我国加工贸易转型影响因素实证研究(3)

　　（二）RBF神经网络分析法与时间序列回归分析法的引入

　　在加工贸易转型升级影响因素的实证分析中，大多数学者所用的为线性方法，本文首先利用EVIEWS软件对加工贸易增值率影响因素做时间序列模型回归。单位根检验结果显示原数列不平稳，一阶差分平稳，表明序列都是一阶单整序列，然后采用E-G两步法进行协整检验显示残差序列是平稳的，表明变量之间存在长期稳定的均衡关系。综上，EVIEWS回归结果如下：

　　括号里的数据代表t统计量，回归结果中可以看出调整的可决系数R2只有90.6694%，拟合优度不高。另外，外商直接投资在加工贸易方面能带来先进的设备、资金和技术培训，理论上应该能够促进加工贸易附加值的增加，进而提高加工贸易的增值率。但是从结果中可以看出，FDI对加工贸易增值率的影响为负，说明外商直接投资不利于我国加工贸易的转型升级，这与我们的预期不一致。线性模型不能很好或真实的反映变量之间的实际关系，对错综复杂的实际情况拟合效果不理想，因此线性回归的方法具有一定的局限性。

　　针对时间序列分析法建立的模型不能全面和本质的反映所预测的动态数据的内在结构和复杂特性这一问题，采用先进的RBF神经网络建立分析模型。人工神经网络（Artificial Neural Network， ANN）模型的建立受生物学的启发，从微观结构与功能上对人的神经系统进行模拟。它是一种基于连接主义机制的人工智能技术，其特点主要是具有非线性特性、学习能力和自适应性，具有很强的分析能力，可克服传统方法在分析问题时存在的建模不准确或根本无法建模的情况。一个典型的RBF神经网络由一个输入层、一个输出层和至少一个隐含层组成，其隐含层选用了非线性的基函数，所以这种关系是非线性的，能够避免线性模型不能全面和本质的反映所预测的动态数据的内在结构和复杂特性这一问题。而具有自学习以及非线性性质的系统网络模型——神经网络拥有对非线性问题的动态处理能力，不必预设数据的分布情况、变量之间的规律或精确的数学模型，自适应的对输入、输出数据进行学习和训练，找出其中的非线性关系，从而实现其功能，找出各个解释变量对被解释变量的更加客观准确的关系。

　　在神经网络训练完成后，即建立了加工贸易转型的各影响因素和加工贸易增值率的模型。为了说明本文建立模型的有效性和准确性，分别利用时间序列分析法和本文RBF神经网络法对测试数据进行预测。Matlab分析结果见图1和表2。

　　由图1和表2可知，RBF神经网络分析法得到的模型比时间序列分析法更准确，其与预测误差值远远小于时间序列分析法，因此也更能反映加工贸易中错综复杂的实际情况。因此，采用RBF神经网络法代替时间序列分析法，可以为有效分析变量、提出转型意见提供了一种新的重要途径。

　　（三）基于MIV分析的加工贸易转型影响因素研究

　　平均影响值（Mean Impact Value， MIV）被认为是在神经网络中评价变量相关的最好指标之一，其符号代表相关的方向，绝对值大小代表影响的相对重要性，从而判断出输入的影响因素对于网络结果的影响程度。最后得到加工贸易每一个影响因素的MIV值大小，如表3所示。

　　由以上实证分析可知：国内产业结构与研发能力对加工贸易增值率的增长具有较强的促进作用，特别突出地体现在加工贸易的国内产业结构上；劳动力禀赋与投入、外商直接投资对提高加工贸易增值率有拉动作用，但不如国内产业结构与研发能力的拉动作用大；过高的贸易开放度不利于我国加工贸易的转型。

　　对策建议

　　在经济转型的大背景下，我国对外贸易的发展方向也要跟随着改革的步伐不断推进。加工贸易作为我国对外贸易的一个重要组成部分，其转型关系着我国外贸未来的发展方向，关系着我国从贸易大国到贸易强国的转变。加工贸易应转变发展方式，利用我国的比较优势，通过转型来提升出口产品质量，改善贸易环境，统筹城乡和区域发展，促进国内发展和对外开放。根据上文的研究，得到本文加工贸易如何转型的结论，并提出相关的对策建议。

　　（一）发展高新技术产业并鼓励企业进入高附加值产业链环节