吕 浩 (作者)
广东第二师范学院,广东 广州 510800
郭婧颖 (作者)
广东第二师范学院,广东 广州 510800
钟雪芬 (作者)
广东第二师范学院,广东 广州 510800
周思绮 (作者)
广东第二师范学院,广东 广州 510800
刘晓颖 (作者)
广东第二师范学院,广东 广州 510800
人工智能, Logistic 回归, Probit 模型, 制度性合作, 协同创新
2025-12-31
本研究以人工智能方法为核心,构建了基于Logistic与Probit模型的智能判别框架,用于识别粤港澳大湾区城市间的制度性合作与协同创新关系。研究首先提出“制度性合作指数”,通过专家赋权与机器学习评分结合的方式,对城市间的政策协同、制度共建与治理互动进行量化,取值区间为[0,1]。在模型训练阶段,引入了特征标准化、置信区间修正和随机扰动模拟,以降低主观性和信息不完全性带来的误差。结果表明,制度性合作指数与科技支出占GDP比重显著正相关,并与第三产业比重呈稳定正向关系,验证了该指标的合理性与可解释性。进一步,本文将城市对作为样本单位,采用Logistic与Probit分类算法预测城市间协同创新事件的发生概率,并结合稀有事件修正与网络稳健性检验提升模型性能。研究发现,制度性合作显著促进了区域创新协作,其作用具有阈值特征和网络位置依赖性。本文的创新在于:将人工智能分类算法应用于区域创新关系识别,实现制度、网络与创新行为的算法化建模,为粤港澳大湾区的制度协同优化和智能决策提供了新的定量分析路径。
PDF
版权所有 (c) 2025 人工智能创新应用

本作品采用知识共享署名 4.0 国际许可协议授权。