基于灰色神经网络的综合评价指标体系检验

运用该算法验证综合评价体系的思路是：综合竞争力指数是由指标体系中每一层级的指标综合作用的结果，其中，25个三级指标的客观数值是综合竞争力指数的影响因素，为此，本书选取每个城市在时间t上的25个三级指标的数据作为主要因素计算综合竞争力指数的理论值，理论值与评价所得的实际值之间的偏差程度（拟合优度）反映着指标体系的可行性与有效性。分别对每个城市的综合竞争力指数进行验证，若是每个城市最后的拟合结果都具有良好的拟合优度，则该指标体系可行、有效。为了提高算法的合理性，本书将通过2005—2012年这八年间城市历史资源型文化产业的三级指标的数值和综合竞争力指数为“训练样本”，神经网络训练这十年间的训练数据30次，最后用2008—2012年的三级指标的数值计算综合竞争力指数，运用皮尔逊拟合优度检验“理论综合指数”与“实际综合指数”之间的符合程度。具体的方法步骤如下：

1.计算综合竞争力指数的理论值

该综合评价指标体系检验的灰色神经网络算法流程如图4-2所示。其中，灰色神经网络构建根据输入/输出数据维数确定灰色神经网络结构。由于本检验的输入数据为25维，输出有1维，所以灰色神经网络结构为1-1-26-1，即LA层有1个节点，输入为时间序列t，LB层有1个节点，LC层有26个节点，从第2个到第26个输入25个具体的三级指标数值，输出为计算出的竞争力指数的理论值。将综合指标体系验证数据存储在dat.mat文件的矩阵X中，X为8行26列矩阵，第1列为实际综合竞争力指数，第2到26列分别为三级指标的具体数值。经过网络初始化、网络学习和结果计算三个步骤，最后得到该城市2008—2012年综合竞争力指数的理论值。

图4-2　灰色神经网络计算理论值的基本流程图

2.实际值与理论值的拟合优度验证

为进行拟合优度检验，设原假设

H0：综合指标评价体系具有良好的可行性与有效性。

皮尔逊拟合优度X2统计量为：

当Z≤X2时，接受H0；反之否定H0

在本检验中，X2的自由度为4，以α=0.05的显著性水平检验四座城市

则，经过查表得到：X2=9.4877

3.对综合评价体系的检验结果

（1）对于北京

图4-3　北京灰色神经网络算法的计算结果图

总结为表4-12：

表4-12　北京实际值与理论值的对比表

（2）对于南京

图4-4　南京灰色神经网络算法的计算结果图

总结为表4-13：

表4-13　南京实际值与理论值的对比表

（3）对于西安

图4-5　西安灰色神经网络算法的计算结果图(www.xing528.com)

总结为表4-14：

表4-14　西安实际值与理论值的对比表

（4）对于洛阳

图4-6　洛阳灰色神经网络算法的计算结果图

总结为表4-15：

表4-15　洛阳实际值与理论值的对比表

综合所有计算结果，北京、南京、西安、洛阳的实际值与理论值有较好拟合优度，区域历史资源型文化产业竞争力综合评价模型具有一定的可行性与有效性，评价结果能够较好地反映四大古都城市该产业的综合竞争指数情况。