一、使用主成分分析法计算各个区域的资源位
　　
　　本文的目的是建立经济系统的神经网络模型，因此需要实验数据对神经网络进行训练。
　　
　　二、输入指标选择和模型构建
　　
　　本文参考系统经济学中区域经济度量 中计量区域经济资源位的指标输入体系，并结合《2006中国统计年鉴》 中实际的数据指标，选取的投资类指标包括:人均资本形成总额、人均全社会固定资产投资和人均全社会建设总规模；选取的人力资源类指标包括每万人中受教育程度大学本科人口数、每万人中国有企事业单位专业技术人员数、每万人中卫生机构人员数、每万人中执业医师人员数；选取的科技知识类指标包括：每万人普通高等学校专任教师人数、每万人各地区技术市场成交额、各地区每万人教育经费情况、每万人科研经费内部支出和每万人教育经费情况；选取的制度类指标包括：全社会固定资产投资中国有经济、私营企业就业人数占人口比例和城镇人口比重。模型建立起来之后，通过前述主成分分析法得到的数据进行学习和训练就可以得到数军对网络进行学习和训练，就可以评测区域经济的资源位了，详细建模过程参见。
　　
　　三、讨论
　　
　　资源位的统计和计算有其自身的特点，是一套较为全面的综合评价，其既不同于地区生产总值的简单排序也不同于人均国民生产总值的排列，但同时人均资源位的排名与人均国民生产总值的排名又具有较大的相同点和可比性，前八名的排序虽然略有改变，但整体具有较大的可比性，例如前八名的地区是没有改变的，这在一定程度上说明了资源位评价体系的科学性，当然，二者还是具有较大的不同点，例如北京人均国民生产总值低于上海，而资源位却高于上海，这部分是因为北京在政治、科教、文化等综合领域相对于上海有较大的优势。此外，还有一些地区的资源位与人均国名生产总值的排名有较大的差别，如四川、内蒙古和黑龙江的资源位在这两个排名上有较大的不同，其中四川的资源位排名第九位，而人均国民生产总值排名仅列23；而内蒙古和黑龙江正好相反，人均国民生产总值排序靠前分别排到第九位和第十一位，而资源位排名仅排到第23和第25位。经过分析，原因在于四川不仅在与人口相关的从业人员数量上有较大的优势，更在于该地区与技术、资本相关的诸多因素有较大的优势，因此在资源位的综合评价体系中取得了较高的排名；而内蒙古、黑龙江恰好相反，由于资源丰富，而具有较高的国民生产总值使其在人均国民生产总值中排名靠前，而资源位综合考虑了这两个地区比较薄弱特别是资本方面的内容，因此资源位排名比较靠后。
　　在研究区域经济的时候，通常会有一套有别于国民生产总值的综合评价体系，而资源位评价可以作为一套较为科学的评价指标。作为一套评价体系，指标的选择非常重要，本文的研究中发现，侧重分析人均的数据与侧重研究整体的数据得到的结果是明显不一样的，这就提示在今后的研究中应该将这两类数据分别研究，从而侧重研究区域经济中不同的两类指标。
　　
　　此外，本文用神经网络建立模型可以不考虑区域经济各子系统和各指标之间定量关系的问题，利用各指标值的历年数据作为样本进行训练和学习，模拟出现实系统的基本规律，通过样本的学习和训练可以度量经济系统资源位，为研究区域经济提供了一种可能方法。本文所提出的只是定量研究区域经济复杂系统的一种可能方法，存在以下一些问题：该模型由于仅采用一个年份的统计数据，而神经网络是随着学习的样本的增多而使得判别能力不断增强的，因此需要进一步收集大量的统计数据去训练本文中设计的模型，通过不断调整神经网络的权值来改进该模型的判别能力，从而达到更好的效果。当然，并不能期望依赖这样一个神经网络模型就完全满足区域经济系统的各个要求，必须使用统计以及其它各种算法等对区域经济进行计量研究，本文所设计的这个模型只是提出对区域经济这样一个复杂的经济系统进行研究的一种可能方法。
　　
　　参考文献:
　　[1]昝廷全:《系统经济学探索》[M].科学出版社，2004年3月
　　[2]昝廷全:《中国区域经济资源位研究》[J].《管理世界》，2003年第11期
　　[3]中华人民共和国统计局：《2006中国统计年鉴》[M].中国统计出版社，2006年
　　[4]杨宇音赵雅明曲立敏:《因子分析法在大学生综合排名中的应用》[J].贵州大学学报， 2005年2月
　　[5]林海明张文霖:《主成分分析与因子分析详细的异同和SPSS 软件》[J].统计研究，2005( 3)
　　[6]石纯过仲阳许世远:《人工神经网络在沿海区域环境复杂系统预测中的应用》[J].环境污染与防治，2002年10月
　　[7]杜保林张安年丁陈壬辰:《基于神经网络的河南省经济增长模型》[J].河南科技大学学报，2006年12月
　　[8]吕琦:《基于神经网络的区域经济资源位非线性模型》.《集团经济研究》[J],2007年9月