| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 0 引言 | 第11-17页 |
| ·问题的提出 | 第11-13页 |
| ·文献综述 | 第13-16页 |
| ·本文的研究思路与框架 | 第16-17页 |
| 1 区域核心竞争力的基础理论研究 | 第17-24页 |
| ·区域核心竞争力的概念 | 第17-19页 |
| ·文献中对区域核心竞争力概念的研究 | 第17-18页 |
| ·本文对区域核心竞争力概念的再界定 | 第18-19页 |
| ·区域核心竞争力的特征 | 第19-20页 |
| ·区域核心竞争力与区域竞争力的关系 | 第20-21页 |
| ·区域核心竞争力与比较优势、竞争优势的关系 | 第21-22页 |
| ·区域核心竞争力的形成与演化 | 第22-24页 |
| 2 区域核心竞争力状况识别模型的研究与构建 | 第24-38页 |
| ·DEA 在区域核心竞争力状况识别中的适用性分析 | 第24-28页 |
| ·DEA 方法简介 | 第24页 |
| ·DEA 方法在区域核心竞争力状况识别中的应用 | 第24-28页 |
| ·BP 神经网络在区域核心竞争力状况识别中适用性分析 | 第28-31页 |
| ·BP 神经网络方法简介 | 第28-29页 |
| ·BP 神经网络方法在区域核心竞争力状况识别中的应用 | 第29-31页 |
| ·两种方法的局限性 | 第31-32页 |
| ·DEA 方法的局限性分析 | 第31-32页 |
| ·BP 神经网络方法的局限性分析 | 第32页 |
| ·DEA-BP 组合模型的构建 | 第32-35页 |
| ·DEA-BP 组合模型的构建思想 | 第32-33页 |
| ·建立CCR 对偶模型并求解 | 第33页 |
| ·区域核心竞争力状况的预识别 | 第33页 |
| ·建立训练样本集 | 第33-34页 |
| ·设计神经网络的层数和结点数 | 第34-35页 |
| ·区域核心竞争力状况的准识别与最终识别 | 第35页 |
| ·DEA-BP 神经网络组合模型的应用技巧 | 第35-38页 |
| ·选择适用的软件 | 第35-36页 |
| ·尽量使用相对指标 | 第36页 |
| ·选择适用的传递函数 | 第36-37页 |
| ·选择适用的训练函数 | 第37页 |
| ·设置合理的初始权值 | 第37-38页 |
| 3 DEA-BP 组合模型指标体系构建 | 第38-42页 |
| ·指标体系设计原则 | 第38页 |
| ·科学性 | 第38页 |
| ·完备性 | 第38页 |
| ·独立性 | 第38页 |
| ·可测性 | 第38页 |
| ·指标体系框架 | 第38-39页 |
| ·投入要素 | 第38-39页 |
| ·产出要素 | 第39页 |
| ·指标体系设计 | 第39-40页 |
| ·指标解释 | 第40-42页 |
| 4 基于DEA-BP 组合模型的沿海地区核心竞争力状况识别实证研究 | 第42-51页 |
| ·沿海地区核心竞争力状况的预识别 | 第42-44页 |
| ·建立CCR 对偶模型 | 第42-43页 |
| ·模型求解及评价参数计算 | 第43-44页 |
| ·区域核心竞争力状况的预识别及编码 | 第44页 |
| ·沿海地区核心竞争力状况的准识别与最终识别 | 第44-48页 |
| ·建立训练样本集 | 第44-46页 |
| ·网络设计 | 第46-47页 |
| ·核心竞争力状况的准识别与最终识别 | 第47-48页 |
| ·模型识别结果分析 | 第48-51页 |
| 5 结论与发展方向 | 第51-57页 |
| ·本文研究的主要结论 | 第51-53页 |
| ·模型实现了对原有模型的改进 | 第51页 |
| ·模型实现了对区域核心竞争力的定量识别 | 第51-52页 |
| ·模型引进了区域经济评价的新视角 | 第52-53页 |
| ·本文的创新与不足 | 第53-54页 |
| ·本文的创新之处 | 第53-54页 |
| ·本文的不足之处 | 第54页 |
| ·继续研究的方向 | 第54-57页 |
| ·应用于其他领域效率评价研究中 | 第55页 |
| ·区域核心竞争力的动态研究 | 第55页 |
| ·区域核心竞争力关键要素的识别研究 | 第55页 |
| ·形成和衰退阶段区域核心竞争力的深入研究 | 第55页 |
| ·基于知识说的识别方法研究 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 附录 | 第59-61页 |
| 致谢 | 第61-62页 |
| 个人简历 | 第62页 |
| 发表的学术论文与研究成果 | 第62页 |
