第一章 前言 1
1.1 现代经济增长理论与模型回顾 1
1.1.1 新古典增长理论与模型 1
1.1.2 内生增长理论与模型 2
1.1.3 两部门增长理论与模型 3
1.2 现代经济增长理论与模型的局限性 4
1.2.1 新古典增长理论与模型的局限性 4
1.2.2 内生增长理论与模型的局限性 5
1.2.3 两部门增长理论与模型的局限性 5
1.3 经济增长混沌预测方法研究的国内外现状及其存在的不足 6
1.3.1 经济增长混沌预测方法研究的国内外现状 6
1.3.2 研究现状存在的不足 8
1.4 本报告所做的研究工作及本报告的组织 8
1.4.1 本报告所做的研究工作 8
1.4.2 本报告的组织 11
第二章 经济演化的一般性问题 13
2.1 经济系统与复杂性系统理论 13
2.1.1 经济系统及其特性 13
2.1.2 复杂性系统理论简介 13
2.2 复杂性系统理论对经济预测的影响 15
2.2.1 复杂性系统理论对经济学的冲击 15
2.2.2 复杂性系统理论对经济预测的影响 15
2.3 经济演化的一般性问题 16
2.3.1 演化经济学与新古典经济学的不同点 16
2.3.2 经济演化模型的一般特征 18
第三章 经济增长的系统理论研究与混沌预测方法分析 19
3.1 经济增长的系统理论研究 19
3.1.1 经济增长系统的含义 19
3.1.2 经济增长系统的特性 20
3.1.3 经济增长系统的演化性 21
3.2 经济增长演化中的报酬递减与报酬递增效应 23
3.2.1 报酬递减与报酬递增 23
3.2.2 报酬递减与报酬递增的交互效应 24
3.2.3 一个例子 25
3.3 经济增长的混沌预测方法分析 27
3.3.1 经济增长时序及其特性 27
3.3.2 经济增长时序的混沌时机诊断与条件判别 27
3.3.3 基于经济增长时序的混沌预测方法 28
3.3.4 预测方法的实证分析 28
第四章 基于估计熵的经济增长时序滤波方法 29
4.1 基于估计熵的经济增长时序滤波方法 29
4.1.1 估计熵及其物理含义 29
4.1.2 基于估计熵的滤波方法 30
4.2 案例分析 30
4.2.1 案例说明 30
4.2.2 滤波效果的模拟分析 31
第五章 经济增长时序的混沌时机诊断与条件判别 33
5.1 概述 33
5.1.1 时序混沌的判别方法 33
5.1.2 相空间重构技术和最大的Lyapunov指数方法 33
5.2 基于相空间重构技术的时序混沌性诊断 34
5.2.1 构造n维的相空间向量X(t) 34
5.2.2 计算相空间向量的关联积分 34
5.2.3 增加相空间维数n 34
5.3 基于最大Lyapunov指数方法的时序混沌性诊断 35
5.3.1 最大的Lyapunov指数计算公式 35
5.3.2 最大的Lyapunov指数诊断方法 35
第六章 经济增长的混沌预测方法及其实证研究 37
6.1 经济增长的非混沌预测方法研究 37
6.1.1 基于人工神经网络的预测方法 37
6.1.2 基于小波人工神经网络的预测方法 40
6.2 经济增长的混沌预测方法研究 42
6.3 预测方法的实证分析 44
6.3.1 人工神经网络预测方法的实证分析 44
6.3.2 小波神经网络预测方法的实证分析 45
6.3.3 混沌预测方法的实证分析 45
第七章 两部门经济增长的非均衡关系研究 47
7.1 引言 47
7.2 基本假设 47
7.3 建立模型 48
7.3.1 基于利润最大化和消费品部门产出的两部门增长关系模型 48
7.3.2 基于资本品部门产出的两部门增长关系模型 49
7.3.3 基于两部门产出的两部门增长关系模型 49
7.4 增长关系研究 50
7.4.1 资本分配比的作用 51
7.4.2 劳动分配比的作用 51
7.4.3 价格比的作用 51
7.4.4 资本折旧率的作用 51
7.4.5 人口增长率的作用 52
7.4.6 资本利润率的作用 52
7.5 结论 52
第八章 结束语 53
参考文献 54