影響我國企業(yè)創(chuàng)新能力的若干創(chuàng)新政策的研究
【文章頁數(shù)】:168 頁
【學(xué)位級別】:博士
【部分圖文】:
圖1-1本文技術(shù)路線
第三,方法創(chuàng)新:采用機(jī)器學(xué)習(xí)方法對政策效果進(jìn)行預(yù)測,以便探索政策之間的相互作用以及政策的非線性影響。創(chuàng)新政策的研究是一門新興交叉學(xué)科,目前在大數(shù)據(jù)研究中尚處于起步階段(唐莉,2017),我們的研究可視為一種管理學(xué)與大數(shù)據(jù)、人工智能交叉研究的嘗試性探索。本章首先闡述了與所研究主題相....
圖2-1本文主要研究內(nèi)容
因此,針對既有研究的上述不足,本文主要進(jìn)行了三部分的研究:其一,在現(xiàn)有政策分類的基礎(chǔ)上,本文基于企業(yè)的創(chuàng)新動力視角,將創(chuàng)新政策分為如下三類:主動類、被動類及推動類政策;其二,立足于理論驅(qū)動,分別選取主動類的股權(quán)激勵、被動類的知識產(chǎn)權(quán)保護(hù)以及推動類的政府補(bǔ)助利用計(jì)量實(shí)證法分別檢驗(yàn)這....
圖6-1機(jī)器學(xué)習(xí)算法示意圖
決策樹與神經(jīng)網(wǎng)絡(luò)的結(jié)果如圖6-1所示(由于隨機(jī)森林與提升算法均為決策樹的變形,所以這里只對決策樹進(jìn)行示意)。6.4政策聯(lián)合實(shí)施效果預(yù)測
圖6-2企業(yè)創(chuàng)新能力預(yù)測結(jié)果
分別對企業(yè)創(chuàng)新能力的三個(gè)維度采用不同的算法對政策實(shí)施一年后的結(jié)果進(jìn)行預(yù)測,將總樣本隨機(jī)排序后劃分為訓(xùn)練樣本與測試樣本,其比例為7:3;其具體結(jié)果如圖6-2所示,可以看出ANN的預(yù)測最為準(zhǔn)確,而決策樹的效果最差,與理論預(yù)期一致。鑒于創(chuàng)新可持續(xù)性的樣本量較為充足,我們對其分行業(yè)后進(jìn)行....
本文編號:4030328
本文鏈接:http://sikaile.net/guanlilunwen/lindaojc/4030328.html