典型社会问题和经济增长的共同影响测算：社会代价的探讨

(1)训练学习阶段

根据之前的研究思路,将训练集中的样本输入LS-SVR模型,通过直接搜索算法(LS-SVR-DS)寻找最优参数,构建出LS-SVR模型。将测试集代入此模型,判断是否满足预测精度要求,最终找到最优参数LS-SVR模型。

对以上数据进行学习,通过多次循环,最终得到最优参数γ＝8 070.005、σ＝0.7818。

得到社会代价典型问题对经济增长影响的最小二乘支持向量回归综合模型:

其中

回归结果如图8.1及表8.1所示。从训练集回归结果来看,1998—2008年人均GDP实际值最小值为6 796.03元、最大值为23 707.71元、平均值为12 479.25元;人均GDP预测值最小值为6 797.96元、最大值为23 707.71元、平均值为12 479.90元,预测值与实际值在同一水平上,集中趋势和离散程度相近。训练集的平均绝对误差为1.20,平均相对误差绝对值为1.28E－04,预测误差标准差为1.40。

从测试集回归结果来看,2009—2011年人均GDP实际最小值为25 607.53元、最大值为35 181.24元、平均值为30 266.01元;人均GDP预测值最小值为25 607.53元、最大值为35 181.24元、平均值为30 265.57元,预测值与实际值在同一水平上,集中趋势和离散程度相近。测试集的平均绝对误差为2.60,平均相对误差绝对值为7.84E－05,预测误差标准差为1.76。由此可以看出LSSVR-DS模型预测结果较好,测试集精度略差于训练集精度。

图8.1　最优LS-SVR参数模型预测效果

表8.1　最优LS-SVR模型预测结果

续表

(2)影响测算阶段(www.xing528.com)

在保证预测精度的情况下,接下来将对各自变量的数值进行变化,以测算其对经济增长的作用。分为四个部分,结果如表8.2所示:

①单变量增加0.01,同时其余指标不变。

②单变量增加0.1,同时其余指标不变。

③全部变量同时增加0.01。

④全部变量同时增加0.1。

由于指标较多,挑选具有代表性的指标进行分析。城镇居民可支配收入/农村居民纯收入IDCC在增加0.01时对经济有推动作用,但当其增量变为0.1时,引起人均GDP下降达－1 187.83元,抑制作用明显,两相对比,验证了推论A 1(贫富分化初期,收入差距的增加会促进经济增长)及推论A 3(贫富分化发展到一定程度,激励作用让位于抑制作用)。

腐败感知指数CP也具有类似的特点,在增量较小时促进经济增长,而在增量变大时转为抑制作用,验证了推论B3(腐败蔓延对经济增长的负向作用具有非线性特征)。

其余指标在面临不同增量时,始终保持一致的推动或抑制作用,根据影响量的大小变化情况,可以验证推论A 2(贫富分化中期,激励作用与抑制作用并存)、推论B1(腐败蔓延对经济增长的抑制作用较为显著)、推论B2(政治腐败对经济增长的作用大于整个社会的腐败)、推论C2(犯罪对经济增长的负作用表现出非线性特点)、推论C4(犯罪状况起伏越大,对经济的影响越大,且具有乘数效应)等。

表8.2　社会代价对经济增长共同影响测算

总的来看,社会代价对经济增长影响测度与前几章的研究结论大体相吻合,都显示出明确的抑制作用。其中,贫富分化对经济增长影响与其所处阶段有关(推论A 1、A 2、A 3),腐败和犯罪则表现出了对经济增长的抑制作用,且一旦放任腐败和犯罪继续发展,将产生更为严重的负面效果。因此,只要将贫富分化现象控制在一定范围内,适度地放宽对贫富分化问题的约束,将有利于经济增长。而对于腐败和犯罪问题而言,则需要采取较为严格的控制,并尽量对腐败和犯罪现象进行治理和打击,特别是通过增加人均公共安全支出来加大对此类现象的遏制。