人才资源及基于支持向量机的陕西省经济增长预测模型研究

发布时间：2023-11-24 23:53

　　随着西部大开发政策的提出，中央政府加大了对中西部尤其是西部的投入，陕西省在经济、文化等领域取得了不小的成绩。但是，与东部省区相比，陕西省的平均经济增长速度仍然存在着明显的差距，而与经济落后形成鲜明对比的是，陕西的教育规模与质量仅次于北京和上海。人才资源与经济增长有怎样的关系？为何人才资源没有和当地的经济协调发展？为何人才资本没有转化为当地的经济优势？为了解决以上问题，本文主要做了以下工作： （1）通过对人才资源和经济增长概念的界定，利用收集、调研的数据资料，建立了人才资源指数体系和经济增长指标体系。 （2）建立了基于支持向量机和BP神经网络的陕西省人才资源与经济增长关系的模型，经过对比分析，支持向量机模型能够根据人才资源指标更准确地预测经济增长情况。 （3）通过对陕西省人才资源、经济发展和人才资源利用效度与其他省进行对比分析，归纳出陕西省在人才资源利用中存在的问题。 （4）针对理论和实证分析结果以及陕西省在人才资源利用中存在的问题，提出陕西省人才资源开发的对策和建议。

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
        1.1.1 选题背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 本论文拟采取的研究方案及研究路径
        1.3.1 研究方法
        1.3.2 研究内容
        1.3.3 研究路径图
2 人才资源与经济增长概述
    2.1 人力资源、人才资源、人才资本的界定
        2.1.1 人力与人才
        2.1.2 人力资源与人力资本
        2.1.3 人才资源与人才资本
        2.1.4 人才资源的特点
    2.2 经济增长
3 人才资源指标体系的建立
    3.1 人才资源规模的确定
    3.2 人才资源指标体系的构建
        3.2.1 人才职称指数
        3.2.2 人才学历指数
        3.2.3 人才年龄指数
        3.2.4 人才创新指数
        3.2.5 人才产业指数
        3.2.6 人才综合指数
4 基于支持向量机的陕西省经济增长预测模型研究
    4.1 支持向量机理论
        4.1.1 支持向量机理论背景
        4.1.2 支持向量机的体系结构
        4.1.3 支持向量机的回归方法原理
    4.2 核函数
        4.2.1 核函数的基本概念
        4.2.2 核函数的常见类型
        4.2.3 惩罚参数c 和核函数参数g 的选取
    4.3 运用SVM 模型预测陕西省经济增长
        4.3.1 模型建立
        4.3.2 MATLAB 实现
    4.4 SVM 模型与BP 神经网络模型的比较分析
        4.4.1 BP 神经网络模型简介
        4.4.2 运用BP 神经网络模型预测陕西经济发展
    4.5 SVM 模型与BP 神经网络模型的比较分析
5 陕西人才资源与经济发展现状分析
    5.1 陕西人才资源状况
        5.1.1 陕西人才总体状况
        5.1.2 陕西省人才结构状况
        5.1.3 陕西省人才流动状况
        5.1.4 陕西人才利用状况
    5.2 陕西人才资源与经济发展不协调
        5.2.1 三大区域发展不平衡
        5.2.2 与东中部省份横向差距较大
6 对策及建议
    6.1 进行人才结构调整，使人才结构与经济结构相适应
    6.2 促进人才合理流动
    6.3 进一步加大教育培训力度，提高人才资源质量
    6.4 从体制、机制、制度方面着手，全面改善人才发展环境
        6.4.1 建立高效运行的人才管理机制
        6.4.2 推进人才市场体系建设
        6.4.3 完善对人才的激励机制
        6.4.4 尊重人才，不断完善提高人才物质文化需求
7 结论
致谢
参考文献



本文编号：3866850