可能多的系统知识的能力，以权衡QPN推理中存在的相互冲突的影响关系与结果变量之间的关系，解决QPN推理中变量间相互影响的非单调性[61-68]non-mononity问题。 小结 本章作为本文研究工作的理论与方法基础，首先重点介绍了智力资源的基本概念以及构成，对现有资本资本的研究现状进行了简要概述，为开展区域智力资本的相关研究工作奠定了理论基础；其次，介绍了结构方程模型方法（SEM）的建模原理以及建模过程，并就SEM方法的优势与不足给予了简单评析；第三介绍了用于研究变量间不确定性关系的网络分析方法，即贝叶斯网络与定性概率网络方法，分别分析了两种网络分析方法的建模原理，为研究用于测评智力资本影响关系的方法提供了技术上的支持。 29
北京理工大学博士学位论文 第三章 区域智力资本及对产业经济系统的影响分析 在知识经济与网络社会背景下，信息技术飞速发展、系统关系网络的复杂化以及竞争力主题的变化，使得智力资本与物质资本一起成为现代组织生产过程中的基本要素。区域智力资本的积累与聚集在促进区域产出增加的同时，必然对区域产业经济系统的运行环境以及系统组织结构的演化产生着重要的影响。通过对区域智力资本的形成、流动以及作用规律的研究，将有助于我们从理论与现实两个方面加深对区域智力资本的认识与了解，以实现对区域智力资本的宏观调控；与此同时，通过研究其与产业组织结构关联关系，将有助于促进区域产业系统结构的优化和调整。 区域智力资本 有关智力资本问题的研究始于上世纪五十年代末，基于人们逐步将注意力从传统认知的竞争力（价格和生产绩效）方面转变到强调以人的开发和运作效率上来，并开[69]始强调人力资源的重要性；以资源为本的资源论观点也认为，公司（企业）具有独特的资源、能力以及资质，而如何利用公司现有的智力资产，如技能的获取、知识和技术以及有关组织学习等问题则成为企业发展的关键。随后有关智力资本问题的研究逐步兴起。 有关智力资本理论的来源主要有三个方面：首先是日本学者弘之伊丹(Hiroyuki Itami)对日本公司中无形资产对有形或传统会计计量资产影响的研究结果；其次是一些经济学家(Penrose,1959；Rumelt,1984；Wernerfelt,1984)关于公司组织理论的研究成果；最后是瑞典的Sveiby(1986)通过研究人力资本来研究智力资本的价值，后来Edvinsson和Malone(1997)把人力资本作为构成智力资本的几个成分之一，这三个方[70]面的来源为把智力资本作为公司的基本资本资源提供了理论基础。 区域智力资本定义 虽然开展对智力资本问题的研究已经有一段时间，但现有的智力资本理论以及相关概念、框架、结构等方面的研究多是以企业（公司）为研究对象，而且仅从某个方面如财务会计角度对其进行研究，缺乏系统性与科学性。 “区域经济与社会系统往往与其组成子系统间存在着某种映射关系”(Edvinsson，30
北京理工大学博士学位论文 2002)，两者之间的差异主要是分析问题的层面不同。因而，一些理论工作者开始将智力资本的概念逐步推广到区域与国家层面，Debra Amidon(2001)较早开始尝试研究中观与宏观层面的智力资本问题；随后，加拿大学者鲍狄斯(Bonits)博士开始系统的研究区域智力资本问题，并开展大量的工作，以便于过对区域智力资本的测评，研究其与[71]区域经济增长的关联关系(Malhotra,2001)，为区域经济发展决策提供相关依据。 但对区域智力资本的研究仍处于起步阶段，目前仅有少数几个国家发布过国家智力资本发展状况的研究报告，如瑞典国家智力资本报告(Remble,1999)、以色列国家智力资本报告(Pasher,1999)以及克罗地亚(2002)与荷兰等国家与地区发布过相关智力资本报告；同时，鲍狄斯(Bonits,2002)研究与比较了阿拉伯地区几个国家间的智力资本与区域经济发展状况，Susan Alexander(2006)研究了卢森堡大公国的智力资本发展状况，其它的国家与地区还很少进行这一方面的研究。 依据智力资本的定义及其内涵，区域智力资本是指蕴藏在区域系统内个体（人）、企业、产业以及组织之中的价值，是现存或潜在的能够为整个区域创造财富的特殊资源，是滋养、培育与提升区域未来财富的根源；其可以广义地理解为：所有可以利用的、能给国家或区域带来比较优势，并能创造出未来财富的无形资源。区域智力资本的效能主要依据区域教育水平、科技发展水平以及区域智力资本发展环境这几个方面的作用得以发挥。 区域智力资本特征 区域智力资本是依据智力资源对一般智力资本概念与内涵的拓展，因此，其基本特性与一般智力资本具有相似之处，但也有所不同。 区域智力资本的无形性 区域智力资本是对区域经济系统中基于人力资本所衍生的知识与价值集成体的总称，其包括系统中的个体、企业以及产业等经济元在区域系统智力活动基础上所产生的多种价值，表现为系统所拥有的知识、文化、学习能力以及组织能力等，因此是无形资产，它虽具有资本的属性，但难以用货币予以度量。 区域智力资本的依附性 区域智力资本是系统中个体、企业以及产业等经济元在系统智力活动的基础上所产生的、并存在于系统组织中的价值。因此，其必定附着在特定的组织之中，并随着31
北京理工大学博士学位论文 组织结构与组织成分的变化而变化；其中组织结构是指经济系统的结构，组织成分是指组织元素，如组织中的人，企业以及产业。另外，区域系统中各组织元素所拥有的智力以及所进行的智力活动具有其他元素与系统所不能完全继承与模仿性，故而，不同区域系统具有不同的区域智力资本存量与价值。 区域智力资本的动态性 区域智力资本的动态性是指在系统之间以及系统元素之间相互作用的过程中形成的，特别是随着社会发展与科技进步，知识更新的速度呈加快趋势，系统内部与系统间信息交流的广度与深度逐步加大，为确立区域核心竞争力的比较优势，将促使区域内部自有智力资本的快速发展，同时，加快外部资源获取以增加获取性智力资本的存量。区域智力资本在动态地更新、积累和发展过程中实现价值的可持续性。 区域智力资本开发的长期性 区域智力资本的开发主要是对其人力资源所进行的直接投资，该投资是为了在未来获得预期收益而进行的一项连续投资，具有较强的目的性，比如在教育、培训与学习等方面所进行的素质教育投资，以及对人力自身包括营养、保健、医疗等方面的强化体质方面的投资。而这些投资均不是一次性的短期投资行为，是一种提升区域智力资本“生命”价值的长期投资，投资也不仅仅局限于物力与财力这两个方面，还涉及智力与人力生长、生存环境的投资。因此，区域智力资本开发是一项长期而复杂的系统过程。 区域智力资本环境的复杂性 区域智力资本的开发以及对经济系统的作用过程并不是孤立的，还将受到区域环境的影响。区域智力资本环境从大的方面看，可以分为“软”环境与“硬”环境，“硬”环境指智力资本发展所需要的一些硬件基础设施，包括教育与科研机构、生活设施、区域交通与市政基础设施、医疗卫生设施等；“软”环境指直接影响区域智力资本存量与质量的教育科研发展水平、政策环境、区域文化等人文环境因素等。这些智力资本环境相互关联与作用构成了一个复杂的环境系统，共同影响区域智力资本的开发与作用。 区域智力资本的可调控性 区域智力资本的可调控性主要是通过适度改善智力资本开发环境与对区域智力成32
北京理工大学博士学位论文 果的适度扩散来实现的，对区域间智力资本实施适度调控是实现缩小地区差距、促进区域和谐发展的关键。鉴于区域智力资本的核心为区域人力资源储量与素质，我们可以通过营造区域智力资本发展环境，实现区域间人力资本的合理流动以及区域间的技术转移、扩散，并通过科学、合理制定相关区域发展政策以及政府部门的宏观调控，加快区域智力资本的开发，利用区域智力资本的可调控性，改善区域发展不平衡现状。区域智力资本的非完全复制性以及调控效果的长期性，因此，必须制定科学、合理地相关智力资本调控政策与调控规划。 区域智力资本构成 智力资本的基本构成 对传统智力资本内涵的理解不同、构建理论基础不同，所建立的智力资本模型也将产生差异，目前文献中关于智力资本的模型约有十多种（表3-1）。Roos基于智力资本产生的源泉，认为智力资本是由人力资本(Human Capital)和结构资本(Structure [72]Capital) 所组成的；Edvinsson与Malone依据价值体系的不同，则把智力资本分成人力资本(Human Capital) 、组织资本(Organizational Capital) 和关系资本(Relational [73]Capital) 三部分；斯图尔特提出了知识资本的“H-S-C”结构，指出知识资本的价值体现在人力资本(Human Capital) 、结构性资本(Structure Capital) 和顾客资本[74](Customer Capital)三者之中；Sveiby把智力资本分为能力(Competence) 、内部结构[75](Internal Structure)和外部结构(External Structure) 三部分。 国内学者唐棠通过对相关文献的分析提出了四种智力资本观：即智力产权观、表[76]（资产负债表）内智力资产观、表（资产负债表）外无形资源观、创新能力观。其中智力产权观与表（资产负债表）内智力资产观所表述的智力资本是可以利用相关财务手段予以确认的，而表（资产负债表）外无形资源观、创新能力观是对智力资本的非财务表述。智力产权观认为智力资本特指智力产权，如专利权、商标权等；表内智力资产观认为智力资产是一切以知识为基础的，能够在未来为企业带来收益的资产负债表项目，包括技术、管理过程、智力产权等；表外无形资源观认为智力资本是不包括在资产负债表中的无形资源，如个性特征、员工技能、研究开发能力以及客户关系等；创新能力观认为智力资本是企业实现战略目标所需要的一切知识和创新能力的总称。 33
北京理工大学博士学位论文 [77-81]表 3-1 主要智力资本模型及其构成 智力资本模型 智力资本构成 Kaplan&Norton（1992,1996）平衡记分卡模型内部业务流程 顾客 学习和成长 财务 Petrash（1996）企业价值模型 人力资本 客户资本 结构资本 Stewart（1997） 市场资产 知识产权资产 人才资产 Brooking（1996） 基础结构资产 Haanes & Lowendahl（1997）资源分类模型 竞争力 关系 Sveiby（1998,1997）无形资产监视器模型 内部结构 外部结构 能力（人的竞争力） Edvinsson & Malone（1997） 人力资本 组织资本 关系资本 Roos（1997） 人力资本 结构资本 Skandia价值体系 丹麦商业同盟会（1999）知识三分体系 人力 系统 市场 Luiz Antonio Joia（2000）企业价值 人力资本 创新资本 业务流程资本 关系资本企业市场实力 成本优势 新产品开发能力 傅元略（2000）无形资产 激励制度、信息系统 知识产权资产 人才资源资产 品牌信誉和顾傅元略（2002）无形资产 客网络资产 信息系统资产 管理方法和管理制度 （资料来源：参见文献[76]） 综上，现有智力资本的构成模型虽是从不同的视角，并依据不同理论得出的，但其反映出的组织价值是相同的，即其创造的持续发展能力与潜质。因而，基于价值体系与价值来源可以把智力资本构成归结为人力资本、组织资本与关系资本三部分，人力资本是企业员工（系统组成部分）所拥有的知识与技能的总和，包括员工所拥有的业务技能、持有的工作态度、创新意识以及相关工作经历与经验等；组织资本是系统组织所积淀的知识、文化、规制等组织属性的总称，是智力资本发挥作用的内部制度环境；关系资本是企业（系统）与外部系统的关系，就企业来说包括客户关系、供应商关系等。 区域智力资本构成 基于Edvisson和Malone(1997)提出的智力资本结构图来分析区域智力资本的构成，该图由五个重要部分组成，每一部分代表区域智力资本的一个构成方面。首先我们利34
北京理工大学博士学位论文 用区域财富价值取代所熟知的企业（公司）市场价值，企业所拥有的金融资本在区域系统中表示为区域内的金融财产（财富）价值；关系资本即为区域市场资本；结构资本中的组织资本包括过程资本、创新资本即可持续更新资本。这一区域财富价值组成结构图实现了把智力资本从企业（公司）层面的概念拓展到了区域层面，为进一步开展区域智力的测评及其影响测评提供了借鉴。 区域财富价值 金融财富智力资本 关系资本 人力资本结构资本 过程资本 更新资本 图3-1 区域财富价值构成简图（Edvinsson and Malone 1997） 区域智力资本可以抽象为人力资本、结构资本以及关系资本（市场资本）三部分。从智力资本价值的角度看，人力资本主要包括参与区域系统组织价值链过程的个体的知识、技能、个体所具有的其他参与价值链过程的价值（个体价值能力属性），以及群体价值创造能力属性，其根植于系统与个体之中；结构性资本指隶属于区域系统组织自身的价值（组织价值能力属性），其不会因系统组织中某个个体的流失而丧失价值，如组织信息传递网（内部工序、业务流程）等，且服务于组织的既定目标、战略，是系统组织内部联系细化与深化的结果，结构性资本可以进一步分为过程资本与更新资本；关系资本指区域经济系统组织具有的与其他区域间及环境之间的关系价值（外部关系价值能力属性），如区域市场开拓能力、区域文化交流状况等均为关系资本的反映。 区域智力资本的概念模型 Kogut与Zander认为经济系统是具有高阶结构的组织，组织中的知识通常具有独特的产生背景，并且高度嵌入于组织内部的社会网络之中，组织学习过程被认为是组[82]织内部知识流的流动过程。因此，作为区域经济系统重要知识库与价值构成的区域智力资本，可以用一个两阶多维的结构模型予以表示（如图3-2），该图可以形象、系统地描述区域智力资本的构成及其与区域环境的关系。区域智力资本可以粗略的表述35
北京理工大学博士学位论文 为区域人力资本、区域结构资本与区域关系资本，其中人力资本主要体现了区域个体间基于知识的关系，区域结构资本表明区域组织内所产生的基于知识的关系，区域关系资本则说明区域组织与外部组织间所形成的基于知识的关系；而环境则是促进区域智力资本发展的基础，包括区域智力资本发展的所需的硬件环境与软件环境；智力资本的构成部分通过各自的相关通道与区域环境产生联系。 区域智力资本 人力资本结构资本 关系资本 个体内 组织内组织外 知识技能 流程信道供应商 客户 硬环境 软环境 图3-2 区域智力资本两阶多维度概念模型 通过对区域智力资本两阶多维度概念模型图的分析，我们认为区域智力资本作为附着、并积淀于组织之中的知识与价值，具有特定区域属性，因而不能完全在区域间来实现传递，也并不能完全通过教育以及相关培训等方式实现转移(Levitt,1991)。区域智力资本价值主要通过区域智力资源的聚集以及内部智力资源的开发过程实现，并作用于经济系统促进系统结构的改善与产出水平的提升。 借助智力资本概念模型来分析智力资本“智力产权论”观点。区域智力资本是相互影响与相互作用关系较为复杂的区域知识库；智力产权是包括版权、专利权以及设计成果权等，其主要作为某种资产的概念，而且如果这些产权资产与区域内的知识存量间没有强的关联关系时，更不能将其等同于智力资本；另外，智力资本也可以说是知识动态作用过程的一种表述，并非简单静态知识库的概念，而对于智力产权较合理与科学的认识应该是区域智力资本作用的结果与产出，具有静态的含义，而且就其本身来说并没有知识创造价值。 区域智力资本所包含的默会性知识，在确立组织系统特有优势的同时，也对组织系统发展产生了一定的影响。一个区域组织中所固有的组织知识，一般不易被其他组36
北京理工大学博士学位论文 织所模拟或模仿，因这种知识不能通过教育与培训等手段来传递；与此同时，这种组织固有知识却对组织在外部环境发生变化时的应变能力产生了一定制约，不利于组织迅速改变而适应环境变化要求，维持组织系统的竞争力。 区域智力资本概念模型的底层反映了智力资本的产生环境，基于特定的区域环境所产生的区域智力资本有所不同。区域智力资本的产生与发展环境可以分为硬环境与软环境，硬环境为智力资本的形成与发展提供了必要的硬件基础条件，比如人生存与发展所必需的最基本生活基础条件、教育基础条件等；软环境主要是区域人文与政策环境，诸如区域文化发展水平、政府政策与服务环境等。这两种环境的变化将会影响区域智力资本的发展及其作用的发挥。 区域智力资本理论测评体系 由于智力资本的特殊性与无形性，对智力资本的研究类似于探寻一种难以捕捉的无形事物的过程，尽管有不少的理论与实践工作者试图从不同的角度来研究与解释智力资本，比如采用组织的默会性知识等抽象的描述来表述智力资本，但仍不能满足对智力资本进一步研究的需要。因此，研究区域智力资本需要一套较为完整、科学、合理的指标体系及其相关指标变量，以便于更好的挖掘并管理区域无形财富资源。 论文依据有关文献及区域智力资本的构成，并结合我国区域智力资本的发展水平，从针对性、系统性、动态性以及易操作性等几个方面研究区域智力资本的测评指标体系，指标体系分为区域人力资本测评指标体系、区域过程资本测评指标体系、区域关系资本测评指标体系与区域创新资本测评指标体系四个方面。区域智力资本测评指标体系并不是针对并适用所有与智力资本有关变量而进行的评价过程，只是一个粗略的、探索性的研究过程。 区域人力资本测评体系 区域人力资本(Regional Human Capital)是区域智力资本的基础与重要组成部分，包括参与区域系统组织价值链过程的个体的知识、技能、个体所具有的其他参与价值链过程的能力属性（是区域所有个体，而并非仅指工人），以及群体价值创造能力属性，其根植于系统及系统的个体之中，表现为对区域经济系统产出的作用强度与效果。因而，很难对区域人力资本进行抽象意义上的直接测量。 区域人力资本可以进一步解释为在实现区域财富目标过程中经济系统中劳动者37
北京理工大学博士学位论文 个人所具有的知识、教育水平以及竞争能力等(Bontis,2004)，劳动者的这些属性与区域教育水平息息相关，教育是区域人力资本发展根本，通过教育提高区域劳动者的知识与技能，进而促进区域智力资本价值的不断提升。因此，分析与研究反映区域区域人力资本指标时，首先要考虑设计能反映区域教育系统，以及区域人力资本的供给能力与供给水平的指标，如区域内接受不同类型教育的人员的数量与质量，包括接受正规学校教育以外的其他形式的再教育、职业培训状况等指标。其最终选出用于反映区域人力资本状况的指标为：区域非文盲人口占总人口比重、人均高等学校数与最高值比重、具有要求资格的小学教师比重、大专及以上学生数与最高值比重、人均累积毕[83]业研究生数与最高值比重、引进男性高层次人才比重、引进女性高层次人才比重。 Susan Alexander(2006)在研究卢森堡大公国的智力资本时，指出区域智力资本是由人力资本、结构资本以及关系资本构成，其中人力资本具体指区域劳动者的工作能力（年龄、性别等）、受教育程度（经验、再教育与培训等）、工作热情、体质、心理与身体等方面的内容，主要衡量指标为：人口（本地与外来人口）、性别比、年龄阶段、婚姻状况、教育状况、科学家与工程师比重、工作机会等，考虑到欧盟国家区域[84-85]间外来劳动力资源比重较大，加入了非本地劳动力资源状况指标。 荷兰职业教育大学智力资本研究中心依据《里斯本议定书》(2004)进行欧盟区域智力资本分析研究时，从区域人力资本的现状、投资水平（反映人力资本发展潜力）以及作用效果三方面共11个指标反映区域人力资本水平，即受过培训并主动使用计算机从事专业事务的人员比重、每千人雇员中研发人员数、所有人口中完成至少中等以上教育人员比重、年龄在25-64岁间成年人参于继续教育与培训人员比重、就业率、在知识密集性服务业和中高技术制造业中就业人员比重，公众在教育方面的消费支出占GDP的比重、公众在劳动市场政策评价方面的投资占GDP比重，一段时期内的区[86]域GDP产值。 陈钰芬利用区域教育水平与健康状况两方面共5个指标，即高等学校专任教师学生比、每十万人中高等学校在校学生人数、每十万人大专以上学历人数、每万人拥有[87]医生数、每万人拥有医疗机构床位数，反映我国区域智力资本中的人力资本状况。 从广义区域人力资本概念分析，区域人力资本理论测量指标体系应该包括反映区域教育水平指标(Educational Level)、区域人才储备指标(Talent` Reserver)、就业水平指标(Employment Rate)、人才素质(Talent` Diathesis)以及区域人力资源环境状况(Human Resources Environment)指标等几方面。 38
北京理工大学博士学位论文 表3-2 区域人力资本理论指标体系 一级指标 二级指标 区域高等院校数（十万人） 高校专职教师学生比 区域教育水平(EL) 非文盲人口比重（%） 区域教育投资占GDP比重（%） 大专以上学生数（十万人） 区域人才储量(TR) 高中阶段学生数占总人口数的比重（%） 区域大专以上学历人员比重（%） 区域累积毕业研究生人员比重（%） 区域人才素质(TD) 接受继续教育与培训人员比重（%） 区域劳动力工作热情与态度 区域劳动力健康状况 就业率（%） 区域就业水平(ER) 高新技术企业就业率（%） 硬环境（生产生活） 区域人力资源环境（HRE) 软环境（政策文化） 区域过程资本测评体系 区域过程资本(Regional Process Capital)是指区域内的非人类知识仓库(Non-human Storehouses of Knowledge)，其根植于或隶属于区域系统内的技术、信息与通信交互系统，通过技术、信息，与通信系统的硬件、软件、信息知识库、实验室[83]以及系统组织结构等得以表现，是人力资本作用的支撑与产出结果的具体化。 区域过程资本的产生与发展是区域信息技术不断发展的结果。通过分析信息技术以及相关知识在促使农业社会向工业社会转变过程中所起的作用，人们已经认识到了信息技术与知识革命在推进区域经济社会发展、以及相关组织结构变化过程中所引发的财富与资产的变化，特别是在当今全球信息化程度进一步提高的社会中，信息技术与知识革命的结果——智力资本对区域经济系统的影响也已经引起了人们的普遍关注并给予了其足够的重视。 信息技术的发展使人们能够更容易实现对多种类型的知识进行存储、加工与交流，而且还不受时间、地域、容量以及成本等因素的限制，这些一定程度上影响了人39
北京理工大学博士学位论文 们的交互方式以及从事商业活动的方式。因此，可以说人的智慧与信息技术的结合所产生的智力成分，已经开始逐步替代传统物质资本的成分而将成为反映产品品质的第一影响因素，其反映到区域经济系统中，即为区域过程资本。 另外，知识与信息技术在促进区域经济可持续发展方面也发挥着极为重要的作用。新技术的使用将极大地促进区域系统中知识与技术系统的发展，进而为更新技术的产生、促进区域知识与技术的交流提供多种便利。因此，计算机技术、互联网技术以及其他信息交换与交流技术已经成为区域间市场竞争的关键，信息基础设施、互联网的接入与使用程度也都将被作为衡量区域过程资本的主要指标。 基于互联网的知识与信息共享技术——区域过程资本的发展，将为实现区域内部的合作以及实现区域间的合作提供更大的便利，该技术能有助于一个区域积极参与、分享全球范围内的新技术与知识，进一步增强区域内创新资本(Renewal Capital)的能力；进而，作为区域知识的重要组成部分的市场资本，其通过基于互联网的相关信息收集与交流，也会得到进一步地增强，并逐步对其他区域产生一定的影响，以提升区域影响力。利用信息交流技术与工具已经成为参与全球经济过程、提升区域发展实力与区域竞争力的必要途径。 鲍狄斯博士(Bonits,2002)建立的区域过程资本指标体系主要涉及区域电信光缆主线敷设、个人电脑拥有量、区域互联网主机量、互联网用户数、移动电话使用情况、区域无线电接收机与电视机拥有量、区域报刊杂志发行量等。 Susan Alexander(2006)指出过程资本应包括资本产生与作用的基本构件，以及基于知识、信息的相关专用构件。其中，基本设备与构件指相关信息与通讯技术的硬件设备、软件以及所需场所等，可以通过区域从业人员的IT成本、从业人员的使用电脑比率、服务器数量、网站数量等予以量化衡量；专用构件指组织内部网以及相关数据[84]库等。 而有些学者则认为区域过程资本指标包括区域的交通运输能力指标与邮电通讯[87]能力指标，本文认为这一说法对于区域智力资本中的构成部分的直接衡量不够准确，区域的交通运输能力指标不应作为衡量过程资本的指标构成，其不能直接反映区域内知识与相关信息的交流能力。 因此，用于衡量区域智力资本构成的过程资本理论指标体系主要包括：区域通信硬件环境状况指标（Telecom Industry Hard-enviroment）、区域信息技术发展状况指标(IT Soft-environment)、区域电信业务状况（Telecom Operation）、区域传媒发展状况40
北京理工大学博士学位论文 (Media` Condition)等指标。 表3-3 区域过程资本理论指标体系 一级指标 二级指标 区域电信光缆主线敷设 个人电脑拥有量 区域通信硬件环境（THE） 区域互联网主机量 区域局域网建设情况 相关数据库建设情况 区域信息技术发展状况（IT） 存储与转化技术发展水平 互联网用户数 移动电话使用情况 区域电信业务状况（TEO） 固定电话拥有量 区域无线电接收机与电视机拥有量 区域报纸发行量 区域传媒业发展状况（MC） 区域科技杂志发行量 区域图书馆藏书量 区域关系资本测评体系 区域关系资本(Regional Relationship Capital)作为区域智力资本的重要组成部分，亦即市场资本(Regional Maket Capital)，是指存在于区域系统内部关系中的某种知识与能力的总合，可以通过相关作用实现资本化。反映了某区域相对于其他区域而言，能成功为外部客户提供具有吸引力与竞争性方案对策以满足其需求的能力。 区域智力资本中的市场资本与社会资本极为相似。市场资本是由市场规则、市场组织、社会网络（交易网、关系网及其他有关关系的集合）等成分所表述的一种社会智力(Social Intelligence)；而社会资本是指由社会关系网络、信任、规范等社会因素构成的结构资源，以降低交易成本、加速信息交流与创新，目的是通过各因素以及它们之间的网络关系以实现资源获取或者实现资源的最优配置，当社会相互交往产生外部效应和促进为获取市场之外的共同利益而采取集体行动时，社会资本就会产生效益；对于区域市场资本来说，更主要是因为其包含着具有发现属性的组织特性，能增强社[88]会资本的创造。 区域投资水平及对外关系的成就是影响区域市场资本发展的重要成分，其与出口41
北京理工大学博士学位论文 产品或服务的质量密切相关，而且在区域无形资产中占有较大的比重；同时，国际贸易也一个主要的影响因素。区域内部以及区域之间的关系增强了区域创造知识的能力，以及从其他地区的知识中汲取价值的能力；区域及国际间贸易能为区域创造新的产品或服务、以及提高现有产品或服务的质量带来更具有效率与创新性的方法。据世界银行的相关报告(1999)称，区域外商直接投资可以通过劳动力资源的扩散与流动，影响区域供应商以及有关技术的技术交易，并为区域带来了极大的利益。因此，扩大区域的贸易范围与领域、鼓励外商直接投资以及引进国外技术，以促进区域技术与知[89-91]识的有效转移，是提升区域市场资本的重要措施。 与区域贸易及经济发展水平密切关联的、另一个影响区域智力资本的重要因素是区域的人才流失问题。据世界银行的有关研究表明(Word Bank,1999)，由于缺乏更好的发展机会以及所需的发展环境，区域市场资本发展欠佳而无更多商机的地区，人才流失问题更加突出；目前，这一问题也正在影响着我国国内智力资本的发展以及整个经济系统的产出。 虽没有一些更好的、得到普遍认可的用于测评区域市场资本的相关指标变量，但通过区域经济发展过程中非物质资本作用的差异分析，可以利用区域间的文化与技术交流情况反映区域的市场资本，比如区域所举办国际会议状况、有关图书杂志等出版物的对外贸易状况等。 鲍狄斯博士(Bonits,2002)利用了区域高新技术及产品出口占GDP的比重、获得美国专利商标局(USPTO)授予的专利数以及主办的相关会议情况这三个方面的有关指标来反映区域市场资本状况；Susan Alexander(2006)在Edvisson对区域市场资本定义的基础上，指出市场资本应包括区域政治联盟、贸易伙伴以及区域财政环境状况；荷兰职业教育大学智力资本研究中心（2004）运用区域举办国际会议状况、中小企业(SMEs)参与创新合作状况、国际电信话务输出量、区域外国留学生占学生的比重、国际科技协作范围、国际合作专利申请量、劳务输出水平、高技术出口水平等；我国学者从国际与国内贸易两个方面来反映区域市场资本水平，如实际外商直接投资额占GDP 比重、进出口总额占GDP 比重、技术市场成交额以及人均社会消费品零售总额，该指标不能全面描述区域市场资本，且用人均社会消费品零售总额等来描述区域智力资本[83-84]中的关系资本欠妥。 用以衡量区域关系资本的理论指标体系应尽可能反映区域智力资本的水平，主要考察区域科技合作与交流状况(Science-tech Cooperation & Interchage)、区域文化交流42
北京理工大学博士学位论文 状况(Culture Exchanges)、区域国际贸易水平(International Trade)等几个方面的发展状况。 表3-4 区域关系资本理论指标体系 一级指标 二级指标 区域跨国企业机构数 区域合作专利申请量 区域外国学生比重（%） 区域科技合作与交流状况（STCI） 区域人员外出培训与交流状况 高新技术产品出口水平 区域劳务输出水平 区域举办国际会议状况 区域科技文化出版物交易状况 区域文化交流状况（CE） 区域文化开放程度 区域外语使用情况 区域出入境旅游状况 区域国际贸易额占GDP比重（%） 区域国际贸易状况（INT） 区域外商直接投资状况（FDI） 区域创新资本测评体系 创新资本(Regional Renewal Capital)或称更新资本，其代表一个地区的未来智力财富量，一般包括区域所具有的不断更新与发展其可持续竞争优势的能力，以及在此过程中所具有的实际投资能力。Ducharme(1998)通过对无形资产投资与有关区域创新资本作用的研究表明，对无形资产的投资将有利于提升区域创新能力、提高生产率，并证明了对区域创新资本投资的连续投资与区域经济的可持续增长之间的具有某种正相关关系。 区域的财政实力与研发效力具有直接的关联关系，研发能力与相关投资水平是区域创新资本的关键。但区域研发投入的效果，不仅与区域财政资产负债表中所显示的支出比重有关，而且还与区域总体人口素质与生产效率的增长密切相关，因此，区域创新资本与区域人力资本是相辅相成的。有效的研发支出能促进区域智力资本的发展，故而，应该更加注重相关费用支出的方向以及使用效率，以极大地促进区域发展。 43
北京理工大学博士学位论文 另外，广义的区域创新资本构成还包括区域专利申请以及拥有量、区域科学出版物状况等。一个地区的专利申请与拥有量越多、科学出版业越发达则表明该区域受过教育的人们对其思想与知识进行共享与编码的能力越强，同时，表明了该地区在智力资本的审计与管理方面的潜质。而国外专利申请则代表了区域产业系统中思想更新和创新能力。 基础设施的缺乏、资金短缺以及现代化技能的不足已经成为严重制约区域创新资本发展的重要因素，因此，应建立多元化的区域创新资本的投资体制，除国家相关基金外，积极吸纳更多的个人资金以及相关基金为增强区域创新资本服务。 鲍狄斯博士(Bonits,2002)指出区域创新资本应该涉及区域图书进口量、期刊杂志进口量、区域R&D支出比重、从事R&D工作的政府人员比重、高校中从事R&D工作人员比重、高等教育经费支出占公共教育基金的比重等；荷兰职业教育大学智力资本研究中心(2004)的相关研究采用了每百万人专利申请数、每百万人科学出版物、风险资本投资占GDP比重、区域在信息技术以及有关服务方面的支出占GDP比重、R&D支出占GDP比重、高技术产业增加值占GDP比重、区内年企业增加数、区域企业发展环境状况等指标反映区域创新资本能力；我国学者则从科技投入、科技产出以及创新人员三个方面来描述区域创新资本，包括人均科技事业费支出、人均R&D经费支出、人均教育经费、发明专利申请受理数、专利申请受理数、每万人科技活动人员数、每万人科[83-84][86]学家和工程师人数、每万人各类专业技术人员数等。 而我国区域创新资本的指标体系应主要体现在基础条件、相关资金投入水平、科研人员比重以及创新成果等方面，论文设计了区域创新投资状况(Renewal Activities Investment)、区域科研人员状况(the Quantity of Researchers)、区域创新成果水平(Scientific Achievement)、区域创新环境状况(Renewal Environment)四个方面的指标。 表3-5 区域创新资本理论指标体系 一级指标 二级指标 区域R&D支出占GDP比重（%） 区域人均R&D支出（万元） 区域创新投资状况（RAI） 区域风险资本投资占GDP比重（%） 区域信息技术及服务方面支出占GDP比重（%） 科技活动人员数（万人） 区域科研人员状况（QR） 高校R&D人员比重（%） 44
北京理工大学博士学位论文 企业R&D人员比重（%） 科学家工程师比重（%） 研究生留学人员归国比重（%） 专利申请受理数（万人） 区域创新成果状况（SA） 专利申请授权数（万人） 区域科技图书期刊出口量占图书期刊总量比重（%） 区域创新政策 区域创新环境状况（RE） 区域政府创新服务水平 区域智力资本对产业经济系统的影响分析 通过对区域智力资本概念与构成的深入分析，建立了用于测评和反映区域智力资本发展状况的理论指标体系。以下将结合产业经济系统的有关研究结果，建立区域产业经济系统评价指标体系；并通过分析智力资本对产业经济系统的影响过程，构建区域智力资本对产业经济系统影响的评价体系与模型。 区域产业经济系统的理论评价体系 如前所述，区域产业经济系统是指由一定地域范围内的不同产业以及产业之间的经济关系所构成的有机整体，产业经济系统的发展过程是一个动态的演化过程，期间伴随着产业的产生、发展与消亡。因此，在研究区域产业经济系统时，除考虑系统要素外，还应从整体上把握系统的发展能力，主要考察系统的衍生与进化能力、产业经济系统结构变动性、系统的产出效率以及系统的产出水平这四个方面的内容。 产业经济系统的衍生与进化能力指标设计 产业经济系统的衍生与进化能力，或称之为产业经济系统的演化能力，指区域产业经济系统在外界环境及其内部因素的共同作用下，朝着更有利于其发展的方向前进的能力；从系统论的角度看，产业经济系统的演化过程是系统不断吸收外部的能量，并将其转化为负熵，对抗系统自身的熵增过程，产业经济系统的具体演化过程表现为区域产业系统中新企业或部门的创立、旧的企业或部门不断被淘汰的过程。 从产业经济系统环境与企业发展的角度看产业经济系统的演化能力。首先作为产业演化主体同时又是环境选择对象的企业，如果其攫取和控制资源的能力不断增强，45
北京理工大学博士学位论文 生产规模也将随之扩张，进而逐步成长为产业市场中的主导企业；如果企业占有系统经济资源和市场份额能力逐步下降、生产规模萎缩，在没有其他要素注入的情况下，企业及其所属产业将逐渐从市场中退出。因此，企业的成长与消亡过程即为产业经济系统演化的重要表现形式。 随着最新科技成果不断被引入到产业经济系统中，科技型企业及其相关产业已经成为产业经济系统发展过程中最为活跃的要素，其所代表的内涵式增长方式也是新的资源环境背景下产业经济系统发展的要求。因此，经常采用反映产业系统演化能力的指标为智力技术密集型产业集约化程度指标、基础产业超前系数指标以及霍夫曼比例指标。 其中，智力技术密集型产业集约化程度指标，反映了区域产业由劳动密集型、资金密集型向技术密集型演进的程度，用技术密集型产业增加值比重占GDP的比重表示；基础产业超前系数，即基础产业增加值增长率/GDP增长率-1，该系数反映了为适应经济系统持续快速健康发展，煤炭、石油采掘、电力钢材及交通、信息通讯、广播等基础产业应适度超前发展的程度；霍夫曼比例是用于反映区域产业经济系统结构演进高度化程度的指标，其计算公式为： cgh= () sgcs其中，h为霍夫曼比例系数；为消费资料工业净产值；为生产资料工业净产gg值。而在实践中，我国缺乏依据消费资料和生产资料的统计分组数据，因此一般用轻[92]重工业增加值的相关资料来分析。 产业经济系统结构变动性指标设计 系统辩证论认为，产业经济系统结构是系统中各要素在一定时域空间上所构成的有序整体。产业经济系统中要素、结构、功能三因素的辩证关系为：系统结构是关键，要素、功能通过系统结构的重新组合变换，而表现出系统的整体性功能；结构是功能的基础，它决定系统的功能。反映产业经济系统结构的主要有三大指标。 首先是产业经济系统中三次产业结构比例指标。当一个区域的经济发展水平较低时，从产值或劳动力总量看第一产业比重最大、第三产业比重最小；随着地区经济发展的提高，产业系统中第二产业的比重逐渐上升并成为最大的产业；当经济进一步发展后第三产业成为产业系统中比重最大的产业。 46
北京理工大学博士学位论文 其次是产业系统结构变动速度K值指标。该指标用来动态考察一定时期、一定地区内三次产业结构的变动速度，同时，还可用于与地区间产业系统的比较。其公式为： n K=q−q () ∑iti0i=1qq其中, 表示i产业即期的增加值占GDP的比重或该产业的就业比率；表示itioi产业在基期的增加值占GDP的比重或就业比率。 用产业系统结构变动速度K值具体测量时，若地区的期初产业结构比例严重失衡，此时，智力资本作用下其结构变动度K值将会十分明显，如果一地区期初的产业[93]结构比例已经较为合理，其K值变动将不会很明显。 第三是产业系统结构熵指标。熵(entropy)是对系统状态的一种定量化描述，它表征着系统状态的复杂与有序程度；不同组织结构的熵也不同，故而，熵可用来表征特定组织结构的宏观有序程度。定义产业系统结构熵为： nS=−KPlnP () ∑iii=1其中，K为系统结构熵系数即：系统在其所处的特定环境中，每增加单位收益（产出）所需要追加的成本值（投入）（ΔC/ΔE），是系统投入产出的反映，为系统的特有属性，一般定义其为：K=1/ln；i代表影响系统的产业，P为影响产业系统结构i变化的概率，此处定义P为第i产业在产业系统中的比重，且满足： inP=1 () ∑ii= 产业经济系统的产出水平 区域产业经济系统的产出量可以从区域GDP总量、区域产值占全国总产值的比重、区域GDP增长率、区域第三产业增加值比重等指标反映。 产业经济系统的产出效率 衡量区域产业经济系统不仅包括其一段时间内的区域产出的绝对值，还应看系统在一定投资水平下的相对产值，即产业经济系统的产出效率。包括区域人均GDP、产值密度、区域投入产出比等，其中产值密度比例指标这是各区域的人均GDP与全国人均GDP之比。 47
北京理工大学博士学位论文 表3-6 区域产业经济系统理论评价指标体系 一级指标 二级指标 三级指标 智力技术密集型产业集约化程度 系统衍生能力（IESEA） 基础产业超前系数 霍夫曼比例 产业经济系统结构 三次产业结构比例 （IESS） 产业系统结构变动速度K值 系统结构变动（IESSC） 产业系统结构熵 GDP增长率 区域GDP总量 系统产出水平（IESPQ） 区域GDP总量占国内GDP总量比重 产业经济系统产出 第三产业增加值比重 （IESP） 区域人均GDP 系统产出效率（IESPE） 区域产值密度 区域投入产出水平 区域智力资本对产业经济系统影响的理论分析 现今，在知识经济背景下，智力资本已经与物质资本一道作为产业经济系统运行的必需要素，而且其已经呈现出超越物质资本成为区域间发展博弈的核心竞争力要素的趋势。在本章已就区域智力资本的作用作了简单介绍，下面将就区域智力资本如何影响产业经济系统的运行与产出做相关理论解释与分析。 区域智力资本对产业经济系统影响的经济学分析 智力资本对产业经济系统的影响表现在其将通过人力资本、过程资本、创新资本以及关系资本这几个方面资本价值的实现过程，对区域经济系统的结构与产出产生积极的影响，并最终促进区域经济增长。 经济系统结构的层级演化与自组织演化均离不开系统中智力资本的作用。据新经济增长理论即内生增长理论、罗默的知识溢出模型与卢卡斯的人力资本溢出模型得出，技术进步决定了一个国家或区域未来的经济发展水平与国际竞争力，技术水平和国民受教育程度则是隐藏在经济增长背后的重要决定力量。故而，技术创新与技术进48
北京理工大学博士学位论文 步是区域经济增长的决定因素。而区域智力资本的存量以及智力资本的效力则决定着区域技术创新能力与技术进步水平，智力资本一定意义上的扩散可以进一步促进区域技术创新与技术进步。 依据技术进步的表现形式可将其划分为：产品品种增加型与产品质量升级型两种，在产品品种增加型增长模型中，新产品的出现并不会致使就产品即刻被淘汰；但在产品质量升级模型中，技术创新则是一种创造性的破坏(Aghion,Philippe and Howwitt,Peter,1992)，使得旧产品不断被淘汰出生产过程。因此，智力资本引起的技术创新会导致产业更替，进而引发产业结构的演化。 [94-95]从演化经济学的角度来看智力资本的作用。我国学者盛昭翰、蒋德鹏通过对生产功能基本相同的竞争企业行为的分析提出的产业演化模拟模型认为：企业的决策涉及投资、定价、进入、退出等，它们是基于企业对其他竞争对手行为及市场反映的预期；企业对市场的预期能力是有限的，对竞争对手的信息是不完全的，故企业的决策仅是满足最优解；所有的在位企业在其所处的每一阶段，同时作出决策，然后进行生产并投入市场；企业的产品销量取决于企业的相对价格、产品的特征和市场的饱和程度。 企业资本R&D投入技术创新环境 生产投资决策创 新 投资能力市场销售 市场结构市场价格 利 润 [95]图3-3 产业演化过程结构模型图 产品的价格取决于技术创新程度、市场结构及产品的供应量；生产决策影响价格，反过来价格又影响企业的生产决策。企业的目标是为了实现较高的利润和保持一定的发展能力，企业通过技术创性改进产品，产品技术竞争度提高的可能性依赖于企业的R&D投入以及整个社会的科技进步状况和法律政策环境，这些因素均与区域智力资本密切相关。产业的演化主要由产业内企业的演化所决定的，其演化主要包括技术创[95]新过程、投资生产决策、产品市场竞争与企业的进入与退出。产业经济系统中诸产49
北京理工大学博士学位论文 业的演化则构成了整个经济系统结构的演化。 综上，从经济学的角度智力资本对产业结构的影响主要体现在：首先是区域智力资本作用引发技术创新导致新产品的出现，进而促使产业更替；其次优化区域资源配置水平、提升产业生产效力，推动产业升级与经济增长。 区域智力资本对产业经济系统影响的组织行为学分析 系统组织演化理论中的“选择”理论、“适应”理论以及“组织-环境”共同演化理论虽不同的角度分析了系统组织演化的机理，但均阐明了当组织环境发生变化时，[96]组织结构将会随之发生改变。故而，在智力资本聚集下企业以及产业经济系统中的人力资本、结构资本以及关系资本将成为系统组织的重要资本，通过其相互作用改变组织惯例实现系统组织结构的演化。 首先是企业组织运行模式的改变。较传统的以有形产品的生产为核心的明确的层级组织运作模式，基于智力资本的系统组织的核心优势是“知识”，首先是利用组织决策（集成化信息网、网络精神、组织文化、协调以及群体决策）控制系统内的多种“知识流”在诸组织元（组织系统的子系统）间及时、畅通流动，即实现信息交换过程；进而利用“知识流”过程中所提供的信息实现对物质资本的调配，完成整个系统组织的资本运作过程。区域智力资本聚集产生的复杂知识流要求企业组织结构进一步的扁平化，因此，产业系统的组织结构也将逐步演化为具有柔性灵活的复杂细胞组织结构。 “D-M”M-E IC HCSCRCMC 图3-4 企业系统组织运作结构模型 在上述组织总体结构模型中，“M-E”代表市场、法律政策环境等其他影响企业系统运行的外部环境；“D-M”代表管理决策系统；“MC”代表物质资本；“IC”代表系统的智力资本，其中HC代表企业人力资本，SC代表结构资本，RC代表关系资本。50
北京理工大学博士学位论文 企业系统总体结构模型指出，在企业外部环境影响与既定战略目标约束下，智力资本已经成为企业进一步发展的决定因素。 其次是对产业经济系统组织结构演化过程的分析。随着产业经济系统中智力资本的不断聚集与成长，企业内外部知识总量与种类的不断增加，组织内部的“知识流”种类与信息交换过程愈见复杂，致使组织系统的下属决策与协调系统的专业性知识以级数增长，进一步影响到组织系统的决策效率与知识分工；而此时，产业系统组织中信息处理与传输量也将会更大，为了提高组织效率、实现组织功能，产业经济系统将改变组织惯例以实现组织目标。其主要途径为减少信息在组织中的运行周期，即改变传统的严格地固化组织结构减少信息在组织元中传递时间；其次是提高组织元的信息处理能力，即利用组织学习和简化组织层级结构，实现决策层组织元与下属组织元信息处理能力的适当匹配，减少信息损失量。这将促使产业系统组织结构向更有利于系统决策的方向发展。因此，在区域智力资本作用下，使得产业经济系统组织性能函数[96-102]的最大化问题即为产业经济系统组织结构的演化问题。 区域智力资本对产业经济系统影响的复杂系统科学分析 耗散结构是通过实现与外界物质和能量的交换而形成的一个远离平衡的动态稳定的有序结构。根据耗散结构理论，当某个影响系统的参数发生变化时，将可能引发系统原耗散结构分支失稳而使耗散结构跃迁到新的耗散结构分支上，即由原来的线性近平衡区域逐步发展，经过临界点进入一种不稳定的无序定态，然后通过系统“涨落”现象（吸收负熵）而发生突变，形成一个新的稳定的有序结构，实现从一种耗散结构转变为另一种耗散结构。 [102]产业经济系统结构具有耗散结构形成和演化的本质特征，其类似于耗散结构。区域智力资本在产业经济系统发展过程中起着重要的类“负熵”作用，特别是其所具有的区域“知识”价值及其产生的“知识流”在经济系统中的作用，当这种“系统知识”所引发的产业系统结构状态的变化超过临界值时，原有的产业结构将失稳、发生[103]分叉，进而逐渐消融产生并产生新的产业结构。 另外，可以借助复杂适应性科学理论分析框架，利用系统结构的适应性分析复杂适应经济主体的行为偏好、趋向，研究主体与主体之间相互作用的机理和演化方向，进而，从区域智力资本的角度研究复杂适应经济系统演化的动力机制，即构造“智力资本－系统结构—经济”的超循环演化模型，以分析区域智力资本对产业经济系统结51
北京理工大学博士学位论文 [104]构以及系统产出的影响过程。 因此，无论是从经济学、组织行为学以及复杂科学的角度看，区域智力资本对产业经济系统的影响都是直接的、重要的，这将促使我们进一步分析它们之间的影响关系，即开展区域智力资本对产业经济系统影响的测评研究。 在对区域智力资本与产业经济系统进行相关分析后，如何利用所构建的指标体系研究区域智力资本与产业经济系统的影响关系则成为下阶段的研究重点。影响测评的研究是一个极为复杂的系统分析过程，除需考虑影响测评研究的目的外，在研究构建影响关系图与分析方法时，还必须考虑测评体系结构的层次性、变量之间关系的复杂性以及变量信息属性等因素。基于SEM方法测评研究中的不足与本文研究需要，提出SEM-Credal网络分析方法以研究区域智力资本对产业经济系统的影响过程，方法力图利用系统中的诸多类型信息，以全面反映区域智力资本对产业经济系统的影响状况。 小结 本章主要进行了区域智力资本及对产业经济系统影响的理论分析。首先基于传统智力资本概念，借助人力资源作用的结果——智力资源与智力资源的构成要素，研究了区域智力资本的定义、特征及其构成。广义的理解区域智力资本是指：所有可以利用的、能给国家或区域带来比较优势、并能创造出未来财富的无形资源，其具有无形性、依附性、动态性、可调控性以及开发过程的长期性、环境的复杂性等特性。区域智力资可以划分为人力资本、过程资本、关系资本以及创新资本；随后为测评研究需要，依据有关文献资料与统计部门的常用统计口径，建立了区域智力资本理论测评体系，以反映区域智力资本存量与水平。为近一步分析区域智力资本的作用，研究了区域产业经济系统评价体系；并依据复杂系统理论、演化经济学等理论及有关系统分析方法，分析了区域智力资本对区域产业经济系统的理论影响过程，为以后章节所进行的智力资本对产业经济系统的影响测评研究提供理论支撑。 52
北京理工大学博士学位论文 第四章 区域智力资本对产业经济系统的影响测评方法研究 目前，研究智力资本所面临的真正问题是如何实现对其进行有效地度量，尽管不同学者从各自的领域出发探讨了多种有效地度量智力资本的可能，但是并没有形成一致的有效度量方法，特别是在研究区域智力资本的影响作用方面仍缺乏有效的研究工具。基于区域智力资本与产业经济系统两者所包涵的知识与信息量大、且有关数据类型多的特点，而传统的测评方法缺乏对有关信息的全面、有效利用，本文在相关测评方法的基础上提出了SEM-Credal网络分析方法，以实现对区域智力资本与产业经济系统间影响关系的有效研究。 SEM-Credal网络分析方法 结构方程模型是一种从统计的角度构建模型的参数化研究方法，这种建模方法需要有较为丰富的理论对经验研究给予相应的指导。方法的局限性主要在于难于合并变量间的交互影响和进行非线性分析，不能处理定性数据和缺失数据，尤其是在管理学领域的研究中，许多应用结构方程模型研究所得到的估计结果是与基本理论假设相背离的，而且研究过程中对多重常态的要求一般也是很难被满足的。模型中矫正变量及[43]其他多元非线性关系的引入实际上也暗含了对常态的假设，因为那些不可观测指标[44]常常是有缺陷的，或者是对其相应的观测变量进行了删减。 本文研究的区域智力资本由区域人力资本、区域过程资本、区域关系资本与区域创新资本构成，环境因素是影响区域智力资本存量的关键；区域智力资本各构成部分的指标变量体系中存在着一定量的定性与缺失数据指标变量，如区域劳动力工作热情与态度、区域环境状况等指标变量，其对于研究与评价区域智力资本有着重要的意义，但不少方法（包括SEM方法）研究中仅将这些指标变量作为理论研究中的一种追求，而在实际研究中往往不予以直接考虑或给予忽略，这在一定程度上造成系统测评过程中某些变量关系的缺失，不能全面反映系统中所存在的多种关联关系，最终影响测评研究的结果。 基于区域智力资本对产业经济系统的影响测评研究所构建的系统结构的多层复杂性，以及结构信息的多样性，仅利用传统的结构方程建模方法，已难以对这一系统影响结构进行科学、合理地解释与分析。因此，以下将Credal网络建模技术与结构方53
北京理工大学博士学位论文 程建模方法相结合，提出了SEM-Credal网络分析方法，以便于充分利用变量间的多种类型数据信息，研究由复杂多变量所构成的多层次系统间的相关问题。 SEM-Credal网络分析方法由基本测评模型与近似测评模型两部分构成，其中基本测评模型主要用于研究测评系统中有明确影响关系且信息充分的系统变量，以分析区域智力资本指标变量与产业经济系统变量间所存在的直接影响关系；由于所构建的指标变量体系中存在无法利用基本模型进行有效研究的指标变量，因此，需通过构建近似模型以研究此类变量之间的影响关系，以完善影响测评研究体系。近似测评模型主要通过构建反映变量影响关系的网络拓扑结构，并利用模型的推理与解释功能完善影响测评过程。SEM-Credal网络分析方法的建模包括基本模型的假设与验证、近似模型的网络拓扑结构以及网络参数的确定等方面，以下将重点分析近似模型的建模与推理过程。 SEM-Credal网络方法近似测评模型的建模基础研究 鉴于组织系统信息的不确定性与不完备性，为更好地利用系统中多种类型的信息，以进行有效地组织系统分析与评价，在研究了贝叶斯网络、定性概率网络、半定性概率网络方法的基础上，Cozman于2000年正式提出Credal网络(Credal networks)分析[105]方法。Credal网络是一种将图模型与不精确概率相结合新的人工智能方法，其具有强大的对不确定知识进行表达和推理的能力，能将各种定性、定量的信息有效实现融合在模型框架之中。 Credal集的基本概念 Credal网络是随着贝叶斯网络(BN)、定性概率网络(QPN)以及半定性概率网络(SQPN)在应用中的逐步发展而产生的网络分析方法。 [105]一个随机变量的概率测度的闭凸集称为一个Credal集，Credal集可以用来表示关于随机变量的未知状态值的信息。若一个离散随机变量X可以具有n个离散状态值，且分别是集合U上的n个元素(a,a,"a)，则称随机变量X是U上的可分类X12nX[105-106]变量(categorical variable)，变量X的概率分布p的闭凸集称为X的Credal集，记为K(X)。 54
北京理工大学博士学位论文 Credal集的凸包与线性约束表示 Credal集是一个n维空间上的凸多面体，其可以通过凸多面体上各顶点的凸组合[102]来表示，即K=CH{p,...,p}，其中CH表示X的所有概率分布{p,...,p}的凸包。 1i1i另外，Credal集也可以表示为一个线性约束的集合{L,...,L}，其中： 1hjj L(x)≡αx+"+αx≤β ， ∀j=1,...,h， x,...,x为实变量。 （） j11nj1n即Credal集可由U上的满足线性约束()的概率分布所组成，即： jj αp(a)+"+αp(a)≤β，∀j=1,...,h （） 11nnjCredal集的这两种表示方法在不同使用背景下有各自的优点，比如在进行Credal集的集结时，采用线性约束比较方便；而在进行Credal网络推理时，采用顶点凸组合[107]表示法较为合适。 Credal集的几何表示 对于低维的Credal集，可以借助于几何图形予以直观、形象地表示。假设一变量UX有三个元素，即随机变量X有三个状态值，其所构成的Credal集就可以用一个几何图形表示。随机变量X的三个状态值分别为一个等边三角形的三个顶点，每个状态的概率分布表示为等边三角形中的一个点（如图4-1所示），那么，X在每个状态值上的概[107]率p(a)，就是该点到此状态值所对应的边的距离。此外，图4-2、图4-3、图4-4则是i[67][105]对Credal集的凸包表示、线性约束表示以及概率区间数的几何图形表示，以下将详细讨论这几种几何表示方法。 图4-1 概率分布的几何表示 图4-2 Credal集的凸包表示 55
北京理工大学博士学位论文 图4-3 Credal集的线性约束表示 图4-4 Credal集的概率区间数表示 Credal集的概率区间表示 [107-108]一个概率区间数系统可以表示为一种特殊的Credal集，通常概率区间数系统是多对映射，即：l,u:℘(U)→[0,1]，若存在一个Credal集K，则满足： l(A)=inf{P(A)|p∈K}, ∀A⊆U () u(A)=sup{P(A)|p∈K}, ∀A⊆U () [107]此时，该概率区间数系统所确定的一个Credal集可表示为： H={p|l(A)≤P(A)≤u(A)} () (l,u)同时，与一个概率区间数系统等价的Credal集必须满足下列线性约束条件， L(x)≡x+"+x≤β， ∀m=1,...,h. () miim1m其中，对于不为零约束变量，其系数取值必须相等。如图4-1表示一种普通的Credal集，它不等价于一个概率区间数系统；而在图4-4中，由于所有的线性约束都平行于三角形的边，故而，其等价于一个概率区间数系统。 [107]对于可达概率区间数，我们称之为基本概率区间数，它是一对映射： ∗p,p:U→[0,1] () ∗∀a∈U则满足： i∗∗∗p(a)≤p(a)，p(a)+p(a)≤1，p(a)+p(a)≥1 () ∗∑ii∗∑jij∗ij≠ij≠i 一般地，当且仅当Credal集非空且其区间约束为紧约束时，概率区间数系统才是[107]可达的。一种特殊概率区间数是证据理论中的信度－似然测度。DST证据理论以基[109]本可信度分配函数（或称mass函数）为基础，它的映射关系为： 56
北京理工大学博士学位论文 m:℘(U)→[0,1] () 满足： m(φ)=0， m(F)=1 () ∑F⊆U其中℘(U)是U的幂集。 任何使得m(F)> 0的F⊆U称为基本可信度分配函数的一个焦元(focal element)。基本可信度分配函数有两种测度形式，其中的下概率(lower probability)称为信度函数(belief function)，上概率(upper probability)则称为似然函数(plausibility function)，其分别表示为： Bel(A)=m(B), Pl(A)=m(B) () ∑∑B⊆AB∩A≠φ由信度－似然测度所确定出Credal集为： , ∀A∈℘(U)} () K={p|Bel(A)≤p(A)≤Pl(A)m另外，由于Credal集具有很强的知识表达能力，除证据理论外，一些与可能性理[108]论和模糊理论相关的概念也可以用Credal集来表达。 如：给定变量X的一个Credal集K(X)，则对于任意A⊆U可以产生上概率p(A)和[110]下概率p(A)，即： () p(A)=maxp(A),p(A)=minp(A)p∈Kp∈K[108]给定一个Credal集K(X)和一个有界函数f(X)，则f(X)的上、下期望分别为： () E[f(X)]=maxE[f(X)],E[f(X)]=minE[f(X)]ppp∈Kp∈K一般地，变量X和Y的联合Credal集是X和Y的联合概率分布的集合，记为K(X,Y)；条件KXY=yCredal集(|)是条件概率分布P(X|Y=y)的集合，其可以通过贝叶斯规则对联合Credal集中每一个联合概率分布的作用得到；而后验Credal集则是后验概率分布的集合，若事件K(XAA的下概率为0，则其后验Credal集|)将不能从联合Credal集中得[110]出。 Credal网络 Credal网络是由有向无环图以及图上各节点所联系的条件Credal集合K(X|pa(X))ii [105][111]所构成的聚合体(collection)，其有向无环图上的每个节点表示一个变量X，pa(Xi)i57
北京理工大学博士学位论文 表示X在网络图上的父节点集，对应于pa(X)的每一个值有一个条件Credal集，而每一ii个根节点则联系着一个单一的边缘Credal集。 当条件Credal集K(X|Y = y)和K(X|Y = y)，(y≠y)之间没有约束，即条件Credal1212[105]集之间彼此不相关时，则称条件Credal集{K(X|Y = y): y是Y的状态值}是分离指定的。对于Y条件下变量X的分离指定的Credal集的一个聚合(collection)，记为K(X|Y)；给定边 [112]缘Credal集和条件Credal集，则它们的联合Credal集称为这些集合的一个扩展。 Credal网络上每一个节点在给定其父节点的条件下独立于它的非子孙节点，即Credal集满足网络图形的强马尔可夫特性。由于Credal集独立性的定义有多种，因而[105]Credal网络上节点之间的独立关系也有多种表述方式。本研究中设定Credal网络[105]上节点之间的独立关系为强独立，即：当Credal集K(X,Y)中的每个顶点满足X和Y之间的随机独立关系，也就是说对于网络中的每个顶点上的概率分布p∈K(X,Y)，有p(x|y)=p(x)，p(y|x)=p(y)，(x,y)∈U×U，则称变量X和YXY是强独立(strong independence)；当Credal集K(X,Y|Z)中的每个顶点满足随机独立关系时，称变量X在Z的条件下与Y强条件独立(strong conditional independence)。 一个Credal网络的强扩展型(strong extension)是指网络中存在的那个最大的联合Credal集，其中的每一个节点变量在给定其父节点的条件下，强独立于其非子孙、非父亲节点，即Credal网络的强扩展型是包含了网络上所有Credal集顶点的全部可能组[112]合的联合Credal集。联合Credal集中每一个联合概率分布满足： （） p(X,...,X)=p(X|pa(X))1nii∏i其中，pa(X)是X的父节点集，亦即一个Credal网络的强扩展型等价于一贝叶ii[105]斯网络的集合。另外，Credal集还有其他若干种扩展型。 [105][113]图4-5是一个分离指定的Credal网络，其中变量X、X、X上有两个状态值，124变量X上有三个状态值，x表示变量X的第j个状态值。X、X上是边缘Credal集K(X)、3i121i,jK(X)，X、X节点上是条件Credal集，注意到它们都是Credal集的集合。 234 58
北京理工大学博士学位论文 K(X|X,X)={K(X|x,x),K(X|x,x),31231,12,131,12,2KK(X|x,x),K(X|x,x)}(X)X31,22,131,22,211XX34K(X)X22K(X|X)={K(X|x),K(X|x),4343,143,2K(X|x)}43,3 图4-5 Credal网络示例简图 Credal网络的有向无环图结构表示了变量之间的独立关系，概率集合的“大小”描述了概率值的不精确性。通过概率集合在概率值上引入不确定性，使得我们可以方便地表述系统中事件概率的不完备和知识表达的模糊性，以便于融合多个不同的定性或定量信息，也可以研究概率模型的稳健性。 因此，可以说Credal网络函盖了贝叶斯网络、定性概率网络和半定性概率网络，具有表达多种不确定知识的能力，建模过程比贝叶斯网络更加方便；同时，Credal网络的推理，是在取得某些网络节点证据条件下，求出所要考察的节点的各取值状态的概率区间，Credal网络的推理过程是由其各个节点上的Credal集顶点所组合而成的多个贝叶斯网络推理叠加的结果。具有强大知识表达与模型推理能力的Credal网络与传统SEM方法的结合，将弥补SEM测评方法对变量数据属性的严格要求，并克服对一些变量关系常态假设所导致与基本理论假设相背离的缺陷。 SEM-Credal网络方法近似测评模型的参数确定 SEM-Credal网络方法的基本测评模型分析了系统结构中那些具有明确影响关系、且信息充分的结构变量间的关系，而对于结构中那些关系明确或数据缺失的系统变量间的有关影响关系，则需要通过SEM-Credal网络方法中的近似测评模型予以分析。网络建模首先要根据所研究系统变量关系构建出相应的拓扑结构，这是利用网络结构进行推理与解释的基础。 目前，Credal网络拓扑关系结构的构建主要是通过对专家知识的抽取而构建的，对于特定的应用系统，可以参照专家对于系统变量之间的因果关系和逻辑关系的判[114]断，利用相邻矩阵法等方法构建网络拓扑结构；若已用因果图、故障树、事件树等表示出拓扑结构的系统，则可在此基础上，依据变量之间的相互关系以及有向无环59
北京理工大学博士学位论文 图的建模要求，对原有模型结构做出必要的调整，以便于确定出符合系统要求的、合[50][52][115][116]理的网络拓扑结构。而目前在Credal网络的应用研究中，仍无法直接通过 [112]对相关数据库的学习来构建网络拓扑结构，故而，在一定程度上影响了Credal网络使用；而且若网络节点与节点状态数增加则极有可能造成强扩展网络，引起网络复杂程度成倍的增加，而导致无法进行网络推理与解释。 特定系统测评研究中近似模型结构的构建，常依据专家对系统变量关系的判断，利用邻接矩阵等方法构建，因而，网络节点参数的确定则成为利用近似测评模型进行变量影响关系研究的关键。 SEM-Credal网络模型节点参数的确定 SEM-Credal网络分析方法的近似模型中，网络参数的确定一般有两种方法，即相关数据训练与专家指定。其中SEM-Credal网络数据训练方法在实际应用中，常常是在既定的网络拓扑结构下，借助于一个完备的分类变量数据库以及IDM模型进行训练；此外，则是利用一个带缺失数据的分类变量数据库进行训练，但利用不完备或者有缺失数据的数据库进行训练难度较大。因此，在实际应用研究中，SEM-Credal不确定模型的网络参数确定常依据专家的经验与知识，并借助相应方法予以指定。 SEM-Credal网络分析方法中节点参数确定的IDM方法 IDM(Imprecise Dirichlet Model)是基于对先验未知的一种软建模方法，其在数据训[117]练方面巧妙地扩展了贝叶斯方法。利用该方法进行数据训练的结果则可以得到一[118]个概率区间数表述，从而实现了用概率区间数来表述的网络节点变量的Credal集。 假设存在一个随机样本，即一个离散随机变量X上的值的集合x∈X，个体x以几率（chances）θ独立抽取，其中θ是一个较难获取的潜在的多项式分布的参数。若所有xx的信息均由样本来表达，则可以借助于统计推理的贝叶斯方法从数据中近似地得到实际的几率。将一个未知分布的参数看成随机变量，若参数的不确定性可以用一个密度函数表达，我们称之为先验(prior)，当反映θ的信息很少甚至没有时，一般采用特殊x的无信息先验来进行确定；当观测到数据时，则所选择的先验可以通过贝叶斯定理予以更新，从而构成一个新的密度函数，我们称之为后验(posterior)。进而通过对后验取期望，可以近似得到原始未知分布的参数。 在多项式样本的情形下，先验一般选择Dirichlet密度。θ的Dirichlet(s,t)密度为： 60
北京理工大学博士学位论文 st−1xπ(θ)∝θ ∏x()x∈χ其中θ是θ的向量，而t是t超参数(hyperparameters)的向量(x∈X )，s>0,0<t<1，xxxt=1。常数s根据经验值确定，其决定了先验知识与信息对样本中的个体数的影∑xx∈χ响程度；但s的取值越大，则需要越多的个体以消除先验信息所产生的影响。 鉴于传统贝叶斯方法在处理先验未知时效果不太理想，Walley提出了一种更为可[117]靠的后验估计方法。该方法要求先验未知必须用一个先验密度集合来建模，特别是对于多项式样本的情形，先验密度集合由所有的Dirichelet密度构成，即将式()中的s固定所得，并让t超参数在其定义范围内取所有可能的值，此模型即为Imprecise Dirichlet Model模型。 在相关数据已知的条件下，IDM模型将先验的密度集合更新为一个后验的密度集合，从而可以实现与贝叶斯方法类似的后验推理过程。两者主要区别在于：IDM产生了一个关于几率的上下期望。总之，在缺乏先验信息的情况下，IDM仍可以产生一个对θ的可靠的后验估计，其极值是θ的上下期望，用一个区间数的形式表示出为： xxnumber(x)number(x)+sp(θ)=[,] () xN+sNs其中number(x)是样本中X=x的个体的数量，N表示样本中个体总数，s与式()中[117]的定义相同，其经常表示为对推理的慎重程度，通常被选在[1,2]之间。该概率区间可以被解释为x的相对频率范围。在应用研究中利用式()可以从多项式样本中推导出概率区间，进而得到研究变量的Credal集。 SEM-Credal网络分析方法中节点参数确定的专家指定方法 依据Credal网络的定义及其产生的理论基础，其主要利用概率区间和定性关系来表示与处理不确定性问题，并且能够对多个不一致的信息源来进行概率估计。因此，该方法是一种强大的知识表达工具，且具备了专家所具有的表达不精确概率的能力。专家可以依据自己熟知的理论模型与手段——概率分布、概率区间数、定性语言表述、因果独立关系模型（如Noisy-or模型）、证据理论、可能性理论、模糊理论等就所研究的问题提出各自的意见。这些定量或定性意见，均可以转换为Credal集，进而进行相关网络推理与解释。 在研究与解释这些随机不确定性时，专家经验判断的结果曾经常常给出的却是一61
北京理工大学博士学位论文 些不精确的语言描述，具体推理研究则需要将这些不精确语言转换为概率区间。因此，表4-1给出了专家不确定性语言表述与相应概率区间数之间的一种对应关系，以便于专家表述、满足推理研究需要。 表4-1 概率区间与不确定性语言表述转换对照表 不确定语言表述 概率区间 一定不可能 很不可能 (,] 较不可能 (,] 可能 (,] 较有可能 (,] 很有可能 (,) 确定 在实际应用研究中，可以依据研究对象的实际情况对该概率划分区间进行相应地调整。当出现某一结果落入多个区间的时候，可以进行区间合并，可解释为“……到……”。如：某网络节点上的概率区间表述为[,]，则可解释为该节点表示的事件在其父节点发生的条件下“较有可能到很有可能”发生；同理，如果有向弧上的节点的概率区间为[,]，则解释为该节点表示的事件在其父节点发生的条件下产生“很小到较小可能的”影响。 郑恒在其博士论文中给出了一个由专家指定Credal网络建模过程的示例。首先给定了网络结构与不完备的相关节点数据信息，在此基础上由不同领域的专家依据各自的经验知识，分别采用了语言表达、定量关系表达以及定性关系表达等方法描述了特定节点变量的取值，将不同的信念转换成一种统一的概率语言，从而实现了将上述概[113]率描述与已有不完备数据信息在网络结构中的集成。 已有的有关多专家共同指定网络参数问题的研究多集中在多个专家各自提出精确概率的情形，而实际应用过程中专家更习惯于用区间数来描述相关问题，而且利用证据理论进行研究得到的也是概率区间，所以有必要研究多个专家给出的Credal集的集结问题。 SEM-Credal网络节点参数集结的基础研究 对基于同一事件的多位专家指定精确概率的集结问题的相关研究较多，且多是利62
北京理工大学博士学位论文 用权重来表达对专家意见的可信度，并用其构成集结函数。常见的精确概率集结函数[107]主要有线性融合法、对数融合法以及共轭法。但在实际应用中为充分表达专家知识的不精确性，需要对经典概率理论进行扩展，利用不精确概率来表达专家意见，并进行不精确表达的集结。相对于传统的概率集结方法，在不精确概率理论中利用[109]Dempster-Shafer的证据理论转换专家的意见，并用Credal集表示。 SEM-Credal网络中Credal集的折中 由于单一概率的可扩展性，Credal集K中的每一个概率都可以进行相关扩展，若以可信度R对K进行折中，其可表示为： D(K,R)=∪D(p,R) () p∈K一般情况，对于Credal集K可就其顶点分别进行折中，然后取其凸包即得到折中[107]结果。若Credal集K由线性约束或者概率区间给出时，主要有以下几种折中形式。 1) 权重常量的Credal集折中 设Credal集K由线性约束集合L={L,…,L}定义，且除各概率之和为1外，H上所1h有点均不满足等式线性约束（非退化性）。对线性约束集合L的折中D(K,ω)确定过程为： 首先，将线性约束集合L中的线性约束L (k =1,...,h) 转换为： kk L≡αx+"+αx≥β () 11nkkk其中α≥0，β≥0；且式中至少有一个参数α等于0，同时满足x=1。 ∑ikiix∈Ui其次，求在满足约束L和x=1条件下的x的下界infx=b,j∈[1,n]，在L中j∑ijjx∈Ui加入约束： L≡x≥b，j=1,...,n () h+jjjkk第三将约束′′L≡αx+"+αx≥β转换为L，L则为由′L所组成的集合。 11nkkkkk′L≡αx+"+αx≥β⋅ω () 11n∗若凸集是以基本概率区间形式，即(p,p)，则用权重ω进行折扣后的区间∗∗′′(p,p)，可表示为： ∗∗∗′′p(a)=ω⋅p(a)，p(a)=ω⋅p(a)+(1−ω)，∀a∈U () ∗i∗iiii 对于一般概率区间(l,u)以权重ω折扣后的结果′′(l,u)为： ′′l(A)=ω⋅l(A), A≠U; l(U)=1 () 63
北京理工大学博士学位论文 ′′u(A)=ω⋅l(A)+(1−ω), A≠φ; u(φ)=0 () 而信度－似然区间的折扣结果为： ′′Bel(A)=ω⋅p(a)，A≠U；Bel(U)=1 () ∑ia∈Ai′′Pl(A)=ω⋅p(a)+(1−ω)，A≠∅；Pl(∅)=0 () ∑ia∈Ai2) 权重向量的Credal集折中 若用权重向量W=(ω,...,ω)对以线性约束集L={L,…,L}表示的非退化Credal1n1h集进行折中时，折中过程与常数向量的Credal集折中过程相似，区别在于将第三步中kk的约束L≡αx+"+αx≥β转换为 11nkkkααk1n′ L≡x+"+x≥β， α≥0 () 1kiωω1nkk 其中，若ω=0则α=0；对于ω=0，α≥0的情形则不予以考虑。 iiii而对于概率区间形式表示的Credal集K，其权重向量折中不能保证可用概率区间来确定地处理。另外，还可以利用变量上各假设之间的等价关系、模糊不分明关系对[107]Credal集进行相应地折中处理。 SEM-Credal网络中Credal集集结的性质 对于m个Credal集K,K,…,K的集结问题，其中K非空，i∈[1,m]；若将其集结结12mi[102]果记为A(K,...,K)，集结过程需一般满足下述性质： c1m1) 对称性：A(K,...,K)=A(K,...,K)，其中σ是{1,...,m}上位置的任意变换； 1mσ(1)σ(m)2) 如果有K,K,…,K及K′，且对于每一个p∈K,q∈K(j≥2)，有′p∈K′，并12m11j1且′′p是p和q的凸组合，那么有A(K,K...,K)⊆A(K,K...,K)； 12m12m3) 如果K∩...∩K≠∅，那么K∩...∩K⊆A(K,K,...,K)。 1m 4) A(K,...,K)=A(K,...,K,P(U))； 1m1m5) 如果K∩...∩K≠∅，那么A(K,K,...,K)=K∩...∩K； 1m12m1m6) A(K,...,K)⊆CH(K∪...∪K)。 1m第一条性质说明在进行Credal集集结时的顺序无关性，第二条则表明若存在K′较1K更接近于集合{K,...,K}中的每一个Credal集，那么{K′,K,...,K}的集结结果比12m12m64
北京理工大学博士学位论文 {K,K,...,K}的集结结果将更精确；第三条性质指出如果专家们能在某些概率上取得12m一致意见，那么这些概率都应该反映在集结的结果中；性质四说明集结结果与专家个数并无强的关系；后三条性质是Credal集集结时的附加性质，其使用具有一定的局限性；同时，这些性质在集结过程中并不一定能被同时满足。 SEM-Credal网络中Credal集集结的预处理 对Credal集的集结需经过一些预处理过程，以便于使得集结过程满足Credal集集结的性质。 首先，对Credal集K，若存在K使得K⊆K, ∀j=1,...,m，可以消去K，即使得 iijiA(K,...,K)=A(K,...,K,K,...,K) c1mc1i−1i+m在集结过程中，若遇到一个Credal集包含了其他所有Credal集时，需要重复该过程以消除冗余量。 其次，计算Credal集K中最大的子集T⊆{K,...,K}，且满足∩K≠∅；假设T1mK∈Tii为子集族，则Credal集的集结将转换为集结集合∩K，其中T∈T。进而，可依据相K∈Tii应规则对∩K进行赋权集结。赋权一般依据其重要度进行，其规则为： K∈Tii1) 对于每个K (i=1,...,m)计算T∈T的个数n，使得H∈T； iii12) 为每个∩K指定一个重要度 I=。 K∈∑TiinK∈Tii′′第三，计算Credal集K的最小凸集K，对于p∈K与q∈K，则存在′p∈K与 i∪iijij≠i′q，其中′q是p和q的一个凸组合。故而，将集合{K,...,K}转换为集合{K′,...,K′}。1m1m[107]该削减过程一般由Beneath-Beyond算法来实现。 SEM-Credal网络节点参数的集结 对SEM-Credal网络节点参数的集结基础进行分析后，将分析基于距离的节点参数集结方法，即基于距离的Credal集集结方法。 SEM-Credal网络中Credal集的不确定性测度 证据理论中有两种类型的不确定性，即随机性(randomness)与非特异性[119]（non-specificity），但其非特异性测度的定义是依据mass分配进行的，并不是依据Credal集来表示的，故而，难于将其应用到普通的Credal集的测度中。为此，相关文65
北京理工大学博士学位论文 献给出了Credal集（概率凸集）的非特异性的不确定性度量方法。 [107]在定义Credal集的非特异性的不确定性度量方法时，先介绍几个相关概念。首先是Credal集K的下概率函数： 定义 设存在一个可分类变量X上的一个Credal集K，其分类值为U，则K的下概率函数(lower probability function)为： f(A)=infp(A), ∀A∈℘(U) () Kp∈K其次是Mobius 逆的定义： 定义 若对于任意的映射f:℘(U)→R，有映射 m:℘(U)→R，即存在关系： KK|A−B|m(A)=(−1)f(B), ∀A∈℘(U) () K∑KB⊆A同时，由于两者之间的一一对应关系，有： f(A)=m(B), ∀A∈℘(U) () K∑KB⊆A称函数 f 和m为 Möbius inverses。 KK 定义 设K是一个在U上取值的可分类变量X的Credal集， f是Credal集的下K概率函数，若m是其的Mobius inverse，则称函数m是K上的mass分配。对于任意KK使得m(A)≠0的A(A⊆U)称为m的一个焦元。 KK[107]在上述定义的基础上，关于Credal集的不确定性一般测度为： 设K是一个在U上取值的可分类变量X的Credal集，设m是与其相关的CredalK集K上的mass分配，则有K的非特异性测度： IG(K)=m(A)ln(|A|) () ∑KA⊆U 若IG测度函数在Credal集中的下概率相同，则取值相同。另外，Credal集的IG测度[107]函数还满足如下几条性质： 1) 对在U上取值的可分类变量X上的任意Credal集K，满足IG(K)∈[0,log|U|]，若其取确定概率分布时，IG(K)＝0； 2) 单调增：若K⊆K′则IG(K)IG′≤(K)； 3) 加性：若K在一个可分类的二维变量X×Y上独立，即K=CH(K×K)，其中XYK和K分别是X和Y上的K的边缘凸集，K×K={p⋅p|p∈K,p∈K}表示XYXYxyxXyYX×Y 上的联合概率分布集合，CH为其凸包，则有有IG(K)=IG(K)+IG(K)。 XY66
北京理工大学博士学位论文 [120] SEM-Credal网络中Credal集的不一致性距离测度(Inconsistency Measure) 关于一致性：假设有两个Credal集对同一不确定性问题进行描述，若这两个集合中至少存在一个相同的概率分布，则称两个Credal集是一致性的；否则认为这两个Credal集不一致，且一般采用[0,1]间的实数予以衡量。 对不同Credal集上的两个概率之间的距离进行不一致性测度。在概率分布距离函[120]n数的基础上，设P是一个在有n个元素的U空间上取值的可分类变量X的Credaln集的集合，则两个Credal集K,K∈P之间的不一致性距离测度可表示为一个映射： 12nn∂:P×P→[0,1]，该映射非空，且满足： 1) 当且仅当K∩K=∅时，∂(K,K)>01212； n∀K,K∈P∂(K,K)=∂(K,K)2) ,； 121221n∀K∈P∂(K,K)≥∂(K,K)⊆3) 若KK，则。于是有： 3132312，K=K∪K如果是一个可分类变量X上的Credal集，那么 12n∂(K,K)≤max{∂(K,K),∂(K,K)},∀K∈P313233 n∂(K,K)≥min{∂(K,K),∂(K,K)},∀K∈PK=∩ 如果KK，那么 。 31323312K=αK+(1−α)K,α∈[0,1],K={αp+(1−α)p,p∈K,p∈K}4) 若 即， 12121122则有∂(K,K)≤∂(K,K)且∂(K,K)≤∂(K,K)，即任何K，K之间的凸组合与K121112212（K）的一致程度都比K和K的一致程度高。 212X,X5）设对于可分类变量，存在X是二维空间上一个可分类变量，且使得12112212X=X×XXK,K是X上的Credal集，K,K是上的Credal集， K=K×K12，212112111 ，12K=K×K是X上的Credal集，则有： 2221212∂(K,K)≤∂(K,K)+∂(K,K)121122 如果∂(K,K)=0，我们说两个Credal集是信息一致的。 12利用概率距离定义的不一致性测度为： Δ(K,K)=mind(p,p)()1212p∈K,p∈K1122 [121]其中d(.,.)是IR空间上的任意概率距离测度。 n[120] Credal集的一致性包含指数(inclusion index) 在表示同一问题的不确定性时，为量化一个Credal集在另一个Credal集中的比例67
北京理工大学博士学位论文 关系，引入Credal集的一致性包含指数，即用来反映Credal集的公共交叉部分在各自集合中的大小；一致性包含指数的集合为非空。 nn一个包含指数可以定义为函数φ:P×P→[0,1]的形式，其中φ(K,K)为K在212K上的一个包含指数（K,K∈P），满足下面的性质： 112nφ(K,K)=φ(K,K)=01) 若K∩K=∅，则 122112；K≠pφ(K,p)=02) 设p为一概率分布，若，则 ； K∈Kφ(K,K)=13) 若12，则有12； ∀Kφ（K,K)≤φ(K,K)K⊆K4) 3，若，则有 3132，且 12φ（K,K)≥max{φ(K,K),φ(K,K)}K=K∪K如果，则 3312312， φ（K,K)≤min{φ(K,K),φ(K,K)}K=K∩K如果，则3313212 ； K=αK+(1−α)K,α∈[0,1]φ(K,K)≥φ(K,K)5) 若，则 12112； 6) 设X,X为可分类变量，存在X是二维空间上的一个可分类变量，且使得12112212XXX=X×XK,K是上的Credal集，K,K是上的Credal集， K=K×K1212，1212111 ，12K=K×K是X上的Credal集，则有： 2221122φ(K,K)≤φ(K,K)+φ(K,K)121212 包含指数测度仅适用于度量一致性Credal集，故对于不一致性Credal集其值为0。 用Credal集的非特异性测度构建Credal集的一致性包含指数为：设K,K∈P为12nX上的两个Credal集，且p是X上的一个概率分布，若对于一致性的Credal集，有 1⎧如果K=K={p}，或者K={p}≠K1212⎪φ(K,K)=IG(K∩K)⎨1212⎪ IG(K)其余； ⎩1 () 对于不一致的Credal集，有φ(K,K)=0，则函数φ(K,K)为K在K上的一个包含211212指数。 Credal集的一致性信息距离 一致性信息距离是用以量化、衡量两个相容Credal集基于信息的不确定性的差别，即用[0,1]之间的实数来表达两个Credal集之间的相似性。一致性信息距离是对称的。 nn两个Credal集K,K∈P之间的一致性信息距离，可以函数θ:P×P→[0,1]形式12n68
北京理工大学博士学位论文 表达，且满足： 1) θ(K,K)=θ(K,K) 1221；2) 设p是IR上的一个概率分布，则有： n1p=K⎧1θ(p,K)=⎨10p≠K⎩1 3) θ(K,K∩K)≤θ(K,K) 11212；4) 若K=αK+(1−α)K,α∈[0,1]，则θ(K,K)≤θ(K,K) 12112；5) 设对于可分类变量X,X，存在X是二维空间上一个可分类变量使得12111222K,K是X上的Credal集，是X上的Credal集，K=K×K, X=X×XK,K，1212111121212K=K×K是X上的Credal集，则 221122θ(K,K)≤θ(K,K)+θ(K,K). 121212利用Credal集间的包含指数可以定义出Credal集间的一致性信息距离，如下给了nn一个P×P上的一个信息距离，其中φ是Credal集间的包含指数。 θ(K,K)=1−min{φ(K,K),φ(K,K)} () 121212因此，Credal集的距离测度的不一致性距离、一致性包含指数、一致性信息距离[113]之间的关系如下： 1) ∂(K,K)>0⇔φ(K,K)=0且φ(K,K)=0⇒θ(K,K)=1 12122112 2) θ(K,K)=0⇔φ(K,K)=φ(K,K)=11212213) 0<φ(K,K)<1⇒θ(K,K)<1 1212[113]基于距离测度的SEM-Credal网络中Credal集的集结 将基于距离测度的Credal集的集结结果记为K′=A(K,...,K)，其中参数cc1mc∈[0,1]，其决定了集结过程的行为。利用Credal集的距离测度，分情况来确定Credal集集结过程中参数c值，改进了原有的Credal集集结时c值选取的任意性，更有利于多个专家关于Credal网络参数的意见的集结。 基于距离测度Credal集集结步骤为： 1) 进行Credal集集结的预处理； 2) 依据下式计算规范化后的Credal集的重要度，即： 69
北京理工大学博士学位论文 Ini I= ； imI∑jj=13) 按照下式计算Credal集的凸组合K，即： mn K=I⋅K ； ∑iii=1K4) 计算各Credal集之间的距离，并就Credal集的凸组合予以修正，最终完成SEM-Credal网络中Credal集集结。修正依据集合之间有无交集可以分两种情况： (1) 若集合之间无交集，计算Credal集之间的不一致性距离Δ(K,K)，令c为各ijmiiΔ(K,K)的平均值，计算K=(1−c)⋅K+c⋅K，i=1,...,m。令K为K的凸包，c∪ijcici=1因而，K即为集结结果。 c(2) 若集合之间有交集K，则通过各Credal集的不确定性测度IG以及Credal集的d一致包含指数，确定Credal集之间的一致性信息距离测度θ(K,K)。令参数c为各ijθ(K,K)的平均值，计算K=(1−c)⋅K+c⋅K，即为集结结果。 ijcd为进一步了解基于距离测度的SEM-Credal网络中Credal集的集结过程，有关文献给出了相关算例予以解释。 算例 在实际应用过程中抽象出Credal网络拓扑结构，设网络中的某个节点A有三个分类值a,a,a，要确定其参数的取值，现邀请了两个相关领域专家予以指定。其123(1)中，将第一位专家的意见表示为Credal集K，由顶点p=(,,)，11(2)(3)p=(,,)和p=(,,)所构成；同理，第二位专家的意见以Credal集K112(1)(2)(3)表示，顶点p=(,,)，p=(,,)和p=(,,)给出。现222对专家意见进行综合，即对K和K进行集结。 12依据基于距离测度的SEM-Credal网络中Credal集的集结步骤，本例的集结过程为： 11) 确定Credal集K和K的重要度，即I=I=。 12122(1)(2)(3)2) 计算Credal集K和K的凸组合K=IK+IK，得到K=CH{p,p,p}， 121122(1)(2)(3)CH表示概率分布p,p,p的凸包（最小凸集）。其中：(1)p=(×(+),×(+),×(+))=(,,), (2)p=(×(+),×(+),×(+))=(,,), 70
北京理工大学博士学位论文 (3)p=(×(+),×(+),×(+))=(,,). 3) 计算两Credal集K和K之间的距离，并对Credal集的凸组合K进行修正。经判12断可知K和K无交集，故计算Credal集之间的不一致性距离 12222Δ(K,K)=mind(p,p)=0+(−)+(−)=， 1212p⊂K,p⊂K112211令c=Δ(K,K)=，则由相关公式得：K=(1−c)⋅K+c⋅K，即K由三个顶点12c1c11121322212223p,p,p组成；K=(1−c)⋅K+c⋅K，即K由三个顶点p,p,p组成，其中， cccc2cccc11p=((1−)×+×,(1−)×+×, c(1−)×+×)=(,,)， 12同理： p=(,,), c13p=(,,), c21p=(,,)， c22p=(,,), c23p=(,,). c2i4) 令K为K的凸包，即集结结果K是由四个顶点组成的凸包，分别是： cc∪ci=1(1)21p=p=(,,), cc(2)22p=p=(,,), cc(3)12p=p=(,,), cc(4)13p=p=(,,). cc在本例中，若第二位专家所给出意见的Credal集K的构成顶点分别表示为：2(1)(2)(3)p=(,,)，p=(,,)和p=(,,)，由于这两个Credal集之222间存在交叉集K，则对K和K进行集结过程的较上述步骤将有所不同。 d12首先，计算Credal集K和K的重要度，即I=I=；其次求出Credal集的凸组1212(1)(2)(3)合K=IK+IK，得到K=CH{p,p,p}，其中： 1122(1)p=(,,), (2)p=(,,), (3)p=(,,). 71
北京理工大学博士学位论文 (1)(2)(3)然后，借助示意图可得K和K之间的交集K的三个顶点(p,p,p为： 12dddd(1)p=(,,), d(2)p=(,,), d(3)p=(,,). d利用式()求解Credal集K,K和K的不确定性值IG(K),IG(K)和12d12IG(K)。Credal集的下概率函数值f及其Möbius inverses值m为： dKKf(a)=infp(a)=， m(a)=； K1K111p∈K1f(a)=infp(a)=， m(a)=； K22K211p∈K1f(a)=infp(a)=， m(a)=； K33K311p∈K1f(a,a)=infp(a,a)=， m(a,a)=−−+=0； K1212K1211p∈K1f(a,a)=infp(a,a)=， m(a,a)=−−+=0； K1313K1311p∈K1f(a,a)=infp(a,a)=， m(a,a)=−−+=0； K2323K2311p∈K1f(a,a,a)=infp(a,a,a)=1 K1231231p∈K1m(a,a,a)=++−−−+1=. K1231故而，由式()可得： IG(K)=m(A)ln(|A|) 1∑K1A⊆U=×ln1+×ln1+×ln1+0+0+0+×ln3=. 同理可得：IG(K)=m(A)ln(|A|)=； 2∑K2A⊆UIG(K)=m(A)ln(|A|)=； d∑KdA⊆U由公式()得： IG(K∩K)IG(K)φ(K,K)====； 12IG(K)IG(K)(K∩K)IG(K)φ(K,K)====； 21IG(K)IG(K)
北京理工大学博士学位论文 由式()，得：θ(K,K)=1−min{φ(K,K),φ(K,K)}=1−= 121221令c=，则由K=(1−c)⋅K+c⋅K，得到集结结果K的组成分别为： cdc(1)p=(,,), c(2)p=(,,), c(3)p=(,,). c73
北京理工大学博士学位论文 影响测评方法的模型推理与解释 用SEM-Credal网络方法研究区域智力资本对产业经济系统的影响，针对所建立模型的推理与解释主要包含两部分，即基本模型部分的推理与解释以及近似模型部分的推理与解释。鉴于基本模型部分的推理与解释分析相对于近似模型部分的解释与推理容易，本文将重点研究近似模型部分的推理(Approximate Reasoning)与推理解释(Inference Interpretation)。 影响测评的推理方法 SEM-Credal网络近似模型的推理过程是在网络中某些节点集合取一定证据条件下，确定网络特定节点上的分类值的概率区间的过程。若假设Xq为一个调查变量，X为一观测变量集合，那么所谓的“推理”就是确定Xq上的一个或者某几个分类值e[104][105]的条件概率p(Xq|X)的区间紧边界的过程。当进行网络推理研究时，p(Xq|X)ee的最小和最大值均隶属于网络上各Credal集顶点构成的、多个贝叶斯网络推理所得到的条件概率集合。 影响测评的推理原理 智力资本影响测评的SEM-Credal网络方法的推理一般也可分为精确推理和近似[105][122-124]推理两种。在进行强扩展型网络的推理中，p(Xq|X)区间的上下界将落入到E以该网络上各Credal集的顶点所组合构成的、多个贝叶斯网络推理所得到的集合之中。通常采用枚举法进行推理研究时，将枚举遍历所有可能的构成强扩展型网络上的Credal集的顶点组合，并依据有关计算方法产生需要的上/下概率区间值；枚举法的推理过程可以看作是利用junction tree法、变量消元法等算法执行了多次贝叶斯网络的概率传播。 对于具有polytree型结构的SEM-Credal网络可以进行精确推理研究，该推理过程可以看作为是一个连续优化问题。假设要考察后验概率分布的上界，其实质则为在SEM-Credal网络模型中每个节点上的局部Credal集K(X|pa(X)中寻找出概率分布iip(X|pa(X)，以使得式()达到最大化。 iip(X|pa(X))ii∑∏X,...,X\{X,X}i1NqE ()p(X=x|X)=qq,kEp(X|pa(X))ii∑∏X,...,X\Xi1NE74
北京理工大学博士学位论文 若所研究的SEM-Credal网络中节点变量的Credal集均有有限个顶点，则该最大[125-126]化问题将使得约束均为线性约束。 [125]另外，还有一种精确算法其将直接对变量集的联合概率分布p(X)进行操作，该法是将SEM-Credal网络方法的推理问题看作是在p(X)上的非线性约束条件下使得式()达到最优化的问题。 p(Χ)∑X,...,X\{X,X}1NqE () p(X=x|X)=qq,kEp(Χ)∑X,...,X\X1NE由于联合概率分布p(X)值的个数呈指数增长于网络的节点变量的个数，因此，如果网络较大、结构复杂这种精确推理算法将难以进行推理研究。此外，cozman等[126]人还提出了利用多重线性规划来进行精确推理，但其所处理的网络也都限于中小型网络。 综上，使用包括枚举法在内的精确推理算法时，对于强扩展型的SEM-Credal网络，可能会遇到拥有极多的凸集顶点，即便对于小型的网络推理过程也是较复杂的[105][125]，也使得推理算法的速度与效率降低，因此，精确推理法不易用于较大型网络的推理研究中。 [112]由于进行SEM-Credal网络的精确推理时要求网络不易过大、结构不易太复杂，这将限制SEM-Credal网络的精确推理方法的使用。为克服精确推理方法的局限性，我们将引入SEM-Credal网络的近似推理算法，近似推理算法能够依据其产生的外近[114]似或者内近似进行相关问题研究。 SEM-Credal网络近似推理的主要思路是通过在原有网络中加入新的变量（亦称透明节点）将问题转换为一个优化问题，且不会改变原有问题的结构，然后借助常见优化技术或仿真方法，如蒙特卡洛方法、模拟退火法、遗传算法以及粒子群算法等方法，[122-128]以解决网络中的近似模型的推理问题。 一般是将网络转换为多个贝叶斯网络来处理，即通过添加一个新节点，将以条件Credal集所表示的条件概率的不确定信息转化为所有可能的条件概率分布。假设网络上的节点X对应条件Credal集K，该条件Credal集有{k,...,k)个顶点，在原有网络ii1l中加入具有l个状态{c,...,c)且其概率分布未知的新的节点T作为X的一个父节点；ii1l若pa(i)是点X的原有父节点集，令T=c，∀m=1,...,l，k为X在其父节点集pa(i)iiimm下的条件概率，则父节点集为pa(i)∪T的X的条件概率分布为： ii75
北京理工大学博士学位论文 P(X=u|T=c,X=u=k(u,u () iiimpa(i)pa(i)mipa(i)即为添加的每一个透明节点确定一个值后，将得到一个完全指定的贝叶斯网络，[122]从而可以执行贝叶斯网络的概率传播算法。 目前基于智能算法的网络近似推理方法，虽在理论上可以较好地弥补采用精确推理方法研究过程中的不足，且可以提高网络推理的效率，但智能推理算法在具体网络推理研究中却并非理论研究中所预想的那样有效。其在实际应用中也具有一定的特殊[67]性与局限性，可能在一些特殊应用过程中较精确推理方法有高的运行效率，但在设计网络的搜索路径与搜索尺度等方面均具有较大的难度，而往往到不到预期效果。 因此，鉴于本文的研究重点为区域智力资本对产业经济系统的影响关系，且研究中所构建的网络结构适中，推理运行的效率问题不是本文考察的重点，故而，以下将采用传统的枚举法进行网络推理研究。 影响测评的推理方法 测评网络中的近似模型是在贝叶斯网络的基础上发展而来，其秉承了贝叶斯网络的双向推理功能，即预测与诊断功能。贝叶斯网络的拓扑结构定性地描述了系统中各个随机变量之间的影响关系，而对应于节点的CPD 或CPT则定量地刻画了其父节点对该节点的影响程度，系统中的所有变量的全联合概率分布中的每一个条目都可以通过贝叶斯网络的信息计算出来，如式()所示。该式表明表明联合概率分布的每一个条目都可以表示为贝叶斯网络条件概率表(CPT)中相应变量的乘积，因此，CPT提供了联合概率分布的一种分解表示法。而依据有关知识很容易通过全联合概率分布来考察相关变量的边缘分布，或者根据贝叶斯法则求给定变量取值情况下（证据下）的相关变量的条件分布，即通过贝叶斯网络能够实现对有关变量的考察。同时，式()隐含着条件独立假设：在贝叶斯网络中，给定一个节点的父节点，那么它与它的非后[129]代节点是条件独立的。 综上，我们知道道贝叶斯网络在没有明确的输入输出节点时，任何节点都可以是输入也可以是输出，因此，贝叶斯网络具有双向推理的功能，其不仅可以从作为原因的父节点推理作为结果的子节点的概率，即模型的进行预测研究；也可以是由作为结果的子节点推理作为原因的父节点发生的概率（后验概率），这种推理经常用于有关[130-131]系统诊断研究，以方便于找出导致系统运行效率低下的原因。 [132]以下将借助文献中所提供的算例说明贝叶斯网络的推理过程。 76
北京理工大学博士学位论文 P(C=F) P(C=T) Cloudy C P(C=F) P(C=TC P(C=F) P(C=T))RainSprinklerFF TT WetGrass S R P(C=F) P(C=T)F F T F T T T 图4-6 天气状况与草湿间构成的贝叶斯网络结构图 图4-6所示的贝叶斯网络拓扑结构中，出现“草湿W”事件的可能原因是进行了“喷洒水S”或者“下雨R”，而“喷洒水”或者“下雨”这两个事件在“多云C”的情况下均有可能发生。由网络拓扑关系所确定的事件的联合概率分布为： P(C,S,R,W)=P(C)*P(SC)*P(RC,S)*P(WC,S,R) =P(C)*P(SC)*P(RC)*P(WS,R) () 当给定某些节点变量的观测值，即给定证据的情况下，考察系统中其他节点变量的条件概率。若已知“草是湿的”即W = T，欲考察“喷灌S”事件发生的概率，亦即求P(SW=T)，首先则需要把条件概率转化为相应的无条件概率P(SW=T)=P(S,W=T)/P(W=T)，然后再依据式()的全联合概率分布即可得到所要考察的节点概率。在此过程中，节点W即为证据节点，W = T称为一个证据输入，[129]S节点则是所要考察的节点变量。 另外，利用MATLAB/BNT进行逻辑推理时，将依据此类贝叶斯网络拓扑结构建立相应地拓扑关系矩阵予以具体推理研究，包括前向的预测推理与后向的系统诊断推理研究。 影响测评的推理实现 SEM-Credal网络分析方法包括了基本模型与近似模型两部分，其推理研究的缺陷是难以从技术手段上实现两部分模型的整体推理，故而，对于两种类型的模型仍需分别进行推理与解释研究。 77
北京理工大学博士学位论文 对于测评分析方法中所建立的基本模型部分(SEM)，用于对其进行分析的软件较多，其中较为流行的有AMOS(Analysis of Moment Structures)、LISREL(Linear Structural [41]Relationship)、和Mplus。影响测评的近似模型推理工具为基于MATLAB的BNT软件包，其提供了多种底层基础函数库，支持精确推理和近似推理、参数学习和结构[132]学习、静态模型和动态模型，可扩展性好，易于对程序源代码进行二次开发，因此将其应用于区域智力资本影响测评的推理研究中。 推理的基本思想是将网络节点上的CPT由单个概率分布扩展为多个Credal集顶点，从而将Credal网络的推理问题转换为对多个贝叶斯网络的推理问题，即构成针对多个贝叶斯网络的建模和推理的组合优化问题，进而实现智力资本影响对区域产业经济系统的影响推理过程。 本文SEM-Credal网络方法近似模型的推理程序设计过程如下： function ss=BN（各透明节点取值） 输入节点数； 输入各credal集顶点参数； 初始化节点邻接矩阵dag； 按照指定节点之间相互关系，构建dag； 设置各节点变量状态数组node_sizes； 调用bnet = mk_bnet( )函数，构建网络结构； 调用tabular_CPD( )函数，构建网络节点参数表； 调用jtree_inf_engine(bnet)函数，启动推理机； 调用证据输入函数enter_evidence(engine, evidence)； 调用边缘化操作函数marginal_nodes( )； 输出结果； End； 影响测评模型的解释 模型解释是利用模型推理与分析的结果来说明研究假设，以确定系统发展过程中的主要环节以及重要影响因素，进一步促进系统良性运行。 78
北京理工大学博士学位论文 影响测评方法基本模型的解释 模型结果的解释是分析模型中一个变量对另一变量影响关系，变量影响关系的强弱即为效果的大小。依据建立的智力资本影响测评基本模型分析的结果，模型的解释[41]可以从直接效果、综合效果以及间接效果等方面对模型分析的结果予以解释。 1) 直接效果解释 直接效果是指当目的变量以外的变量一定的条件下，该目的变量变化一个单位时基准变量变化的期望值。对于式()中的系数矩阵中的元素，表示从一个结构变量（包括隐变量与观测变量）到另一个结构变量所引出的路径的系数，故而，称B（m×m阶系数矩阵）与Г（m×n阶结构系数矩阵）为直接效果矩阵。直接效果所考察的是变量在特定条件下与所考察的基准变量的关联关系。 2) 综合效果解释 综合效果指模型中所有外生变量一定的条件下，该目的变量变化一个单位时，其影响波及其他变量时，结构变量变化的期望值。在所构建的结构方程模型中，当从一个变量到另一个变量所引出的路径多于一条时，包括其之间的直接效果，所有单向路径的影响加起来的效果称为综合效果。下式中 −1η=(Ι−B)(Γξ+ζ) −1系数矩阵(Ι−B)中的元素表示结构变量之间的综合影响效果，即原因侧变量对结果侧变量影响力的大小。 3) 间接效果解释 依据综合效果与直接效果的定义，在对解释结构模型的结构进行相关分析研究时，间接影响效果的获取一般采用为综合效果与直接效果之差。 4) 相关系数的解释 相关系数表示模型，在目的变量与基准变量标准化的情况下，该目的变量变化一个单位时基准变量变化的期望值。相关系数与综合效果之间有时一致、有时不一致。 在进行分析结构方程模型解释分析时，解释的难易程度与所建立的结构方程模型中的目的变量个数有关，同时，还与目的变量之间的关系有关。对于有3个相互间有相关的目的变量，模型的解释已经比较复杂；如果是4个或4个以上目的变量，模型的上述解释就更为复杂。 假设由城市化水平、人均GDP、大学平均升学率以及服务行业劳动力状况四个变[41]量构成一反映变量关系的基本模型及相关系数矩阵，如图4-7、表4-2所示。 79
北京理工大学博士学位论文 表4-2 变量相关系数矩阵表 Z1:城市化 Z2:大学升学率 Z3:人均GDP Z4:服务行业劳动力Z1:城市化 Z2:大学升学率 Z3:人均GDP Z4:服务行业劳动力 城市化Z1城市化Z130E0 升学率Z2劳动力Z4升学率Z2劳动力Z4 3322..00人均人均GDP Z3GDP Z3 (a) (b) 图4-7 四变量关系的基本模型图 考察Z人均GDP对Z服务行业劳动力的影响力。由于Z和Z的相关系数为，表明如果人均GDP上升一个单位，则服务行业劳动力上升个单位；而两者的偏回归系数为，假设城市化与升学率一定的情况下，人均GDP上升一个单位，服务行业劳动力上升个单位。对于图4-2中的b图，人均GDP Z对服务3行业劳动力Z的影响效果解释为：人均GDP上升致使城市化水平提高，进而导致服4务业劳动力上升的效果为；而人均GDP上升致使城市化水平提高，进而导致升学率提高，推动服务业劳动力上升的效果为。另外，人均GDP通过提高升学率，推动服务业劳动力上升的间接效果为；综合效果为。 在社会科学、人文科学等研究领域，经常会涉及许多可靠性、精确性比较低的变量，对于这些观测变量，如果直接构建路径分析模型，必然要设定一个基准变量对多个目的变量，这种情况下分析结果的解释是非常困难的。而结构方程模型常常引入构成概念，依据测量方程式将同质的观测变量概括为少数几个目的变量，以便于对相关系数的做出解释。 影响测评方法中近似模型的解释 在有关系统研究中，良好的模型解释功能可以更有效地实现系统结构模型、系统信息与系统分析人员在整个系统决策分析过程中的高度优化集成，有助促使系统信息80
北京理工大学博士学位论文 与专家经验信息的集成，提高整个系统的决策质量与效率。因此，在提升SEM-Credal网络的表达和推理能力的同时，需要充分挖掘其解释功能以提高决策支持系统的应用效能。 SEM-Credal网络的解释主要包括对网络模型的解释与模型推理的解释，即对从系统中构建出的能反映系统影响关系的网络拓扑结构进行相关解释，以及在确定的网络节点参数的条件下所进行的推理结果的分析与解释。 为实现系统研究中的人机交互功能，常常采用将Credal网络模型及其推理过程生成定性语言来解释，但该过程一般较为复杂，要求解释所采用的形式、内容必须与决策人员的知识、能力、推理类型相符；同时，解释的语言要和专家及系统分析人员推理过程所用到的语言类似。文献介绍了定性概率网络以及对不确定信息的语言表达等[133-135]用于生成定性语言解释的一些技术方法。本文将第五章中对基于相关证据的条件下网络推理结果进行相关定性解释，与系统影响测评的基本模型解释相互补充，探讨区域智力资本对产业经系统的影响问题。 小结 虽然结构方程模型可以用来衡量不能通过观察直接得到的变量，分析隐变量结构及其观测变量之间的关系；但它是一种从统计的角度构建模型的参数化研究方法，必须有坚实的理论对研究予以指导，且其难于合并交互影响和进行非线性分析，不能处理定性数据和缺失数据；如果没有数量化的变量，几乎无法进行管理科学的研究。另外，其研究中对多重常态要是很难被满足。因此，本文就智力资本对产业经济系统测评研究需要，提出了SEM-Credal网络分析方法，通过引入Credal网络弥补SEM研究过程中的上述缺陷，提高了影响测评的效果与质量。 首先针对结构方程模型研究过程中的缺陷与不足，引入了Credal网络分析方法，将其作为SEM-Credal网络分析方法的近似推理模型；其次，基于贝叶斯网络以及定性概率网络介绍了Credal集以及Credal网络的建模过程，并重点研究了Credal网络建模过程中网络节点参数的确定；第三，研究了SEM-Credal网络分析方法的模型的推理方法以及有关模型的解释，并借助MATLAB/BNT与AMOS分析软件得以实现。该部分的研究将作为以后章节所进行的智力资本对产业经济系统影响测评研究的方法基础与技术支撑。 81
北京理工大学博士学位论文 第五章 我国区域智力资本对产业经济系统的影响测评研究 区域经济学认为，区域是指经济活动相对独立、内部联系紧密而且相对完整、具[136]备特定功能的地域空间。对我国大陆地区来说，作为一个经济活动相对独立的区域，各个地区具有相似的经济社会发展基础，且各个地区之间在经济发展过程中具有较强的关联性。因此，本章将我国大陆地区作为研究对象，利用已建立的理论测评体系与SEM-Credal网络方法，分析现阶段我国大陆地区智力资本状况，研究区域智力资本对产业经系统的影响效果与作用过程，为促进区域发展提供决策支持。 区域智力资本对产业经济系统影响关系的基本测评模型研究 依据所建立的区域智力资本与产业经济系统的测评理论指标体系，利用SEM-Credal网络分析方法研究我国区域智力资本对产业经济系统的直接影响关系，是进行智力资本影响测评工作的基础与重要内容。 基本测评模型构建 直接影响关系模型图的构建 虽然我国各地区在地理位置、环境因素以及有关政策等方面存在着不同程度的差异，但考虑本文主要研究的是区域智力资本对产业经济系统的影响作用，因此，在影响测评研究中不考虑区域环境因素对产业经济系统所产生的直接影响，仅将其作为影响区域智力资本的重要基础因素。故而，基于建立的区域智力资本和产业经济系统理[70,82]论指标体系，并结合有关文献的研究结果和专家意见，充分考虑系统指标变量的属性，本文构建了反映智力资本对产业经济系统直接影响关系的理论测评模型，模型假设为： H1：区域创新成果状况(SA)指标变量和产业系统结构变动变量间存在直接正向影响关系； H2：区域创新成果状况(SA)指标变量和产业经济系统的结构衍生能力指标变量间存在直接正向影响关系； H3：产业系统结构变动指标变量与产业系统的衍生能力指标变量间存在着直接正向影响关系； 82
北京理工大学博士学位论文 H4:人力资本中的教育水平(EL)指标变量与区域创新资本中的区域科研人员状况(RP)指标变量间有直接正向影响关系； H5:人力资本中的教育水平(EL)指标变量与区域关系资本中区域科技交流状况(STI)指标变量有直接正向相互影响关系； H6：区域创新资本中的区域科研人员状况(QR)指标变量和产业经济系统的产出水平指标变量间有直接正向影响关系； H7:区域关系资本中区域科技交流状况(STI)指标变量与区域国际贸易状况(INT)指标变量间存在有直接正向影响关系； H8:区域国际贸易状况(INT)指标变量与区域创新资本中的区域科研人员状况(QR)指标变量间存在直接正向影响关系。 H9:区域国际贸易状况(INT)指标变量与产业经济系统的产出指标变量间有直接正向影响关系。 上述假设关系中的指标变量均为SEM-Credal网络分析方法基本模型中的潜变量，依据假设所构成的直接影响关系路径图如图5-1(a)、(b)所示。 区域教育水平 H4 区域科研系统结构 人员状况 变动量 H6 H1 系统产出区域创新H3 H5 水平 H8 H9 成 果 区域国际H2 系统衍生 贸易状况 能力 H7 区域科技交流状况 (a) (b) 图5-1 智力资本与产业经济系统变量关系路径图 测评样本选择与数据来源 结合现阶段智力资本与经济发展水平，选择我国大陆地区31个省（自治区、直辖市）做为研究对象，考察各地区的智力资本与区域产业经济系统的发展状况，并通过对各研究对象有关信息的系统分析与研究，以反映出我国智力资本与产业系统的影响关系。 83
北京理工大学博士学位论文 考虑以区域作为测评研究对象时，样本的时空分布特征以及测评系统自身的复杂性，本文在研究我国区域智力资本与产业经济系统的直接影响作用时，观测变量数据均采用2001-2005年间我国统计部门及其他相关政府部门所公布的公开数据，包括：《中国统计年鉴》、《中国区域经济统计年鉴》、《中国科技统计年鉴》、《中国工业经济[140-144]统计年鉴》以及有关政府部门发布的其他相关统计报表与年度统计公报等。 依据文节与节所构建的指标体系及有关计算方法，通过对直接数据（原始数据）、间接数据的特异性与有关分布特征的统计分析，并对有关缺失值进行处理后，最终所采用的测评体系由87个有效样本、21个指标及1827个数据点构成（见附录2）。 我国智力资本影响测评指标变量的选取 研究我国区域智力资本对产业经济系统的直接影响关系时，为消减理论指标体系设计中个人偏好与信息相关变量的影响，确保各观测指标变量的独立性，以提高影响测评的研究效果，需从所建立的理论指标体系中选出单个隐变量及其所对应的独立观测变量进行拟合研究，为研究区域智力资本与产业经济系统间的直接影响关系做基础准备工作。 首先通过对区域智力资本中人力资本指标体系的分析，研究选择区域每十万人高等院校数、区域高校学生与专职教师比、非文盲人口比重以及区域教育投资占GDP比重这四个指标作为区域教育水平的观测变量（如图5-2所示）。 十万人高等院校数X1 高校学生专职教师比X2 区域教育水平非文盲人口比重X3 教育投资占GDP比重X4 图5-2 区域教育水平指标变量构成 而对于区域科研人员状况(QR)指标变量，则采用区域从事科技活动的人员数量、高校R&D人员全时当量、企业R&D人员全时当量以及区域科学家工程师比重予以表示；同时，借助区域每万人专利申请受理数与每万人专利申请授予数作为区域创新成果状况(SA)的测量指标变量。 84
北京理工大学博士学位论文 十万人高等院校数X1 专利申请受理数X5高校学生专职教师比X2区域科研人员区域 创新成果非文盲人口比重X3专利申请授权数X6 教育投资占GDP比重X4 图5-3 区域创新资本主要指标变量及构成 区域科技合作交流状况(STCE)指标变量由区域跨国企业机构数、区域合作专利申请量反映，鉴于相关直接统计指标获取不便，本文研究中利用国外技术引进合同金额与区域技术市场成交合同金额替代上述两个指标变量；区域国际贸易状况(INT)中的区域国际贸易额占GDP比重则用区域进出口商品总值占GDP比重代替、区域外商直接投资状况利用区域外商投资额表示。 进出口商品总值占GDP比国外技术引进合同金额X13X 11区域国际贸易状况区域科技交流状况 区域外商直接投资额X技术市场成交合同金额X1412 图5-4 区域关系资本主要指标变量及构成 依据本文设定的衡量区域产业经济系统运行状况的指标变量，其变量模型构成可用下图予以表示（图5-5），变量数值则需通过相关统计数据与方法间接获得。 技术密集型产业集约度Y3系统衍生能力强弱 系统结构变动速度K值Y1霍夫曼比例Y4 系统结构变动程度区域GDP增长率Y 5系统结构熵Y2 系统产出水平高低区域GDP总量Y6 区域GDP总量占GDP比Y7图5-5 区域产业经济系统主要指标变量及构成 通过对上述因子与其观测变量模型相关系数矩阵的初步分析发现，各考察变量的MSA（Measures of Sampling Adequacy，取样合适性测度）值均大于，总体的MSA2以及x值均达到要求，各变量之间均在上显著相关，已经满足因子分析条件。另外，对因子结构模型所进行的验证性因子分析结果显示，上述结构能较好的拟合样本数据，且各项测评指标均已符合最基本要求，表明可以进行下一步各因子变量之间85
北京理工大学博士学位论文 的作用关系分析。 基本测评模型分析 本节将对利用所得到的样本数据资料对上述假设模型进行验证，通过模型的验证过程研究智力资本与产业经济系统间的直接影响关系。在进行基础模型估计时，Bollen 的有关研究指出若采用最大似然估计则需要变量满足多元正态分布，且样本容量[42]足够大。然而，在具体实证研究中多元正态分布的假设是很难满足的；与此同时，许多研究表明即使变量不是多元正态分布，进行最大似然估计也是恰当的，且可能取得更好的效果。本文将就有关数据的标准化处理结果，使用最大似然估计方法进行模型估计研究。 基本测评模型的拟合 根据前述各章所探讨的有关理论与方法，我们采用（英文版）进行模型的拟合与假设检验分析。研究中采用的拟合策略是先对每一个隐变量分别拟合，剔除因子载荷过小、统计检验不显著、理论意义有交叉的指标变量，在单个隐变量拟合符合标准之后，再进行整体模型的拟合，以下将在单个隐变量拟合过程的基础上，重点描述整体模型的拟合过程。 [137][138]根据Bollen，Jöreskog & Sorbom的建议及其他有关文献的研究结论所提供[139]的经验法则，本文确定的拟合指数与标准为： 1) 卡方检验。卡方检验是模型拟合的绝对检验，如果概值(P)低于，则表明模型被拒绝； 22) 卡方与自由度之比(χ/df)。若该比值小于3，则认为模型拟合较好；一般地，若该取值在1~5间则认为模型是可以接受的； 3) 拟合优度指数(GFI)与修正拟合优度指数(AGFI)，其值越接近于1越好，一般取值大于则认为可以接受； 4) 近似误差均方根(RMSEA)，其取值小于则认为拟合程度较好； 5) 比较拟合指数(CFI)与赋范拟合指数(NFI)一般要求取值大于。 另外，还可以参考均方根参差指数(RMR)，其应该小于，越接近0越好；非范拟合指数(TLI)应该大于，越接近于1越好。 对于图5-1(a)所示模型Ⅰ进行验证性因素分析，经过反复的模型修正，最终得到2模型的拟合指数分别为：χ/df=，p=，GFI=，AGFI=，86
北京理工大学博士学位论文 RMSEA=，CFI=，NFI=，RMR=，TLI=；上述拟合指数中除近似误差均方根(RMSEA)大于规定值，p值基本满足要求外，其余指数均已经满足要求，该模型总体上可以得到数据的拟合支持。 基本测评模型的效度与信度分析 指标变量的效度和信度将直接影响测量数据的质量，进而对测评结果产生较大的影响。由于指标变量选择的主观性、统计口径与资料收集等方面的原因，致使理论指标体系中的各指标变量在实际应用中得不到全面、合理的利用，因此，在利用数据分析结果进行模型解释前，有必要对变量的效度和信度进行分析，以确保测评研究结果的准确性和实用性。 首先是有关模型的信度分析，由于本文采用的数据均为统计数据，我们将从内部一致性进行测量变量的信度分析。如果测量变量的信度系数越大，则表明测量的可信程度越大。多数研究者认为该系数应大于或等于，DeVellis(1991)给出了一个信度系数的区间表述：若信度系数在～表示可信程度不高，测量变量最好不要；信度系数在～表示最小可接受值；～表示可信度相当好；～表示可信度非常好。本研究利用所进行的可靠性分析结果显示，模型Ⅰ中的隐变量指标变量创新成果、系统结构、衍生能力的cronbrach´s а信度分别为、、，已经达到可接受的有关要求；同时，模型的总体信度为，也已基本满足要求。 对模型的效度分析一般可以通过内容效度、标准效度以及建构效度来进行，由于指标选择时，已经充分考虑了有关研究结论、统计口径及我国的智力资本发展水平，因而其内容效度可以得到保证；鉴于本研究不以预测为主要目的，以下将重点分析模型的建构效度，评价同一假设模型下一个变量与其他变量之间的关联程度。经过拟合结果的初步分析，模型中无明显不合理的参数值，且整体拟合指数已经基本达到要求。 对模型Ⅰ中隐变量与观测变量间的构建效度分析结果如表5-1所示，其中非标准化参数列中的三行数据分别表示：隐变量与观测变量间的非标准化系数（回归系数）、估计参数的标准差以及t检验值。一般认为，若t值大于，则表示该参数已经达到的显著水平；若检验值大于，则表明该参数已经达到的显著水平。经分析模型Ⅰ中的参数估计均已达到的显著水平，除Y1在系统结构上的系数较低外，其他多数标准化系数都在以上，表明隐变量的效度是可以接受的。 87
北京理工大学博士学位论文 表5-1 模型Ⅰ隐变量与观测指标变量效度汇总表 创新成果 衍生能力 系统结构 观测指非标准化 标准化 非标准化标准化 非标准化 标准化 标变量 参数 参数 参数 参数 参数 参数 X5 （） aX6 aY1 Y2 （） aY3 Y4 （） 注：a代表因子载荷为固定值；***表示P< 经过对假设模型Ⅰ进行拟合分析、信度与效度等的研究，表明假设模型基本能够被数据验证。因此，以下将对模型Ⅰ中的变量关系予以解释。 基本测评模型Ⅰ的解释 通过对模型分析的结果显示（图5-6），研究中对该模型所提出的三个假设中（表5-2），仅有H2假设显著成立，即创新成果对产业经济系统的衍生能力有着强的影响关系；而H1与H3假设并没有得到显著性支持，说明现阶段我国创新成果与产业系统的衍生能力对系统结构的正向影响并不明显。 图5-6 模型Ⅰ变量影响关系分析结果数据图 88
北京理工大学博士学位论文 表5-2 模型Ⅰ研究假设的验证 模型的假设 参数估计值 P值 验证结果 H1：区域创新成果对产业系统结构变动 > 不显著 有直接正向影响 H2：区域创新成果对产业系统衍生能力 < 显著 有直接正向影响 H3：区域衍生能力对产业系统结构变动 > 不显著 有直接正向影响 区域创新成果对系统衍生能力的影响效果估计为，即创新成果量变动一个单位时系统衍生能力将会随之变动个单位；创新成果与衍生能力对系统结构的影响效果均为负值，说明两者对系统结构的变动并不产生直接正向影响。 通过对模型的总体影响效果估计与直接影响效果估计（表5-3）的分析发现，专利申请(X5)与专利授权(X6)状况对区域创新成果变量有着重要的影响，特别是区域专利申请状况所反映出的区域科技创新环境因素对区域创新成果的影响尤为显著；技术密集型产业集中度(Y3)也对创新成果产生积极的影响，其回归系数为；从分析结果看产业系统结构对区域创新成果并没有产生积极的正向影响效果，综合影响估计为负值，其中系统结构熵(Y2)与系统结构变动系数(Y1)对创新成果的综合影响效果分别为与。另外，霍夫曼比例(Y4)所反映的系统轻重产业发展状况对系统结构的综合影响效果达到，对系统衍生能力的直接影响效果为；技术密集型产业发展状况对系统衍生能力的影响效果估计达到了1，远大于系统结构熵产生的综合影响估计值，说明技术密集型产业发展状况是系统衍生能力的重要影响因素之一。 表5-3 模型Ⅰ指标变量的影响效果估计值 综合影响效果估计 直接影响效果估计 创新成果 衍生能力 系统结构 创新成果 衍生能力 系统结构 衍生能力 系统结构 Y2 Y1 Y4 Y3 X5 X6 89
北京理工大学博士学位论文 另外，从模型Ⅰ的分析结果我们还可以看出，技术密集型产业集约程度(Y3)较轻重产业比重所构成的霍夫曼比例(Y4)对区域产业经济系统的衍生能力影响较大，系统结构的稳定性则主要取决于系统中各产业的变动速度(Y1)。因此，促进高新技术产业发展，提高技术密集型产业的集中度，借助高新技术产业加速产业系统中各产业的变动速度，才是加快区域产业发展的关键。 基本测评模型Ⅱ的分析与解释 同理，可对图5-1(b)所示的假设模型Ⅱ进行验证与拟合分析。经过研究发现，用于反映区域科技人员状况的指标变量中，高校R&D人员全时当量与企业R&D人员全时当量指标存在着多重共线性；同时，用于反映系统产出水平的区域GDP总量指标与其它两个指标变量间也存在着多重共线性，通过对指标变量含义的扩充及对经过对原始数据的相关处理后，在假设模型Ⅱ的研究中剔除了上述三个观测指标变量，以便于能准确反映指标变量间所存在的影响关系。 通过对影响关系模型Ⅱ的拟合、信度与效度分析后，该模型也已基本达到有关经验统计指标值的要求，模型整体可以被接受。 对模型Ⅱ的分析结果显示，研究中所提出的六个假设关系中（表5-4），仅有假设H5不成立，即区域教育水平与区域科技交流状况有直接正向相互影响检验结果不显著，说明现阶段我国的教育事业与科技事业发展过程中交流机制不畅，故而，导致两者之间的关联性不强的现象；而其他五个有关指标变量关系的基本假设均已通过显著性验证，即人力资本中的教育水平(EL)变量与区域创新资本中的区域科研人员状况(RP)变量间存在直接正向影响关系(H4)，区域创新资本中的区域科研人员状况(RP)变量和产业经济系统的产出水平变量间有直接正向影响关系(H6)，区域关系资本中区域科技交流状况(STI)变量与区域国际贸易状况(INT)变量间存在有直接正向影响关系(H7)，区域国际贸易状况(INT)变量与区域创新资本中的区域科研人员状况(RP)变量存在直接正向影响关系(H8)，区域国际贸易状况(INT)指标变量与产业经济系统的产出变量间有直接正向影响关系(H9)。 90
北京理工大学博士学位论文 表5-4 模型Ⅱ研究假设的验证 模型的假设 参数估计值 P值 验证结果 H4：区域教育水平对区域科研人员状况 < 显著 有直接正向影响 H5：区域教育水平与科技交流状况 > 不显著 有直接正向相互影响 H6：科研人员状况与产业系统产出水平 < 显著 有直接正向影响 H7：科技交流状况与国际贸易状况间 < 显著 有直接正向影响 H8：国际贸易状况与区域科研人员状况 < 显著 有直接正向影响 H9：国际贸易状况与产业系统产出变量 < 显著 有直接正向影响 图5-7 模型Ⅱ变量影响关系分析结果数据图 91
北京理工大学博士学位论文 通过对模型Ⅱ中观测指标变量与各隐变量间的影响效果估计（表5-5、表5-6）的分析表明：现阶段我国的科技交流状况对国际贸易水平有着较大的正向影响作用，该效果系数已经达到了，其中国外技术引进合同金额与及技术市场成交合同金额两项指标的作用程度相当；由科研人员数量与科学家工程师比重所反映出的区域科研人员状况隐变量指标对区域的科技交流总体影响效果系数为，对教育水平的直接影响效果系数为，对区域国际贸易的总体影响效果系数则为，说明我国现阶段科研人员的发展状况对影响产业系统产出的其他基础变量有着重要的正向相关作用；产业经济系统的产出状况则受到区域科技交流水平的总体影响效果估计为，区域教育水平对其的总体影响效果估计为，而科研人员状况则是影响区域产业经济系统产出的最主要的因素，该总体影响效果估计达到了，这与科技人才在经济系统发展中的现实作用完全吻合。另外，对各观测指标变量的影响效果估计的分析，还将有助于发现在产业经济系统发展过程中直接作用效果较弱的指标变量，并针对指标变量所反映出的现实问题予以科学合理的解决。如为提高区域GDP的增长质量、扩大外商直接投资及进出口商品贸易额，需开展广泛的区域科技交流与合作，以促进相关影响因素的发展。 表5-5 模型Ⅱ指标变量的总体效果估计值 科技交流 教育水平 国际贸易 科研人员 系统产出 国际贸易 科研人员 系统产出 Y7 X13 X14 X11 X12 Y5 X10 X7 X1 X2 X3 X4 92
北京理工大学博士学位论文 表5-6 模型Ⅱ变量直接效果估计值 科技交流 教育水平 国际贸易 科研人员 系统产出 国际贸易 科研人员 系统产出 Y7 X13 X14 X11 X12 Y5 X10 X7 X1 X2 X3 X4 基本测评模型的研究结论 经过对模型Ⅰ和模型Ⅱ的模型拟合、隐变量及观测变量的效度、信度分析，有关区域智力资本对产业经济系统的直接影响关系假设基本得以验证。总体上看，现阶段我国的智力资本发展水平还不高，通过诸变量间影响效果估计值所反映出来的直接影响关系还不强。 通过对区域科技成果与产业经济系统衍生能力之间、区域科技成果与产业经济系统结构间，以及区域科研人员状况与产业经济系统产出水平间直接影响关系的分析结果表明：区域创新资本对产业经济系统的运行有着较大的影响作用，因此，应着手改善区域创新资本存量与水平，提升区域产业经济系统的运行质量与水平。而通过区域教育水平的研究反映出区域人力资本的作用并没有得以充分发挥，且其与区域关系资本间的相互促进作用也不强，其关键在于我国智力资本发展机制不健全，缺乏有效的内部沟通与协调运行机制。另外，区域关系资本对产业经济系统产出的促进作用程度还不够，特别是用于反映关系资本结果的各贸易类指标对经济系统的直接正向影响效93
北京理工大学博士学位论文 果还不理想。 虽然直接关系模型的结果可以以精确的影响效果估计值表示，但由于直接影响关系模型分析过程对有关指标变量数据要求较为严格，致使一些无法收集到准确数据的指标变量，不得不予以剔除或替换，结果必然影响到测评分析的效果；且直接影响关系模型对于指标变量间存在的多重影响关系的分析能力欠佳。因此，以下将借助近似模型综合指标变量间的多种类型的有效信息，以进一步分析变量间的影响关系，并从系统的角度对变量间的影响过程进行近似推理研究。 区域智力资本对产业经济系统影响关系的近似测评模型研究 为系统反映区域智力资本对产业经济系统的作用，在利用SEM-Credal方法中的基本模型研究了我国智力资本与产业经济系统中具有确定关系变量间的影响关系后，将利用近似推理模型研究测评系统中的其他非确定关系变量之间的影响关系以及影响过程。 近似测评模型网络拓扑结构的构建 在利用基础模型研究了测评系统中具有明确影响关系的变量后，受方法自身缺陷的制约，系统指标变量间的关系并没有得以全面的反映。因此，还需利用近似模型对有关系统变量做进一步研究，以提高系统测评效果。 近似模型研究的基础是构建合理的网络拓扑结构，依据前述章节中对区域智力资本的定义、构成及其主要影响环境的分析结果，结合产业经济系统构成与系统内部要素间的影响关系，结合有关专家经验判断，我们认为区域内智力资本对产业经济系统的作用过程主要涉及三方面的因素，即智力资本的基础因素、智力资本作用的关键因素、产业经济系统运行的关键因素。智力资本的基础因素有智力资本的环境因素、智力资本中的过程资本变量，智力资本作用的关键因素包括智力资本中的创新资本变量、关系资本变量以及人力资本变量，产业经济系统运行的关键因素为产业系统结构变量、产业系统产出水平与产出效率变量，智力资本对产业经济系统的作用即为这三方面因素间的逻辑作用过程。然而，这些变量却不具有系统完整的数据信息，利用传统的直接影响关系模型方法将难以实现对其的有效分析。因此，需要求有关领域专家依据相关统计数据以及经验判断对变量间存在关系的予以判断，依此所构建的反映变量关系的邻接矩阵，确定出相应的网络拓扑结构，以便于开展近似模型的研究。 94
北京理工大学博士学位论文 指标变量拓扑结构中各节点变量应尽可能地包含多种类型的系统信息，并且能够反映出影响测评系统中所存在的变量间的诸多逻辑关系，而不考虑这些节点变量的精确值是否能通过统计资料予以明确，仅需考虑其在父节点指标变量条件下发生的概率，进而实现在有证据条件下分析某一变量或影响因素对产业系统的影响程度，找出特定系统中关键影响因素与重要环节。 依据我国智力资本与产业经济系统的发展状况，在选择有关指标变量以及确定其基本逻辑关系后，构建反映指标变量关系的网络拓扑结构。研究将人力资本发展状况（包括人力资源环境因素）、区域教育水平、过程资本存量、文化环境状况以及区域创新投资水平设定为为起始节点，用产业经济系统总体运行状况反映智力资本的作用效果，其他变量因素为中间节点。根据上述分析结果，本文构建的用于研究区域智力资本对产业经济系统影响的近似推理网络拓扑结构（如图5-8所示）共包含了22个网络节点，节点关系复杂程度适中，利于近似模型的推理与解释研究。 图5-8 区域智力资本对产业经济系统影响的网络拓扑结构图 近似测评模型网络节点参数的确定 网络节点参数的确定是进行近似推理的关键，包括各无父节点的节点的诸状态值的确定，以及有父节点的节点的条件状态值的确定。通常通过对已有数据学习与专家95
北京理工大学博士学位论文 经验判断方法来确定网络中各节点的状态值，各节点变量均经过离散化处理，且节点参数的状态值多取两态或三态，允许利用概率区间来表达不确定信息。 节点参数的数据学习确定 所构建的网络拓扑结构中，有些节点变量具有丰富的统计数据信息，可以通过对变量参数统计数据信息的抽取，获得所需节点参数。对这些变量我们将利用IDM方法从相关的数据库中训练得出节点上的概率分布区间，从而得到以成对概率区间数表[45]示的Credal集。依据有关文献及相关研究的经验值，在利用IDM模型进行数据抽取时其中的参数s常设定为。 研究中数据训练所得到的概率区间长度依赖于变量统计数据量，相关统计数据量越丰富、涵盖的信息越全面，所得到的节点变量状态概率区间越小，也就越精确。即IDM能够从统计数据库中追踪到变量的有关信息，依据信息量来调节训练结果的精确程度，亦为状态的概率区间长度。 对于区域创新投资水平节点变量I（两态），收集了近五年来我国有关区域R&D投资以及外商直接投资量方面的数据，分析累计超出平均投资水平的区域个数，利用IDM方法的有关计算公式得到区域创新投资水平较为理想(state1)与不太理想(state0)的概率区间表述为： P(state1)=[,] P(state0)=[,] 另通过对近五年间的教育发展水平E数据的分析，包括区域教育投资占GDP比重、区域教学质量等数据，利用IDM方法确定区域教育水平较为理想(state1)与不太理想(state0)的概率区间表述为： P(state1)=[,] P(state0)=[,] 同理，我们可利用IDM方法对已有相关统计数据对变量进行数据抽取，获取不同状态的概率区间，并将该结果提供给有关专家，专家可以依据该统计抽取数据再对所考察的不确定关系变量予以判断。 基于专家意见的网络节点参数确定 在进行网络节点参数确定时，遇到数据量缺乏或变量关系不确定时，往往借助相关领域的专家经验来确定节点状态信息。专家可以直接给出精确概率分布、指定概率96
北京理工大学博士学位论文 分布区间或使用定性语言等来确定节点变量的状态参数，对于使用定性语言的描述可依据有关转换关系将专家的不精确性语言描述转换为对应的概率区间，进而进行推理研究。 专家对今后一段时期我国过程资本存量P的状况进行判断，并使用不精确语言予以表述，m专家认为今后一段时期内过程资本存量可能实现持续增加，m与m专家123都认为过程资本存量较有可能增加，而m专家认为可能到较有可能发生；因此，利4用表3-1将其转换为概率区间数表述，并对几位专家意见依权重折中的结果为：区域过程资本存量持续增加(state1)的概率区间为[,]，过程资本存量低(state0)的概率区间为[,]。 设定区域人力资本发展状况节点变量R有三个状态值，即：高(state2)、中(state1)、低(state0)。邀请三位专家分别对节点的三个状态发生的概率进行估计，j=1,2,3分别j表示“高、中、低”三个状态，以r(i,j=1,2,3)表示第i个专家对R点的第j个状态i123的概率估计，三位专家均给出精确概率估计，分别为r=,r=,r=; 111123123r=,r=,r=; r=, r=,r=。利用论文第三章介绍2233的折中方法，将三位专家意见概率集结（集结参数c=）为Credal集，该Credal集的顶点为： 123′′′r=,r=,r= 1113′′′r=,r=,r= 22213′′′r=,r=,r= 33 设区域文化环境状况节点C用三态变量表示，即：差(state0)、较好(state1)与好(state2)，并要求两位专家在已有专家意见的基础上利用Credal集表述。其中第一位专(1)家所给出的意见用Credal集K表达，K由顶点p=(,,)，111(2)(3)p=(,,)和p=(,,)确定；而第二位专家的意见则以Credal集11(1)(2)K表达，集合K由顶点p=(,,)，p=(,,)和2222(3)p=(,,)构成，基于距离的两个专家意见的Credal集的结集结果R的c2顶点为： (1)21p=p=(,,) cc(2)22p=p=(,,) cc(3)12p=p=(,,) cc(4)11p=p=(,,) cc97
北京理工大学博士学位论文 此外，为研究需要对系统结构以及系统的总体状况均设定为三态，而其余节点变量则为两态变量。 确定在系统衍生能力与系统结构变动下的结构优化程度的可能性概率分布。在系统衍生能力强、结构变动活跃的条件下，两类专家经验判断的产业经济系统结构优化度三种状态的概率分布可以表述为由以下顶点所构成的集合： (1)Ⅰ类： p=(,,)； 1(2)p=(,,)； 1(3)p=(,,)。 1(1)Ⅱ类： p=(,,)； 2(2)p=(,,)； 2(3)p=(,,)。 2利用文中所提出的基于距离的网络节点参数集结方法，对这两类专家经验判断的结果进行集结，产业经济系统结构优化度三种状态的概率分布表示为： (1)(2)(3)p=(,,)，p=(,,)；p=(,,)。 ccc在系统衍生能力弱、结构变动活跃的条件下的系统结构优化程度，另两类专家经验判断的产业经济系统结构优化度三种状态的概率分布可以表述为由以下顶点所构成的两个集合： (1)(2)(3)p=(,,)，p=(,,)和p=(,,) 333(1)(2)(3)p=(,,)，p=(,,)和p=(,,) 444基于距离集结后的专家意见结果表述为由下述三个顶点组成的集合： (1)p=(,,)； c(2)p=(,,)； c(3)p=(,,)。 c而对于系统衍生能力强、结构变动不活跃条件下以及系统衍生能力弱、系统结构变动不活跃条件下的的系统结构优化程度则以区间的形式表示（如表5-7所示）。 98
北京理工大学博士学位论文 表5-7 专家意见指定的网络节点S1的部分状态参数 指标变量 状态 状态 系统衍生能力Y1 强 弱 系统结构变动量S2 大 小 高 [,][,]结构优化程度S1 中 [,] [,] 低 [,][,]同理，可以依据现有统计数据以及专家意见对构建的网络拓扑结构中各节点参数予以确定，这里将不再做详细分析与说明。至此，完成了智力资本测评研究中近似推理模型的建模过程。 近似测评模型的推理与解释 依据所构建的上述近似推理模型，利用系统中的多种类型信息，特别是利用基于经验判断的定性语言描述信息，研究区域智力资本对产业经济系统的影响关系，并就系统的运行状况进行预测与诊断分析，将有助于从多个方面全面分析智力资本对经济系统运行的作用。 近似模型的前向推理与解释 在没有智力资本相关变量值输入影响测评系统时（亦称无证据输入时），我们将以系统近似网络模型中的固有信息，即以近似网络模型拓扑结构所体现出来的系统变量之间的关联信息，及各节点上的状态值信息为基础进行推理研究。依据所构建网络模型的系统固有信息进行推理结果显示，产业经济系统“总体运行状况良好”的先验概率是[,]，“总体运行状况一般”的先验概率是[,]，而系统“总体运行状况差”的先验概率为[,]，这三种状态发生的可能性几乎相同；表明在节点变量状态不发生变化的情况下，未来一段时期内我国经济系统运行状况将不太突出，总体运行状态没有发生显著变化的迹象。 以下将先考察没有其他证据输入时，各边缘节点变量对产业经济系统总体运行状况的影响程度；而后，进一步考察在其他证据输入时，网络结构中各考察节点变量对产业经济系统总体运行的影响。依据MATLAB/BNT的推理结果（表5-8），在无其他证据输入时，各考察网络节点变量对产业经济系统总体运行状况的影响程度相差不99
北京理工大学博士学位论文 大，说明考察节点变量在产业经济系统运行过程中没有处于绝对优势地位的突出变量，产业经济系统的总体运行不会由于某个因素的变动而产生巨大的波动。在所考察的节点变量中区域人力资本发展状况与区域教育水平是影响区域产业经济系统运行的最主要因素，其对产业经济系统的运行状况的影响较为显著，印证了区域人力资本是智力资本基础的假设；另外，结果显示创新资本存量也是影响产业经济系统总体运行的重要因素，表明科技创新在产业经济系统发展过程中的关键作用。过程资本存量、关系资本存量以及区域文化环境相对于其他考察节点变量作用要稍弱些。 表5-8 考察节点变量对产业经济系统总体运行状况的影响对照表 无其他证据输入时产业经有证据输入时产业经济指标变量 状态 济系统运行状况好的概率 系统运行状况好的概率 高 [,] [,] R人力资本发展水平 中 [,] [,] 低 [,] [,] 高 [,] 1 E教育水平 低 [,]0高 [,] [,] P过程资本存量 低 [,] [,] 好 [,][,]C文化环境状况 一般 [,] [,] 差 [,] [,] 高 [,][,]M1关系资本存量 低 [,] [,] 高 [,][,]I1创新资本存量 低 [,] [,] 当给网络拓扑结构模型一定证据输入时，如设定区域教育水平高的情况下，考察原有节点变量对产业经济系统运行状况的影响。运行结果表明此时原考察节点变量作用下产业经济系统运行状况好的状态概率均有提升，其中人力资本发展水平高所产生的系统运行状态好的概率区间由[,]上升为[,]，过程资本存量高所产生的系统运行状态好的概率区间由[,]上升到[,]；区域关系资本存量高时，产业经济系统运行状态好发生的概率为[,]，而在100
北京理工大学博士学位论文 教育水平节点证据输入情况下，这一概率区间值变化到[,]；区域创新资本存量高时，所发生的概率也上升到[,]；另外，区域文化环境状况的作用也得到了一定的提升。 综上所述，区域教育水平高证据输入下，对产业经济系统运行状况影响作用从大到小依次是：区域创新资本存量、区域人力资本存量、区域过程资本存量、区域关系资本存量与区域文化环境。 近似模型的诊断与解释 在进行有关模型的前向推理后，可以利用所建立的网络模型进行系统的诊断分析，以确定导致系统运行效率低的可能节点变量及其组合，探寻系统运行过程中的薄弱环节。假定观测到产业经济系统总体运行状况与区域教育水平的证据输入时，考察边缘节点变量与两个主要中间节点变量的概率区间变化情况。首先确定考察变量的先验概率区间，对诸如人力资本发展状况、区域教育水平等边缘节点变量在构建模型过程中已经确定出相应的先验概率区间，而对于区域关系资本存量以及区域创新资本存量的先验概率，则可依据所建立的网络拓扑结构模型予以推理确定，其中区域关系资本存量高的先验概率区间为[,]，关系资本存量低的先验概率区间为[,]；区域创新资本存量高的先验概率为[,]，创新资本存量低的先验概率区间为[,]。其次，通过模型推理得到所要考察节点变量的后验概率区间，模型推理结果见表5-9。 在证据输入时，考察节点变量人力资本发展水平高的概率由原来的[,]变化到[,]，创新投资水平边缘节点变量高的状态概率区间由[,]变化到[,]；其次是两个中间节点变量，其中过程资本存量高的状态概率由[,]下降到[,]，关系资本存量节点变量高的状态概率下降到[,]，而区域文化环境边缘节点变量在此证据下，状态概率区间并没有发生多大的变化。可见，区域人力资本存量对区域产业经济系统运行的灵敏性最高，而所考察的区域文化环境的灵敏性在考察节点变量中最低，表明区域文化环境在其考察的较短时期内对产业经济系统运行的影响作用并不大。产业经济系统运行效率低的主要原因在于区域教育水平、区域人力资本、区域创新投资水平以及区域过程资本、关系资本共同作用的结果，因此，应从这几个方面着手制定有关措施，提升区域智力资本发展水平，提高产业经济系统的运行效率。 101
北京理工大学博士学位论文 表5-9 有、无证据输入时考察节点变量概率对照表 无证据输入时节点的 有证据输入时节点的 影响变量 状态 先验概率 后验概率 高 [,] [,] R人力资本发展水平 中 [,] [,] 低 [,] [,] 高 [,][,]P过程资本存量 低 [,] [,] 好 [,] [,] C文化环境状况 一般 [,] [,] 差 [,] [,] 高 [,] [,] M1关系资本存量 低 [,] [,] 高 [,][,]I1创新资本存量 低 [,] [,] 高 [,][,]I 创新投资水平 低 [,] [,] 另外，还可以借助所构建的网络拓扑结构模型，分析各节点变量在不同状态下对产业经济系统运行状况以及系统产出与结构的影响状况。当区域人力资本发展状况较差时，网络结构模型推理结果显示产业经济系统总体运行状况好的状态的概率区间[,]；而当区域人力资本得到进一步发展，人力资本整体发展水平较高时，产业经济系统总体运行状况好的状态概率区间为[,]，说明区域人力资本的发展状况对区域产业经济系统总体运行状况具有重要的作用。同理，可以考察其他节点变量的变化对网络模型中其他节点变量的影响。 区域智力资本对产业经济系统影响测评的综合分析 基于所建立的区域智力资本与产业经济系统理论指标体系，利用SEM-Credal网络方法分析了现阶段我国智力资本发展状况及其对产业经济系统影响。研究首先选择具有明确直接影响关系、且变量数据可以直接获得的指标变量，构建了九个基本假设关系的直接影响关系测评模型，运用统计技术分析指标变量间的影响关系；然后，对102
北京理工大学博士学位论文 测评体系中关系不明确、且数据类型较为复杂的指标变量，依照相关变量的统计数据、有关文献的研究结果及专家意见构建了具有网络拓扑结构的关系模型，借助人工智能方法进行了推理研究，以实现充分利用系统中的多种类型变量关系与数据信息研究测评系统中变量间的影响关系。 通过对基本模型的研究发现，测评体系中创新成果指标变量所包含的专利申请数(X5)与专利授权数(X6)对区域创新成果变量有着重要的影响，进而创新成果将对产业经济系统的衍生能力起到积极的促进作用；另外，技术密集型产业集中度(Y3)也对创新成果产生积极的影响，这主要归结于技术密集型产业的聚集效应。创新成果构成变量对产业经济系统的结构熵(Y2)与系统结构变动系数(Y1)影响不大，霍夫曼比例(Y4)则能更好的反映产业系统的结构。研究还表明，现阶段我国的教育事业与科技事业发展过程中缺乏有效的交流与沟通机制，这将不利于区域智力资本的发展；教育水平(EL)的提升以及区域国际贸易与交流水平有助于区域科研人员质量的提升，进而直接与间接的影响到产业经济系统的产出水平；区域科技交流活动将直接影响区域国际贸易量，同时，区域国际贸易量(INT)与产业经济系统的产出直接正向影响关系。 对构建的网络拓扑关系模型分析结果为：区域智力资本的几个重要构成部分对产业经济系统均有着直接或间接的影响关系，首先是人力资本存量与发展水平，它区域智力资本发展的基础；其次是创新资本的存量与水平，其主要由创新投资水平与区域人力资本发展状况决定；第三是区域过程资本存量与水平，主要依赖于区域信息业的发展以及通信基础设施的投资水平；另外，由于区域关系资本发展的文化环境建设是一项长期的工程，关系资本只有在上述部分发展较完善时，将对产业经济系统的运行起着重要的作用。 我国智力资本对产业经济系统影响测评研究的结果表明，现阶段我国的智力资本发展水平还不高，对产业经济系统运行的作用还不明显；对构成变量的作用程度还认识不清，智力资本发展思路还存在不合理之处，各主要影响因素发展不足。应通过发展基本影响变量、构建基础环境提升智力资本发展速度，强化智力资本作用效能。 促进我国区域经济发展的智力资本调控机制 对我国智力资本的研究发现，现阶段我国的智力资本存量与发展水平均不高，其对区域产业经济系统的作用还没有完全显现出来。因此，应从影响区域智力资本发展的各个环节考虑，加强智力资本发展的基础环境建设，并制定相应的政策措施以提升103
北京理工大学博士学位论文 区域智力资本的存量与作用效能。 区域智力资本的基础环境 依据所构建的区域智力资本概念模型，区域智力资本基础环境包括硬件环境与软环境两个方面。硬环境是指教育基础设施环境、市政基础设施环境、通信基础设施环境、物流运输环境与区域生态环境等，软环境是指区域文化环境、区域学习型组织构建环境、区域科技创新环境与区域精神文明环境建设等。 人力资本是区域智力资本的重要构成部分，而区域人力资本储量与水平的提升，可直接归结为区域教育基础设施环境建设状况与区域软环境建设状况。区域通信基础设施环境与物流运输环境将决定一个区域结构资本的发展水平，而区域基础设施环境与生态环境将是影响区域智力资本发展的重要因素，其对于稳定区内人力资本存量、促进人才引进具有重要的作用。区域软环境则是贯穿于智力资本的各个组成部分与硬件基础环境间的活的推动力，是维系智力资本与环境关系的纽带。 区域智力资本发展硬件环境 教育基础设施环境建设。应注重硬件配套设施与区域教育发展水平相适应、与区域智力资本发展方向相一致，避免教育基础设施的浪费或资源不足而对人力资本发展造成制约。同时开展多种形式的教育与培训工作，包括正规学历教育、职业教育以及继续教育等，以应对快速变化的经济形势对区域智力资本的需求；教育模式应与经济社会发展对人力资本的需求水平相适应，通过对教育资源的优化配置提升区域智力资本的存量与水平。 市政基础设施与生态环境建设。虽然其是影响区域智力资本存量与水平的间接因素，通过研究分析发现其作用却不容忽视。加强区域市政基础设施与生态环境建设，营造良好的区域人才生产与生活环境，有助于人才致力于区域创新性活动，利于区域人力资源的聚集及聚集效应的发挥，进而提升区域智力资本的作用水平。 通信基础设施环境与物流运输环境建设。区域通信基础设施建设与发展状况决定着区域信息交流水平，进而影响着区域关系资本作用的发挥，同时反映出区域过程资本的发展状况。从电信基础设施容量以及电信专业服务水平上加快建设步伐，以满足区域过程资本与关系资本发展对通信基础设施环境的要求。 区域智力资本发展软环境 104
北京理工大学博士学位论文 区域软环境中的区域文化环境、区域学习型组织建设环境、区域科技创新环境与区域精神文明环境建设，对于区域智力资本发展的作用是相辅相成的，其共同形成区域智力资本发展的良好环境氛围。 区域文化环境建设。区域文化环境建设对于智力资本主要是开展科技文化环境建设；同时，注重传统文化与民族文化的建设，以促进现代科技文化的发展。创新文化环境建设是区域文化建设的重要内容，也是区域科技创新环境的重要构成部分，体现在创新机制与创新体制方面，指为创新活动提供良好的创新文化生态环境。构建创新文化以通过对群体创新意识的培养，逐步形成创新信念、动机、兴趣等共同的文化心理，促使人们在创新发展中对创新目标乃至自己的创新行为产生认同感，利于区域创新资本的形成。 学习型组织环境构建。积极培育区域组织成员学习过程中的互动“双赢”组织理念，通过组织成员间的交互作用以实现组织的共同发展；营造学习共享系统环境，使得组织中不同层次、不同机构成员均处在一种相互交往、相互学习的状态，促使智力资源要素作用的得以快速发挥。 区域科技创新环境建设主要是为促进区域个体创新观念、社会创新观念的形成，以及创新实践活动的开展而提供支持与保障服务的。利用区域文化建设营造良好区域创新环境氛围，有助于区域智力资本中创新资本的形成与创新资本水平的提升。 开展区域精神文明环境建设以促进形成区域诚信社会环境、培育良好公民道德素养，为区域智力资本的发展创造和谐外部环境，通过其作用于区域智力资本的各个组成部分，致力于促进整个区域智力资本的发展。 区域智力资本的扩散机制 由于区域智力资本具有依附性、动态性、可调控性等特性，区域智力资本的扩散与调控主要是针对各区域内人力资源、信息以及知识等智力资源要素进行的。这些智力资源要素在各地区之间的流动与合理聚集后，并在智力资本基础环境的孕育下将形成特有的区域智力资本优势。 区域间智力资本的扩散程度，主要受不同区域各自的区位环境、市场发展对智力资源要素的需求以及区域间要素传递的通道状况的影响，实现区域间智力资本的优化配置主要是处理好这几方面因素间的关系。鉴于区域智力资源要素传递的结果将以知识的形态保存与表现，以下将通过智力资源知识要素的扩散，分析区域智力资本的扩105
北京理工大学博士学位论文 散机制。 依据Verspagen(1996)& Caniels(2000)所建立的距离衰减反比例知识溢出模型()与Wilson的距离衰减负指数知识溢出模型()。 2⎛⎞1kd−G−μ+G⎜⎟ijiijk1δδδi⎝⎠S=e () ijβrij2⎛⎞1kd−G−μ+G−βr⎜⎟ijiijijk1δδ⎝⎠S=δe () iji其中：S表示j地区从i区域所接受的知识溢出状况，δ为i地区的学习能力，rijiijk为区域i与区域j之间的距离，亦为区域间智力资本要素传递通道的顺畅程度；G为ijd区域间的知识缺口，G为需求缺口，G=ln(k/k)，k为缺口存量；β为空间阻尼，ijijjii即为其他影响智力资源要素传递的因素。 上述模型表明在具有智力资源要素缺口需求与知识溢出条件的地区间，知识溢出受地区的学习能力以及区域间要素传递通道顺畅程度的影响。区域的学习能力越强、其接受溢出知识的能力就越强；区域间的距离越远或者信息传递通道不畅，信息传递损失就越大，不利于该地区接受溢出知识。与此同时，一个地区接受溢出知识量还与其他地区的知识溢出量以及该地区的溢出知识需求量相关，如果外部市场中的溢出知识较多，则区域的溢出知识需求就越容易得到满足。 因此，实现区域智力资本扩散调控机制的关键是从区域自身出发，通过区域文化环境建设，强化区域的学习能力，提升区域接受与消化溢出知识的能力；其次完善区域间知识溢出及其他智力资源要素溢出通道建设，减少溢出知识在传递过程中不必要的损失；积极培育智力资源溢出要素交易市场，确保溢出要素能够在较短的时间内得到要素需求地区的接受，避免要素市场供需环节脱节而影响区域间智力资源要素的有效传递；注重其他非直接影响区域智力资源要素扩散环节的建设，诸如强化知识产权的保护、制定有关法律法规，科学规范市场主体的行为，确保区域间要素扩散的各种阻尼达到较小值。 区域智力资本的调控建议 区域智力资本虽具有特定的发展与运行规律，但在经济系统运行过程中将受到多种因素的影响与制约。因此，有必要制定相关政策措施，确保区域智力资本的发展及其正效应的发挥，并通过政策措施调节区域智力资本的发展与积累。 106
北京理工大学博士学位论文 通过对区域智力资本及其构成的分析，结合区域智力资本的环境与扩散机制的研究，区域智力资本调控发展政策包括以下几个方面： 发展多种形式的教育与培训、提升区域人力资本存量与质量 区域智力资本的根本在于区域人力资本的发展水平，亦即广义上的人力资源状况，要提升区域人力资本发展水平，增加区域人力资源储量，实现区域智力资本发展的可持续性，正规的学历与学位教育已经满足不了这一要求，必须创造条件、积极鼓励开展针对不同劳动者所实行的多种形式的继续教育，以应对快速变化的经济形势对区域智力资本的需求。 针对不同地区教育与再教育事业发展的实际情况，结合当前与今后一段时期的区域经济社会发展战略，制定教育与培训发展规划，从财力、物力、人力及政策方面予以大力支持，确保规划的实施；创造学习型社会氛围与环境，将这种以组织和个人知识学习为基础、以构建学习文化和提高区域综合竞争力为目标的具有学习型属性的新形态与区域实际相结合，构筑适应经济与区域发展的良好社会发展氛围与模式；加强引导与宣传逐步改变传统教育与学习观念，消除注重学历教育而忽视职业教育与继续教育的传统思想观念，从多层面、多角度提升区域劳动者的素质；在加快区域内部人力资本的培育的同时，制定人才引进政策与措施，创造区域人才聚集政策环境，利用外部人才资源强化区域自身人力资本基础实力。 优化系统组织结构、增强区域过程资本运行效率 区域过程资本是一种区域所特有的知识，具有强的组织依附性，区域过程资本不会因为某些个体的流失或改变而受到大的影响，因此，通过区域政策与措施的作用，提升组织信息与知识的接收转化能力、优化组织结构，是增强区域过程资本运行效率的关键。 加强区域通信与信息交流硬件基础设施与软件环境建设，注重对区域信息知识交流平台与基础设施建设的投资力度，维护过程资本良好运行环境；加快区域传媒业发展步伐，以传媒业发展促进过程资本的发展；优化组织结构、完善运行模式，确保组织运行过程中信息与知识交流传输的效率与质量。 完善创新服务体系、增强区域创新资本实力 从区域创新资本投入、创新人才队伍建设、创新成果交流与保护、创新环境等方107
北京理工大学博士学位论文 面完善区域创新资本的建设与服务体系。进一步完善区域创新过程资金链条，加快发展多层次资本市场，建设创新资本平台，提高创新过程资金链运作效率；切实保障区域R&D投入水平，鼓励创新活动。加快创新人才的培养、引进与服务体系建设，制定有关配套政策措施，确保能够“引来人才、留住人才”；制定创新人才激励机制，鼓励创新人才“多出成果、出好成果”。注重创新成果的保护与交流，继续加大知识产权保护力度，完善区域创新成果的保护机制；积极创建创新成果的交流平台，加快创新成果的转化效率。继续开展创新性社会建设，积极营造良好的区域创新环境氛围。 加强区域交流与合作，提升区域关系资本水平 区域关系资本反映了一个区域同其他与之有物质、信息与知识等交流的区域间所形成的一种无形资产，其实质在于维系区域间关系的能力，包括多种商业网络、信息交流网络等，亦称区域的客户资本。因此，提升区域关系资本水平，首先需要通过多种途径，树立区域品牌意识，强化区域形象建设；其次，开展区域间多种形式的文化艺术交流活动，鼓励非官方形式的民间交流活动，以促进区域关系资本的发展；加强区域市场环境建设，培育公平贸易环境，推动区域商贸活动的健康发展。 加快服务型政府建设、营造区域智力资本发展环境 政府部门在促进区域智力资本发展过程中的起着积极的作用，其作为区域智力资本服务体系建设的主体与相关政策制定的主体，应加强自身建设，着力构建服务型政府，切实为区域智力资本发展营造良好环境。 首先要深化行政管理体制改革，进一步转变政府职能，特别是在一些涉及区域智力资本发展的行政审批环节，应积极做好服务工作；集中精力抓好宏观调控、市场监管、社会管理和公共服务等工作。其次坚持依法行政、规范政府行为，取消一些不合理的影响智力资本发展的政策措施，诸如市场保护、人才流动限制等方面的不合理政策；严格执法行为，提高区域政府公信力，树立良好区域政策环境形象。第三完善公共财政体制，健全公共服务体系，明确政府财政为公共服务型财政，逐步增加区域基础设施与基础环境建立投资力度，完善区域智力资本发展硬环境。 小结 本章根据所建立的区域智力资本与产业经机系统理论测评体系，研究了我国智力资本对产业经济系统的影响关系。据有关资料及对我国智力资本发展现状的判断，利108
北京理工大学博士学位论文 用具有明确直接影响关系的指标变量，构建了我国智力资本对产业经济系统的直接影响关系模型，并借助AMOS软件与有关统计数据对模型的拟合研究，结果表明所假设直接影响关系基本得以验证，并利用基础模型的解释方法对这些具有直接影响关系的变量进行了影响分析；随后就测评体系中存在的不明确关系变量以及用定性语言信息描述的变量，借助邻接矩阵构建了近似推理模型，通过对统计数据的训练、专家定性语言意见的转换等确定了网络拓扑关系模型中诸节点变量的参数值，并利用MATLAB/BNT软件进行了推理研究，确定了在几个节点变量有证据输入下的产业经济系统的产出变量状况。并对影响测评的综合分析结果，从区域智力资本发展的基础环境、区域智力资本的扩散机制以及调控措施等方面提出了相关建议，以促进我国智力资本的发展，提升产业经济系统发展潜力、产出水平与产出效率。 109
北京理工大学博士学位论文 第六章 总结与展望 论文总结 本论文首先研究了区域智力资本的有关理论，并建立了区域智力测评体系与产业经济系统的运行评价体系；针对区域智力资本的特殊性及其作用过程的复杂性，基于SEM方法建立了影响测评的SEM-Credal网络分析方法，并研究了的建模与有关推理解释方法，最终利用SEM-Credal网络分析方法研究了我国智力对产业经济系统的影响关系，为开展区域发展决策提供理论支持。对本文研究工作的总结如下： 1.分析了经济系统发展阶段，通过对智力资本的分析，定义了区域智力资本的概念，并构建了区域智力资本测评理论体系。 依据经济系统发展阶段理论，分析了经济系统发展阶段中物质资本、金融资本以及智力资本的作用，指出在后工业经济时代与知识经济时代中，智力资本对产业经济系统的发展起着极其重要的作用。 在对目前有关文献中所提出的基于企业或组织层面的、由人力资本所简单扩充而成的智力资本的概念，提出了依附于区域经济系统的区域智力资本的概念，即区域智力资本是指蕴藏在区域系统内个体（人）、企业、产业以及组织之中的价值，是现存或潜在的能够为整个区域创造财富的特殊资源，是滋养、培育与提升区域未来财富的根源；其可以广义地理解为，所有可以利用的、能给国家或区域带来比较优势、并能创造出未来财富的无形资源。并指出区域智力资本具有无形性、依附性、动态性、可调控性以及开发过程的长期性、环境的复杂性等特性。 区域智力资本主要由区域人力资本、区域结构资本与区域关系资本构成，而结构资本常划分为两部分，即区域过程资本与区域创新资本。参考有关文献并结合我国智力资本的发展现状，构建了区域智力资本测评体系主要用于研究我国智力资本及其对产业经济系统的影响作用。 2.建立了反映区域产业经济系统的评价体系，并运用复杂系统理论分析了智力资本对产业经济系统运行与作用过程。 从产业经济系统的结构与产出两方面考虑，设立了系统衍生能力、系统结构变动程度、系统产出水平与系统产出效率指标变量用于衡量区域产业经济系统的运行状况。并利用组织行为学以及演化经济系统的相关理论，从系统的角度分析了智力资本110
北京理工大学博士学位论文 在产业经济系统运行过程中的作用，为研究两者之间的影响关系提供了理论支撑。 3.在分析传统影响测评方法的基础上，提出了SEM-Credal网络分析方法，以充分利用多种系统信息，全面评价区域智力资本对产业经济系统的影响关系。 传统的结构方程模型方法在研究变量关系时，主要运用有关线性回归技术与方法，要求有关指标变量具有良好的确定数据信息，而对于没有确定信息的变量常常则予以剔除，或用其他变量进行替代，这将影响测评研究的效果与质量。SEM-Credal网络分析方法，则在利用有关确定信息变量的同时，充分考虑了具有不确定信息属性的变量，通过采用区间数以及近似推理的方法研究变量之间的影响关系。主要研究了不确定信息的表述以及多种不确定信息的集结技术与方法。 4.分析了影响测评方法中的模型推理与有关解释问题，便于SEM-Credal网络分析方法在测评研究中的应用。 关于直接影响关系模型部分的模型拟合、验证方法已较为成熟，且影响效果的解释也较为简单，论文主要研究了近似模型部分的网络推理方法及有关解释技术。并利用枚举法，借助MATLAB/BNT软件包，研究了模型的推理方法，为影响测评网络的推理研究提供技术支撑。 5.运用构建的理论测评体系及SEM-Credal网络分析方法，研究了我国智力资本及其对产业经济系统的影响关系，并提出了我国智力资本调控的措施与政策建议。 在知识与信息对经济社会发展作用日渐凸显的今天，认识我国的智力资本的发展水平及其在经济发展中的作用，对于促进区域协调发展具有重要的意义。研究表明现阶段我国的智力资本发展水平还较低，对产业经济系统的促进作用还没有完全显现。文章最后从区域智力资本的硬件与软件基础环境、区域智力资本的扩散机制以及区域智力资本调控建议三个方面，提出了提升我国智力资本的存量与质量政策措施，以充分发挥智力资本在经济发展过程中的应有作用。 论文创新之处 对智力资本的研究多集中于某企业组织层面，且研究结果较为零散、缺乏系统性；已有相关文献中少有将智力资本扩展到区域层面并进行有关区域智力资本问题的研究，而通过区域智力资本进行产业经济系统研究的文献则更为少见。因此，本文对智力资本及其对产业经济系统的作用进行了有关研究，主要创新之处为： 1. 基于对企业智力资本的拓展，提出了区域智力资本的概念。在对智力资本的概111
北京理工大学博士学位论文 念及构成进行总结分析的基础上，借助区域智力资源与智力资源构成要素，提出了区域智力资本的概念与概念模型，并对其进行了相关概念的扩展；通过研究区域智力资本的特征与构成，为进一步认识区域智力资本、开展区域智力资本的影响测评研究奠定了基础。 2. 依据区域智力资本的概念与构成，构建了区域智力资本理论测评体系。依据区域智力资本的概念、特征及构成，从区域人力资本、区域过程资本、区域创新资本与区域关系资本四个方面，构建了区域智力资本理论测评体系，为研究区域智力资本的存量与水平、分析区域智力资本的内部作用过程及区域智力资本的外部影响作用机制提供了支持。 3. 从经济系统的结构与产出两个方面，提出了反映区域产业经济系统运行状况的测评体系，并研究智力资本作用下产业经济系统的演化过程。通过对区域产业经济系统的研究，从产业经济系统的产出与系统结构两大方面提出了区域产业经济系统测评体系，与区域智力资本测评体系共同构成区域智力资本对区域产业经济系统影响测评的理论框架。从演化经济、组织行为及复杂科学的角度分析了区域智力资本对产业经济系统的影响过程，为开展影响测评研究提供理论支撑。 4.提出了用于测评研究的SEM-Credal网络分析方法，有效解决了传统SEM方法的不足。传统SEM方法研究变量关系多利用精确统计数据，而对于非精确变量关系信息特别是定性语言信息无法进行研究，往往采用剔除与合并变量的方法消除部分非精确信息，因而影响测评研究结果；SEM-Credal网络分析方法则在秉承了SEM方法优势的基础上，通过引入Credal网络以研究变量间所存在的不确定性关系，研究过程中涵盖变量间的多种类型数据信息，有效弥补了传统SEM方法的不足，完善与提高了影响关系测评的效果。 5. 利用SEM-Credal网络分析方法研究了我国区域智力资本的现状及其对产业经济系统的影响作用。利用所提出的SEM-Credal网络分析方法，依据区域智力资本与产业经济系统的理论测评体系，研究了现阶段我国区域智力资本的存量与发展水平，并就智力资本对产业经济系统的影响作用进行了详细的研究，从基础环境、扩散机制以及调控建议三个方面提出了相关政策措施，以提升我国智力资本的作用水平。 112
北京理工大学博士学位论文 论文进一步研究工作展望 1. 完善区域智力资本构成与测评体系研究。由于区域智力资本是一种无形资产，其强调的是区域组织中一种应用知识、技能与信息创造价值的潜在的能力，目前由于缺乏完备的区域智力资本理论体系，区域智力资本构成研究也没有形成定论，还有待于进一步结合实际，完善区域智力资本理论体系。 从区域智力资本的描述来看，其应该是个涉及面广且影响因素众多系统化的概念，选择一些观测变量指标反映出的区域智力资本的存量，确与现实情况存在一定的偏差，另外，由于统计口径不同、专家经验的差异，采集评估所需指标数据资料也有一定的难度。测评体系还有待于在实际应用中不断的研究与探索，并根据实际应用情况，灵活调整。 2. 区域智力资本影响环境的研究。区域智力资本环境包括硬件环境与软环境，它们是影响区域智力资本发展的基础。研究如何整合区域资源、最大化区域环境因素效应，通过环境的作用提升区域智力资本发展水平，将成为区域竞争与合作的关键。 3. 区域智力资本的内部作用与影响机制研究。区域智力资本的影响与作用过程一个复杂的系统过程，要全面认识与管理区域智力资本还需要借助复杂系统理论与方法研究该过程，从系统的角度探寻区域智力资本的发展规律与作用机理，研究其对区域系统组织的影响。 4. 区域智力资本影响测评方法的研究。区域智力资本的影响测评是定量研究智力资本作用程度的过程，本文提出的SEM-Credal网络分析方法对于传统的测评方法有其优越性，但是在以后的研究中还应注重近似模型的研究，并实现其与基本模型之间在实际应用研究中的有效结合。诸如推理过程中网络环路问题、网络节点状态的扩展问题、推理过程中智能算法的改进及其实现问题等，并通过广泛的实证研究来验证方法的有效性。 5. 区域智力资本的管理研究。区域智力资本这个快速成长的领域已经引起了研究人员与实践者的普遍关注，而且其在经济社会发展过程中的作用也日益显著，但如何科学、高效地管理区域智力资本却是一个值得进一步深入研究的问题。通过挖掘区域智力资本的构成及其运行规律，研究智力资本管理与调控问题将是一个很有意义的方向。 113
北京理工大学博士学位论文 攻读博士学位期间发表的论文 [1] Ren-Chaojiang Wu-Qizong of the State Transition Model of the Customer Relationship All Life-Cycle[J] . Industrial Engineering and Engineering Management in the Global proceedings of The 11th Internationl Conference on Industral Engineer and Engineering Management (IE&EM’2005). 2: 1271-1274. (ISTP检索) [2] 任朝江,高引民,吴祈宗.智力资本聚集与企业组织结构演化分析[J].科学学与科学技术管理,2007, 28(1):272-275.（中文核心） [3] 任朝江,吴祈宗. 西部地区新农村建设的系统分析[J],统计与决策, 2007,4:36-37.（中文核心） [4] 任朝江,吴祈宗. 客户关系全生命周期的状态转移分析模型研究[J].生产力研究, 2007,8.（中文核心） [5] 任朝江,吴祈宗.基于Credal网络的区域智力资本影响测评研究[J],系统工程.（已投稿）（中文核心） [6] 任朝江,吴祈宗,牛冲槐.SEM-Credal网络分析方法及在影响测评中的应用[J],管理工程学报.（已投稿）（中文核心） 114
北京理工大学博士学位论文 攻读博士学位期间参加的科研工作 1. 国家“863”子课题：与ERP结合的供应链管理SCM与客户关系管理CRM系统，项目编号：2003AA413022。 2. 北京市宣武区发展和改革委员会项目：北京市宣武区“十一五”期间国民经济和社会发展规划框架思路研究，2005年3月-2005年9月。 3. 北京市丰台区发展和改革委员会项目：北京市丰台区“十一五”期间国民经济和社会发展规划框架思路研究，2005年4月-2005年10月。 4. 北京市石景山区发展和改革委员会项目：北京市石景山区“十一五”期间国民经济和社会发展规划框架思路研究，2005年4月-2005年11月。 5. 青海省泽库县人民政府项目：青海省泽库县“十一五”期间国民经济和社会发展规划及其纲要研究，2005年8月-2006年3月。 6. 青海省黄南州人民政府项目：青海省热贡文化产业发展规划，与北京大学国家文化产业研究基地合作，2006年2月-2006年6月。 7. 河南林州经济开发区管委会项目：河南省林州经济开发区发展战略研究，2006年3月-2006年7月。 115
北京理工大学博士学位论文 参考文献 [1] 王 勇,许 强,许庆瑞. 智力资本及其测度研究[J]. 科研管理,2002,23(4):89-96. [2] 范保群,许庆瑞. 试论经济发展阶段划分的结构变革标准[J]. 电子科技大学学报(社科版), 2000,2(2):38-42. [3] . The Competitive Advantage of Nations[M]. London. . [4] 周振华, 韩汉君. 流量经济及其理论体系[J]. 上海经济研究,2002,1:21-31. [5] 李 翀. 金融资本的发展与经济的虚拟化[J]. 东南学术,:13-17. [6] 胡振良. 金融资本的新变化[J]. 国外理论动态, :10-11. [7] 吴季松. 21世纪社会的新趋势——知识经济[M]. 北京:北京科学技术出版社,1998,12-24. [8] Zan Tingquan, Wu Xuemou. A Pansystems Clustering Approach and Hierarchical Analysis of Complex Systems [J]. Kybernets,1995,24(2):51-59. [9] 黄登仕. 经济系统的密度周期性与复杂性[M]. 北京:北京大学出版社,2003. [10] . Information and Self-Organization: A Macroscopic Approach to Complex Systems, Springer-Verlag, 1988,11. [11] 昝廷全. 产业经济系统分析[D]. 广州：暨南大学,2000. [12] 吴 彤. 自组织方法论研究(第一版)[M]. 北京:清华大学出版社,2001. [13] 刘 洪, 刘志迎, 徐 晟. 论经济系统的特征[J]. 系统辩证学报,1999,7(4):29-32. [14] 刘国平. 经济系统进化及动因[D]. 南京:南京农业大学,2001. [15] 乌 杰. 系统辩证论[M]. 北京:人民出版社,1997. [16] 昝廷全. 系统经济学：第1卷：概念、原理与方法论[M]. 香港:经济与法律出版社,1995. [17] 昝廷全. 系统经济学：第2卷：理论与模型[M]. 北京:中国经济出版社,1997. [18] 昝廷全. 产业经济系统与产业分类的(f,θ,D)相对性准则[J]. 郑州大学学报(哲学社会科学版),2002,35(3):76-80. [19] 葛家理, 延吉生. 智力资本论——新时期科技经济学[M]. 北京:冶金工业出版社,2002. [20] 张平宇, 马延吉, 赵燕霞. 智力资源的特征和内涵[J]. 经济地理,2002,22(增刊):1-4. [21] 吕永波,任锦鸾,张仲义,马敏书. 虚拟智力资源共享系统模型研究[J].中国软科学, :149-152. [22] 王 前, 李作学. 试论智力资源管理的现实问题[J].科学学与科学技术管理, 2004,10:113-117. [23] Itami, H. Mobilizing Invisible Assets[M]. Boston: Harvard University Press,1987. [24] 钱亚东, 顾新建, 马军, 王生发, 陈芨熙. 支持协同设计的知识管理研究[J].浙江大学学报（工学版）.2007,41(2):304-310. 116
北京理工大学博士学位论文 [25] 厉无畏, 王慧敏. 创意产业促进经济增长方式转变———机理·模式·路径[J].中国工业经济, 2006,(11):5-14. [26] . The Production and Distribution of Knowledge in the United States[M]. Princeton University Press, Princeton, NJ, 1962. [27] . Intellectual Capital:The New Wealth of Nations[M],Doubleday Dell Publishing Group, New York,NY, 1997. [28] Edvinsson and Sullivan, Developing a Model for Management of Intellectual Capital[J].European Management Jounal, (4):356-364. [29] [美]安妮·布鲁金. 第三资源智力资本及其管理[M]. 大连:东北财经大学出版社,1998. [30] 袁 丽. 关于智力资本基本概念[J].中国软科学,2002(2):121-123. [31] Bontis,N. There’s a price on your head: managing intellectual capital strategically[J].Business Quarterly, Summer, 1996,40-47. [32] Bontis,N. Intellectual capital: an exploratory study that develops measures and models[J]. Management Decision, 1998,36(2):63-76. [33] Bontis,N. Managing organizational knowledge by diagnosing intellectual capital:framing and advancing the state of the Weld[J]. International Journal of Technology Management, 1999,18 (5): 433-62. [34] Bontis,N. Assessing knowledge assets: a review of the models used to measure intellectual capital[J]. International Journal of Management Reviews, 2001a ,3 (1): 41-60. [35] Bontis,N. CKO wanted -evangelical skills necessary: a review of the chief knowledge of officer position[J]. Knowledge and Process Management, 2001b,8 (1):29-38. [36] Bontis,N. The rising star of the chief knowledge officer[J]. Ivey Business Journal, 2002,66(4):20-5. [37] Bontis, N,Chua,W. and Richardson,S. Intellectual Capital and the Nature of Business in Malaysia[J]. Journal of Intellectual Capital, 2000,1(1):85-100. [38] Bontis. N., Crossan, M. and Hulland, J. Managing an Organizational Learning System by Aligning Stocks and Flows[J]. Journal of Management Studies, 2002,39(4):437-69. [39] Bontis N, Dragonetti N, Jacobsen K. and Roos G. The knowledge toolbox: a review of the tools available to measure and manage intangible resources[J]. European Management Journal, 1999,17 (4):391-402. [40] 李健宁. 结构方程模型导论[M]. 合肥: 安徽大学出版社,2004. [41] 侯泰杰, 温忠麟, 成子娟. 结构方程模型及其应用[M]. 北京:教育科学出版社,2004. [42] 史江涛 杨金风 结构方程建模方法(SEM)在我国管理学研究中的应用现状分析[J].经济管理,2006(2):24-31. 117
北京理工大学博士学位论文 [43] Bollen . Structural equation with Latent variables[M]. New York:Wiley, 1989. [44] 赵海峰, 万迪昉. 结构方程模型与人工神经网络模型的比较[J]. 系统工程理论方法应用, 2003, 12(3): 262-269. [45] J. Pearl. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference[M]. Palo Alto: Morgan Kaufmann Publishers, 1988. [46] . Jensen. Bayesian Networks and Decision Graphs[M]. New York: Springer, 2001. [47] . Cowell, . Dawid, . Lauritzen, . Spiegelhalter. Probabilistic Networks and Expert Systems[M]. New York: Springer , 1999. [48] 田凤占. 贝叶斯网络方法研究 [D]. 北京: 清华大学, 2002. [49] 张少中. 基于贝叶斯网络的知识发现与决策应用研究 [D] . 大连: 大连理工大学, 2003. [50] 樊兴华. 因果图理论及其用于复杂系统故障诊断研究[D] . 重庆: 重庆大学, 2002. [51] S. Nadkarnia, . Shenoy. A causal mapping approach to constructing Bayesian networks[J]. Decision Support Systems, 2004, (38): 259-281. [52] . Wellman. Fundamental concepts of qualitative probabilistic networks[J]. Artificial Intelligence, 1990, (44): 257-303. [53] S. Srinivas, A generalization of the noisy-OR model[C]. Proceedings of the 9th Conference on Uncertainty in Artificial Intelligence, 1993: 208-215. [54] D. Heckerman, Causal independence for knowledge acquisition and inference[C]. Proceedings of the 9th Conference on Uncertainty in Artificial Intelligence, 1993:122-127. [55] D. Heckerman, . Breese. A new look at causal independence[C]. Proceedings of the 10th Conference on Uncertainty in Artificial Intelligence, 1994: 286-292. [56] D. Heckerman, . Breese. Causal independence for probabilistic assessment and inference using Bayesian networks[J]. IEEE Trans. Systems Man Cybernet. 1996, 26 (6): 826-831. [57] . Zhang, D. Poole. Exploiting causal independence in Bayesian network inference[J]. Artificial Intelligence Res. 1996, (5): 301-328. [58] . Druzdzel, M. Henrion. Efficient reasoning in qualitative probabilistic networks[C]. Washington. DC: Proceedings of the Eleventh National Conference on Artificial Intelligence, 1993: 548-553. [59] Max Henrion, Marek J. Druzdzel. Qualitative and linguistic explanation of probabilistic reasoning in belief networks[C]. Proceedings of the Third International Conference on Information Processing and Management of Uncertainty in Knowledge-Based Systems (IPMU), Paris, 1990: 225-227. [60] S. Renooij. Qualitative approaches to quantifying probabilistic networks[D]. Utrecht University, 2001. 118
北京理工大学博士学位论文 [61] Marek J. Druzdzel. Qualitative verbal explanations in Bayesian belief networks[J]. Artificial Intelligence and Simulation of Behaviour Quarterly, special issue on Bayesian networks, 1996, (94): 43-54. [62] S. Renooij, Linda C. van der Gaag, S. Parsons. Context-specific sign propagation in qualitative probabilistic networks[J]. Artificial Intelligence, 2002, (140): 207-230. [63] Janneke H. Bolt, Linda C. van der Gaag, Silja Renooij. Introducing situational signs in qualitative probabilistic networks[J]. International Journal of Approximate Reasoning , 2005, (38): 333-354. [64] S. Renooij and . van der Gaag. Enhancing QPNs for trade-off resolution[C]. In . Laskey and H. Prade, eds, Proceedings of the 15th Conference on Uncertainty in Artificial Intelligence, San Francisco: Morgan Kaufmann Publishers, 1999: 559-566. [65] S. Renooij, . van der Gaag, S. Parsons and S. Green. Pivotal pruning of trade-offs in QPNs[C]. In G. Boutilier and M. Goldszmidt, eds., Proceedings of the 16th Conference on Uncertainty in Artificial Intelligence, San Francisco: Morgan Kaufmann Publishers, 2000: 515-522. [66] S. Parsons. Qualitative Methods for Reasoning under Uncertainty[M]. MA: MIT Press, Cambridge, 2001. [67] S. Renooij and . van der Gaag. From qualitative to quantitative probabilistic networks[C]. In A. Darwiche and N. Friedman, eds., Proceedings of the 18th Conference on Uncertainty in Artificial Intelligence, San Francisco: Morgan Kaufmann Publishers, 2002: 422-429. [68] and . Intellectual capital: realizing your company’s ture value by finding its hidden brainpower[M].Harper Collins,New York,NY. 1997. [69] 万 希. 智力资本理论研究综述[J]. 经济学动态,:82-86. [70] Malhotra, Y. Knowledge assets in the global economy: assessment of national intellectual capital in Malhotra[J]. Knowledge Management and Business Model Innovation,Idea Publishing Group, London, 2001. ,[71] Roos G, J Roos. Measuring your companys intellectual capital [J] . Long Range Planning , 1997 , (30) : 413 - 426. ,[72] Edvinsson L, Malone M S. Intellectual Capital:Realizing Your Companys True Value by Finding Its Hidden Brain-Power[M].New York: Harper Collins,1997. [73] Stewart T A. Intellectual Capital : The New Wealth of Organizations[M] . New York : Doubleday Currency , 1997. [74] Sveiby K New Organizational Wealth:Managing and Measuring Knowledge-based Assets [M]. San Francisco : Berrett-Koehler Publishers, 1997. [75] 唐 棠. 智力资本研究现状与前瞻[J]. 财会通信（综合版）,2004(5):65-67. 119
北京理工大学博士学位论文 [76] 谭劲松, 马军舰. 知识经济下的会计创新——初论建立以智力资本为中心的知识会计[J]. 会计研究,1999,(2):42-43. [77] 傅元略. 企业智力资产效益贡献的综合评价[J]. 会计研究, 2000,(10):46-45. [78] 谭劲松, 王朝曦, 谭 燕. 试论智力资本会计[J]. 会计研究, 2001,(10):41-47. [79] 傅元略. 企业智力资本与企业结构资本优化[J]. 中国工业经济, 2002,(3):83-90. [80] Dongwook Han, Ingoo Han. Prioritization and selection of intellectual capital measurement indicators using analytic hierarchy process for the mobile telecommunications industry[J]. Expert Systems with Applications, 2004 ,(26):519-525. [81] Kogut,Zander. Knowledge of the Firm and the Evolutionary Theory of the Multinational Corporation[J]. Journal of International Business Studies,1993,(4):625-645. [82] Bontis. National Intellectual Capital Index:The Benchmarking of Arab Countries[J]. Journal of Intellectual capital,2002,(12):27. [83] Susan Alexander. An Intellectual Capital Audit of the Grand Duchy of Luxembourg[J]. Colloque <Enroute vers Lisbonne> 2006,(11):9-10 . [84] Martínez-Torres. A procedure to design a structural and measurement model of Intellectual Capital:An exploratory study[J]. Information & Management, 2006,(43):617-626. [85] The intellectual capital of European Union——Measuring the Lisbon agenda Version 2004,Center for Research in intellectual capital INHOLLAND University of professional education. [86] 陈钰芬. 区域智力资本测度指标体系的构建[J]. 统计研究,2006,(2):24-29. [87] [美]弗朗西斯.福山. 走出囚徒困境———社会资本与制度分析[M]. 上海:上海三联书店,2003. [88] 蔡晓陈. 略论社会资本经济学[J]. 国外社会科学, 2007(1):29-36. [89] Annen,k. Social Capital, Inclusive Network, and Economic Performance[J]. Journal of Economic Behavior & Organizaiton,2003,50. [90] Dasgupta,P. Economics of social capital[J]. Economic Record,2005,81. [91] 程如轩, 卢二坡. 产业结构优化升级统计指标体系初探[J]. 中国统计,2001(7):17-18. [92] 陈仲常,曹跃群.产业结构变动指标体系研究[J]. 重庆大学学报（社会科学版）2002,9(1):50-54. [93] 蒋德鹏. 制度和产业分析中的演化经济理论方法研究[D]. 南京:东南大学,2000. [94] 盛昭瀚, 蒋德鹏. 演化经济学[M]. 上海:上海三联书店,2002. [95] 姜 晨, 刘汉民. 组织演化理论研究进展[J]. 经济学动态,2005(7):88-92. [96] Dongwoook Han, Ingoo Han. Prioritization and selection of intellectual capital measurement indicators using analytic hierarchy process for the mobile telecommunications industry[J]. Expert Systems with Application, 2004,(26):519-527. [97] Po Young, Yu Ling Lin, Hsing Hwa Hsing, Tzu Yar Liu. Intellecutual capital: An empirical study of 120
北京理工大学博士学位论文 ITRI[J]. Technological Forecasting & Social Change, 2006 (73):886-902. [98] 包国宪, 贾旭东. 虚拟企业的组织结构研究[J]. 中国工业经济,2005(10):96-103. [99] 薛 澜, 刘 冰, 陶海青. 基于知识的企业组织结构演化的模型分析[J]. 清华大学学报(哲学社会科学版)2005,20(4):73-80. [100] 田春华, 柴跃廷, 任守榘, 刘 义. 企业组织结构的层次性[J]. 清华大学学报（自然科学版）2003,43(7):908-911. [101] 任朝江, 高引民, 吴祈宗. 智力资本聚集与企业组织结构演化分析[J]. 科学学与科学技术管理,2007,28(1):272-275. [102] 史玉民, 胡志强. 产业结构演化的耗散结构观[J]. 科学学与科学技术管理, 2004(2):59-61. [103] 谷国锋, 张秀英. 区域经济系统耗散结构的形成与演化机制研究[J]. 东北大学学报（自然科学版）,2005,37(3):119-124. [104] 陈卫东. 复杂适应经济系统演化理论与方法研究[D]. 天津: 天津大学,2002. [105] Fabio G. Cozman. Credal networks[J] . Artificial Intelligence, 2000, (120): 199-233. [106] A. Antonucci, A. Salvetti, M. Zaffalon. Assessing debris flow hazard by Credal nets[C]. M. Lopez-Dias, . Gil, P. Gregurzewiski, O. Hryniewicz, J. Lawry (Eds.), Soft Methodology and Random Information Systems, 2004: 125-132. [107] Joaquín Abellán, Manuel Gómez. Measures of divergence on Credal sets[J]. Fuzzy Sets and Systems, 2006,(157): 1514-1531. [108] S. Moral, J. del Sagrado, Aggregation of imprecise probabilities[C]. B. Bouchon-Meunier (Ed.), Aggregation and Fusion of Imperfect Information, Physica-Verlag, Heidelberg, 1997:162-168. [109] L. Campos, J. Huete, S. Moral. Probability intervals: a tool for uncertain reasoning. International Journal of Uncertainty[J]. Fuzziness and Knowledge-Based Systems, 1994, 2(2):167-196. [110] G. Shafer. A Mathematical Theory of Evidence[M]. Princeton: Princeton University Press, 1976. [111] P. Walley, Statistical Reasoning with Imprecise Probabilities[M]. London: Chapman and Hall, 1991. [112] E. Fagiuoli, M. Zaffalon. 2U: An exact interval propagation algorithm for polytrees with binary variables[J]. Artif. Intell. 1998,106 (1): 77-107. [113] 郑 衡.Credal网络及其在安全评价中的应用研究[D]. 北京: 北京理工大学,2007. [114] Fabio G. Cozman. Graphical models for imprecise probabilities[J]. International Journal of Approximate Reasoning, 2005, (39):167-184. [115] Robert Rush, William . Elicitation of Knowledge from Multiple Experts Using Network Inference[J]. IEEE Transactions on Knowledge and Data Engineering,1997, 9 (5):688-696. [116] A. Bobbioa, L. Portinalea, M. Minichinob, E. Ciancamerlab. Improving the Analysis of 121
北京理工大学博士学位论文 Dependable Systems by Mapping Fault Trees into Bayesian Networks[J]. Reliability Engineering and System Safety, 2001, (71): 249-260. [117] P. Walley. Inferences from multinomial data: learning about a bag of marbles[J]. J. R. Statist. Soc. B, 1996, 58(1): 3-57. [118] Zheng Heng, Wu Qi-zong, Wang Pei-lan. Bayesian Networks for Safety Assessment in Pyrotechnics Production System[C]. Proceedings of the 2006 International Symposium on Safety Science and Technology, 2006: 76-81. [119] . Entropy and specificity in a mathematical theory of evidence[J]. Internat. J. Gen. Systems, 1983, (9): 249-260. [120] J. Abellán, S. Moral. A non-specificity measure for convex sets of probability distributions[J]. Internat. J. Uncertain. Fuzz. Knowledge-Based Systems, 2000, (8): 357-367. [121] J. Abellán, S. Moral. Completing a total uncertainty measure in Dempster-Shafer theory[J]. Internat. J. Gen. Systems, 1999, (28): 299-314. [122] A. Cano, S. Moral. A review of propagation algorithms for imprecise probabilities[C]. First International Symposium on Imprecise Probabilities and Their Applications, Ghent, Belgium: Imprecise Probabilities Project, Universiteit Ghent, 1999: 51-60. [123] A. Cano, . Cano, S. Moral. Convex sets of probabilities propagation by simulated annealing[C]. G. Goos, J. Hartmanis, J. van Leeuwen (Eds.), Proc. International Conference on Information Processing and Management of Uncertainty in Knowledge-Based Systems, Paris, France, 1994: 4-8. [124] A. Cano, S. Moral, A genetic algorithm to approximate convex sets of probabilities[C]. Proc. International Conference on Information Processing and Management of Uncertainty in Knowledge-Based Systems, Granada, Spain, 1996: 859-864. [125] . da Rocha, . Cozman. Inference in Credal networks with branch-and-bound algorithms[C]. Third International Symposium on Imprecise Probabilities and Their Applications, Carleton Scientific, 2003: 482-495. [126] C. P. de Campos, F. G. Cozman. Inference in Credal networks using multilinear programming[C]. Proc. of the Second Starting AI Researcher Symp., Valencia, 2004:50-61. IOS Press. [127] , , . Simulation algorithms for convex sets of probabilities[R]. Technical Report TR-93-2, DECSAI, Universidad de Granada, 1993. [128] Kennedy J,Eberhart R. Particle Swarm Optimization //IEEE. Int’lconfon Neural Networks, Perth, Australia :1995 :1942 – 1948. [129] 叶跃祥,糜仲春,王宏宇,梁晓艳.基于贝叶斯网络的不确定环境下多属性决策方法[J].系统工程122
北京理工大学博士学位论文 理论与实践, 2007, (4):107-113. [130] 郑 恒,吴祈宗,汪佩兰,史爱芬.贝叶斯网络在火工系统安全评价中的应用[J].兵工学报, 2006, 27(11): 988-993. [131] 郑 恒,徐连胜,韦 健.基于贝叶斯网络的港口生产安全评价[J].水运工程, 2007,(4):23-27. [132] Stuart Russell ,Peter Norvig. Artificial Intelligence :A Modern Method [M] .Prentice Hall, 1995. [133] Kevin Murphy. Bayes Net Toolbox for Matlab. ~murphyk/ Software/ BNT/. [134] S. Renooij. Qualitative approaches to quantifying probabilistic networks[D]. Utrecht University, 2001. [135] . Druzdzel, M. Henrion. Efficient reasoning in qualitative probabilistic networks[C]. Washington, DC: Proceedings of the Eleventh National Conference on Artificial Intelligence, 1993: 548-553. [136] 孙久文,叶裕民编著.区域经济学教程[M].北京:中国人民大学出版社,2003. [137] Bollen K. A. Structural Equations with Latent York :Wiley ,1989. [138] Jöreskog, K. G. , Sorbom , D. Lisre1 8 : User’s Reference Guide. Chicago : Scientific Software International,1993. [139] 李永强. 城市竞争力评价的结构方程模型研究[M]. 成都: 西南财经大学出版社, 2006. [140] 国家统计局编.中国统计年鉴[M].北京:中国统计出版社，2001-2006. [141] 国家统计局编.中国区域经济统计年鉴[M].北京：中国财政经济出版社,2001-2004. [142] 国家统计局编.中国区域经济统计年鉴[M].北京：中国统计出版社,2005-2006. [143] 国家统计局,科学技术部编.中国科技统计年鉴[M].北京：中国统计出版社,2001-2006. [144] 国家统计局工业交通统计司编.中国工业经济统计年鉴[M].北京：中国统计出版社,2001-2006. 123
北京理工大学博士学位论文 致 谢 博士阶段的学习即将结束，值此论文完成之际，向尊敬的导师及所有关心、支持与帮助过我的人表示最诚挚的谢意！向所有我关心的人送上美好祝福！ 掩卷之时，回首几年来所走过的这段路，是一条艰辛的路，但却是一条令人向往而充满激情的路，导师吴祈宗教授以他那渊博的学识、严谨的学风、正直的为人指引我走过了这段路、并将鼓舞着我行走今后的人生路。三年来我所取得的每一点成绩都凝结着恩师的心血与汗水，衷心感谢吴老师的培养与教诲，吾将铭记在心！ 一次必然中的偶然有幸结识了我的师母洪老师，师母以她特有的真诚与关爱，在我最困难的时候，给了我极大的鼓励与支持。衷心感谢师母普通而又不平凡的关怀！ 感谢恩师太原理工大学牛冲槐教授将我带入了新的学科领域与新的学术研究起点，感谢他与雷冰老师一直以来对我的关心与帮助！ 感谢管理与经济学院的崔利荣教授、张强教授、侯福均副教授在学习与论文写作过程中所给予的指点、帮助！感谢为我创造求学条件的北京理工大学管理与经济学院的各位师长！ 论文的写作过程中得到了师兄郑恒博士的大力支持与无私的帮助，就研究过程中所出现的诸多问题给予了耐心细致的解答；同时还得到了李玉玲、袁瑞萍、韦健、史爱芬、张霖以及定性仿真小组其他兄弟姐妹们支持与帮助，在此一并致以深深的谢意！ 衷心感谢北京联合大学商务学院高引民博士与陈洁女士多年来对我的支持与帮助！感谢齐延信博士、黄礼健博士、常世彦博士、吴立志博士、暴海龙博士、周三元博士后所给予的帮助！ 感谢我的博士生同学武建国、邓伟、黄锴、张洪波、米传军、马金平、刘锦、方伟、刘浪、李书金、采峰、许长军以及管院04秋博士班的所有同学与我一起渡过这三年同窗生活，期间的苦闷与欢乐将成就一段美好的记忆。感谢我的本科与硕士期间同学在生活上的帮助与精神上的鼓励！ 衷心感谢我的父亲、母亲、弟弟、妹妹多年来对我的理解与莫大的支持，使我能全身心地投入到研究工作之中，感谢他们为我所付出的一切！感谢东南大学徐晶晶博士在完成自己繁重科研工作的同时，给予我极大的鼓励、支持与帮助！ 124
北京理工大学博士学位论文 附录1 近似模型网络推理部分程序 %function s=hsa5(cr,ce,cp,cr1,cp1,cp2,cc,cc1,cm1,cr2,cr3,ci,ci1,cm2,cc2,ci2,cs2,cy1,cq1,cq2,cs1) function ss=hsa5(cr,ce,cp,cc,cm1,ci1) cd c:\MATLAB6p5\FullBNT\BNT add_BNT_to_path N=22; dag=zeros(N,N); r=1; c=7; i1=13; q1=19; e=2; c1=8; m2=14; q2=20; p=3; m1=9; c2=15; s1=21; r1=4; r2=10; i2=16; t=22; p1=5; r3=11; s2=17; p2=6; i=12; y1=18; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%% dag(r,r3)=1; dag(p1,m1)=1; dag(i1,i2)=1; dag(m2,q1)=1; dag(r,r1)=1; dag(r1,r2)=1; dag(r3,s2)=1; dag(c2,q2)=1; dag(e,r1)=1; dag(i,i1)=1; dag(i2,s2)=1; dag(q2,t)=1; dag(p,p1)=1; dag(r2,i1)=1; dag(i2,y1)=1; dag(q1,t)=1; dag(p,p2)=1; dag(m1,m2)=1; dag(y1,s1)=1; dag(s1,t)=1; dag(c,c1)=1; dag(c1,c2)=1; dag(s2,s1)=1; dag(p2,c1)=1; dag(c2,i2)=1; dag(r1,q1)=1; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%% er= [ ;... ;... ]; ee=[ ;... ]; ep=[ ;... ]; ec=[ ;... ;... ;... ]; %ei=[ ;... ]; ei1=[ ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... 125
北京理工大学博士学位论文 ;... ;... ;... ]; em1=[ ;... ;... ;... ]; %er3=[ ;... ;... ;... ;... ;... ;... ;... ]; %er1=[ ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ]; %ep1=[ ;... ;... ;... ]; %ep2=[ ;... ;... ;... ]; %ec1=[ ;... ;... ;... ;... ;... ;... ;... ;... ;... 126
北京理工大学博士学位论文 ;... ;... ;... ;... ;... ;... ]; %er2=[ ;... ;... ;... ]; %ec2=[ ;... ;... ;... ]; %em2=[ ;... ;... ;... ]; %es2=[ ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ]; %ei2=[ ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... 127
北京理工大学博士学位论文 ;... ]; %eq2=[ ;... ;... ;... ]; %eq1=[ ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ;... ]; %ey1=[ ;... ;... ;.. ]; %es1=[ ;... ;... ;... ;... ;... ;... ;... ;... ]; discrete_nodes=1:N; %node_sizes=2*ones(1,N); node_sizes=[2 3 3 2 2 2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 ]; bnet = mk_bnet(dag, node_sizes, 'discrete', discrete_nodes); %选择变量t进行证据考察推理研究，观察变量r e p c m1 i1的变化情况 {r} = tabular_CPD(bnet, r, [er(cr1,1) er(cr1,2) er(cr1,3)]); {e} = tabular_CPD(bnet, e, [ee(ce,1) ee(ce,2)]); {p} = tabular_CPD(bnet, p, [ep(cp,1) ep(cp,2)]); %{r1} = tabular_CPD(bnet, r1, [er1(cr1,1) er1(cr1,2) er1(cr1,3) er1(cr1,4) er1(cr1,5) er1(cr1,6) er1(cr1,7) er1(cr1,8) er1(cr1,9) er1(cr1,10) er1(cr1,11) er1(cr1,12)]); %{p1} = tabular_CPD(bnet, p1, [ep1(cp1,1) ep1(cp1,2) ep1(cp1,3) ep1(cp1,4)]); %{p2} = tabular_CPD(bnet, p2, [ep2(cp2,1) ep2(cp2,2) ep2(cp2,3) ep2(cp2,4)]); 128
北京理工大学博士学位论文 {c} = tabular_CPD(bnet, c, [ec(cc,1) ec(cc,2) ec(cc,3)]); %{c1} = tabular_CPD(bnet, c1, [ec1(cc1,1) ec1(cc1,2) ec1(cc1,3) ec1(cc1,4) ec1(cc1,5) ec1(cc1,6) ec1(cc1,7) ec1(cc1,8) ec1(cc1,9) ec1(cc1,10) ec1(cc1,11) ec1(cc1,12)]); {m1} = tabular_CPD(bnet, m1, [em1(cm1,1) em1(cm1,2) em1(cm1,3) em1(cm1,4)]); %{r2} = tabular_CPD(bnet, r2, [er2(cr2,1) er2(cr2,2) er2(cr2,3) er2(cr2,4)]); %{r3} = tabular_CPD(bnet, r3, [er3(cr3,1) er3(cr3,2) er3(cr3,3) er3(cr3,4) er3(cr3,5) er3(cr3,6)]); %{i} = tabular_CPD(bnet, i, [ei(ci,1) ei(ci,2)]); {i1} = tabular_CPD(bnet, i1, [ei1(ci1,1) ei1(ci1,2) ei1(ci1,3) ei1(ci1,4) ei1(ci1,5) ei1(ci1,6) ei1(ci1,7) ei1(ci1,8)]); %{m2} = tabular_CPD(bnet, m2, [em2(cm2,1) em2(cm2,2) em2(cm2,3) em2(cm2,4)]); %{c2} = tabular_CPD(bnet, c2, [ec2(cc2,1) ec2(cc2,2) ec2(cc2,3) ec2(cc2,4)]); %{i2} = tabular_CPD(bnet, i2, [ei2(ci2,1) ei2(ci2,2) ei2(ci2,3) ei2(ci2,4) ei2(ci2,5) ei2(ci2,6) ei2(ci2,7) ei2(ci2,8)]); %{s2} = tabular_CPD(bnet, s2, [es2(cs2,1) es2(cs2,2) es2(cs2,3) es2(cs2,4) es2(cs2,5) es2(cs2,6) es2(cs2,7) es2(cs2,8)]); %{y1} = tabular_CPD(bnet, y1, [ey1(cy1,1) ey1(cy1,2) ey1(cy1,3) ey1(cy1,4)]); %{q1} = tabular_CPD(bnet, q1, [eq1(cq1,1) eq1(cq1,2) eq1(cq1,3) eq1(cq1,4) eq1(cq1,5) eq1(cq1,6) eq1(cq1,7) eq1(cq1,8)]); %{q2} = tabular_CPD(bnet, q2, [eq2(cq2,1) eq2(cq2,2) eq2(cq2,3) eq2(cq2,4)]); %{s1} = tabular_CPD(bnet, s1, [es1(cs1,1) es1(cs1,2) es1(cs1,3) es1(cs1,4) es1(cs1,5) es1(cs1,6) es1(cs1,7) es1(cs1,8) es1(cs1,9) es1(cs1,10) es1(cs1,11) es1(cs1,12)]); %{r} = tabular_CPD(bnet, r, [ ]); %{e} = tabular_CPD(bnet, e, [ ]); %{p} = tabular_CPD(bnet, p, [ ]); {r1} = tabular_CPD(bnet, r1, [ ]); {p1} = tabular_CPD(bnet, p1, [ ]); {p2} = tabular_CPD(bnet, p2, [ ]); %{c} = tabular_CPD(bnet, c, [ ]); {c1} = tabular_CPD(bnet, c1, [ ]); %{m1} = tabular_CPD(bnet, m1, [ ]); {r2} = tabular_CPD(bnet, r2, [ ]); {r3} = tabular_CPD(bnet, r3, [ ]); {i} = tabular_CPD(bnet, i, [ ]); %{i1} = tabular_CPD(bnet, i1, [ ]); {m2} = tabular_CPD(bnet, m2, [ ]); {c2} = tabular_CPD(bnet, c2, [ ]); {i2} = tabular_CPD(bnet, i2, [ ]); {s2} = tabular_CPD(bnet, s2, [ ]); 129
北京理工大学博士学位论文 {y1} = tabular_CPD(bnet, y1, [ ]); {q1} = tabular_CPD(bnet, q1, [ ]); {q2} = tabular_CPD(bnet, q2, [ ]); {s1} = tabular_CPD(bnet, s1, [ ]); {t} = tabular_CPD(bnet, t, [ ]); engine = jtree_inf_engine(bnet); evidence = cell(1,N); %evidence{r} = 3; %evidence{e} = 2; %evidence{p} = 2; %evidence{c} = 3; %evidence{m1}= 2; %evidence{i1}= 2; [engine, loglik] = enter_evidence(engine, evidence); marg_h = marginal_nodes(engine, t); ph=; ss=ph(1); display(ph(1)); 130
北京理工大学博士学位论文 附录2： 我国区域智力资本对产业经济系统影响测评体系部分指标变量统计——计算数据表 15岁以上科学家工进出口商高校学生教育支出科技活动高校Ｒ＆企业Ｒ＆高校数（10非文盲半专利申请专利申请程师占科品总值占地区 专职教师占GDP比重人员数（万Ｄ人员全Ｄ人员全万人）X1 文盲人口受理数X5授权数X6技活动人GDP比重比X2 X4 人）X7 时当量X8时当量X9比重X3 员比重X10X11 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州
北京理工大学博士学位论文 云南 西藏 陕西 甘肃 青海 宁夏 新疆 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州
北京理工大学博士学位论文 云南 西藏 陕西 甘肃 青海 宁夏 新疆 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州
北京理工大学博士学位论文 云南 西藏 陕西 甘肃 青海 宁夏 新疆 （依据有关统计年鉴整理计算所得） 续表： 我国区域智力资本对产业经济系统影响测评体系部分指标变量统计——计算数据表 技术密集区域外商国外技术技术市场结构变动型产业增区域GDP直接投资引进合同成交合同系统结构霍夫曼比地区GDP区域GDP地区 速度K值 加值比重总量占额（亿元）金额（亿美金额（亿熵Y2 例Y4 增长率Y5总量Y6 Y1 占GDP的GDP比Y7X12 元）X13 元）X14 比重Y3 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东
北京理工大学博士学位论文 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 -05 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东
北京理工大学博士学位论文 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 -05 宁夏 新疆 -05 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东
北京理工大学博士学位论文 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 （依据有关统计年鉴整理计算所得） 137
