數(shù)字經(jīng)濟對區(qū)域創(chuàng)新的影響研究

摘 要：數(shù)字經(jīng)濟已然成為提高區(qū)域創(chuàng)新能力、促進(jìn)社會經(jīng)濟高質(zhì)量發(fā)展的新引擎。本文基于數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化雙重視角，實證檢驗兩者對區(qū)域創(chuàng)新質(zhì)量和創(chuàng)新速度的影響效應(yīng)，通過隨機森林特征重要性算法探究數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化指標(biāo)體系中各變量對兩因變量的重要性大小，最終本文通過隨機森林預(yù)測的穩(wěn)健性檢驗來驗證回歸結(jié)果的可靠性。

關(guān)鍵詞：區(qū)域創(chuàng)新；數(shù)字產(chǎn)業(yè)化；產(chǎn)業(yè)數(shù)字化；創(chuàng)新質(zhì)量；創(chuàng)新速度；隨機森林

中圖分類號：F061.5 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2024）10（b）--04

黨的二十大報告強調(diào)“應(yīng)完善科技創(chuàng)新體系，堅持創(chuàng)新在中國現(xiàn)代化建設(shè)全局中的核心地位”。隨著創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的不斷推進(jìn)，中國的創(chuàng)新水平取得了空前進(jìn)步，各個領(lǐng)域的創(chuàng)新成果與日俱增，但針對部分關(guān)鍵技術(shù)的創(chuàng)新能力仍有較大提升空間。中國如今面臨的主要創(chuàng)新難題表現(xiàn)為創(chuàng)新質(zhì)量和科技成果轉(zhuǎn)化率較低[1]，因此從創(chuàng)新大國向創(chuàng)新強國過渡的過程中探索提高創(chuàng)新質(zhì)量的路徑成為當(dāng)務(wù)之急。隨著創(chuàng)新研究的發(fā)展，學(xué)者意識到創(chuàng)新質(zhì)量具有強大的變革力量，既可以塑造一個產(chǎn)業(yè)也可以改變區(qū)域發(fā)展進(jìn)程[2]，這表明創(chuàng)新質(zhì)量既可以從微觀上促進(jìn)企業(yè)成長，也可以從宏觀上推動區(qū)域進(jìn)步，因此如何提高區(qū)域創(chuàng)新質(zhì)量就成為理論界和實踐界關(guān)注的重點。在著力提高創(chuàng)新質(zhì)量的同時，政府也應(yīng)當(dāng)關(guān)注區(qū)域創(chuàng)新速度，創(chuàng)新周期長、創(chuàng)新速度慢已然成為制約中國區(qū)域發(fā)展的重要掣肘。在如今的經(jīng)濟全球化背景下，加快創(chuàng)新速度成為保持競爭優(yōu)勢、攫取利潤的重要方式。研究數(shù)據(jù)表明，市場第二進(jìn)入者和第三進(jìn)入者的市場平均占有率僅為第一進(jìn)入者的71%和58%[3]，因此加快創(chuàng)新進(jìn)程、著力提升創(chuàng)新速度迫在眉睫。近年來，中國高度重視區(qū)域創(chuàng)新發(fā)展，政府部門出臺的政策對創(chuàng)新速度多有關(guān)注，因此研究對創(chuàng)新速度的影響機制不僅可以完善宏觀角度創(chuàng)新速度的相關(guān)理論，還對促進(jìn)區(qū)域發(fā)展具有重要的實踐意義。

當(dāng)前研究中針對創(chuàng)新質(zhì)量或創(chuàng)新速度已經(jīng)取得部分有益成果，遺憾的是其多從單一角度探索創(chuàng)新質(zhì)量或速度的影響因素，鮮有文獻(xiàn)同時將創(chuàng)新速度和質(zhì)量雙重視角納入同一研究框架。值得注意的是，中國社會正在步入數(shù)字化時代，傳統(tǒng)的商業(yè)邏輯和生活方式逐漸被顛覆，數(shù)字化理論研究亟待發(fā)展。因此，在如今數(shù)字經(jīng)濟迅速發(fā)展的背景下應(yīng)該更為關(guān)注數(shù)字化要素對區(qū)域創(chuàng)新發(fā)展的深刻影響。鑒于此，本文基于數(shù)字經(jīng)濟兩大維度——數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化[4]的雙重視角，研究數(shù)字經(jīng)濟對創(chuàng)新質(zhì)量和速度的影響效應(yīng)。同時，通過隨機森林算法進(jìn)行特征重要性評估，測算數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化指標(biāo)體系中各個特征變量對創(chuàng)新質(zhì)量與創(chuàng)新速度的影響作用大小，力求深度挖掘數(shù)字經(jīng)濟對區(qū)域創(chuàng)新的細(xì)化作用機制。

1 研究假設(shè)

1.1 數(shù)字產(chǎn)業(yè)化

數(shù)字產(chǎn)業(yè)化本質(zhì)上是將數(shù)據(jù)和信息加以整合，使其形成能在企業(yè)內(nèi)部流通并在市場交易的產(chǎn)品，數(shù)據(jù)是其核心要素[4]。當(dāng)前數(shù)據(jù)應(yīng)用已然凸顯產(chǎn)業(yè)化特征，形成其獨特的產(chǎn)業(yè)模式。首先，隨著數(shù)字產(chǎn)業(yè)化的發(fā)展，企業(yè)戰(zhàn)略發(fā)生顯著轉(zhuǎn)變，企業(yè)內(nèi)部組織結(jié)構(gòu)不再像工業(yè)化時代一般表現(xiàn)出垂直式、多層級的特點，這要求企業(yè)對組織結(jié)構(gòu)協(xié)調(diào)重塑[5]，逐漸過渡為扁平化發(fā)展模式，使得企業(yè)快速響應(yīng)市場變化，特別是數(shù)字產(chǎn)業(yè)化企業(yè)對客戶體驗的反應(yīng)要求尤為快速精準(zhǔn)。扁平化組織結(jié)構(gòu)促使企業(yè)內(nèi)部分工機制趨于完善，決策者在創(chuàng)新過程中能夠敏捷地進(jìn)行溝通、整合資源，為企業(yè)創(chuàng)新夯實基礎(chǔ)并提升創(chuàng)新速度，因此優(yōu)化組織結(jié)構(gòu)為數(shù)字產(chǎn)業(yè)化企業(yè)提高創(chuàng)新速度提供了必要支持。此外，數(shù)字產(chǎn)業(yè)化企業(yè)創(chuàng)新模式有別于傳統(tǒng)企業(yè)，其多向上下游企業(yè)擴散，促發(fā)企業(yè)業(yè)務(wù)間關(guān)聯(lián)范圍的擴展，其既定目標(biāo)的創(chuàng)新實現(xiàn)則依賴于上下游企業(yè)聯(lián)合進(jìn)行。由于參與的創(chuàng)新主體數(shù)量多，可供運用的各類創(chuàng)新資源多樣化明顯，創(chuàng)新產(chǎn)品質(zhì)量更高?；谝陨戏治?，本文提出以下假設(shè)：

H1：數(shù)字產(chǎn)業(yè)化對創(chuàng)新速度具有正向促進(jìn)作用；

H2：數(shù)字產(chǎn)業(yè)化對創(chuàng)新質(zhì)量具有正向促進(jìn)作用。

1.2 產(chǎn)業(yè)數(shù)字化

產(chǎn)業(yè)數(shù)字化本質(zhì)上是傳統(tǒng)產(chǎn)業(yè)引進(jìn)數(shù)字化技術(shù)并加以運用的過程。在數(shù)據(jù)驅(qū)動時代，數(shù)字技術(shù)為傳統(tǒng)產(chǎn)業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型提供整體技術(shù)優(yōu)勢，企業(yè)借助技術(shù)優(yōu)勢能夠深入分析消費者的消費習(xí)慣和體驗等信息。根據(jù)用戶反饋，產(chǎn)業(yè)數(shù)字化企業(yè)可以及時進(jìn)行產(chǎn)品迭代，改善產(chǎn)品不足，提高供需關(guān)系匹配效率，減少創(chuàng)新方向搜索的時間消耗，從而加快創(chuàng)新速度。區(qū)別于傳統(tǒng)的封閉式研發(fā)模式，數(shù)字化時代企業(yè)的創(chuàng)新模式呈現(xiàn)開放化特征，強調(diào)通過多種方式獲取異質(zhì)化資源，且數(shù)字經(jīng)濟本身具有集聚效應(yīng)，能將更多的創(chuàng)新資源聚集于一體[6]。同時，產(chǎn)業(yè)數(shù)字化企業(yè)可以通過數(shù)字賦能優(yōu)化區(qū)域產(chǎn)業(yè)布局，拓展區(qū)域高質(zhì)量發(fā)展空間，釋放更多資源用于創(chuàng)新，有助于產(chǎn)生更高質(zhì)量的創(chuàng)新成果?；谝陨戏治?，本文提出以下假設(shè)：

H3：產(chǎn)業(yè)數(shù)字化對創(chuàng)新速度具有正向促進(jìn)作用；

H4：產(chǎn)業(yè)數(shù)字化對創(chuàng)新質(zhì)量具有正向促進(jìn)作用。

2 研究設(shè)計

2.1 變量測度

2.1.1 解釋變量

（1）數(shù)字產(chǎn)業(yè)化（Dig）。本文參考陳貴富等（2022）[7]構(gòu)建的指標(biāo)體系，采用信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)城鎮(zhèn)單位就業(yè)人員數(shù)量、人均電信業(yè)務(wù)收入來測度區(qū)域數(shù)字產(chǎn)業(yè)化發(fā)展水平。由于各指標(biāo)的量綱不同，對各指標(biāo)先進(jìn)行歸一化處理，在此基礎(chǔ)上運用熵值法對指標(biāo)進(jìn)行客觀賦權(quán)，進(jìn)而測度出數(shù)字產(chǎn)業(yè)化發(fā)展水平綜合得分。（2）產(chǎn)業(yè)數(shù)字化（Ind）。本文參考樊輝（2022）[8]的研究，選擇有電子商務(wù)交易活動的企業(yè)數(shù)、電子商務(wù)銷售額、R&D投入經(jīng)費支出、數(shù)字普惠金融指數(shù)四個指標(biāo)來測度區(qū)域產(chǎn)業(yè)數(shù)字化發(fā)展水平，同樣對各指標(biāo)先進(jìn)行歸一化處理，并運用熵值法進(jìn)行客觀賦權(quán)，計算出相應(yīng)的綜合得分。

2.1.2 被解釋變量

（1）創(chuàng)新質(zhì)量（InQ）。創(chuàng)新成果能較為切實地反映出區(qū)域創(chuàng)新質(zhì)量水平，同時創(chuàng)新成果多以專利授權(quán)情況測度，中國專利類型中發(fā)明專利的科技含量和獲得難度最高，本文參考趙公民等（2021）[9]的測量方法，用發(fā)明專利授權(quán)率來測度區(qū)域創(chuàng)新質(zhì)量。（2）創(chuàng)新速度（InS）。本文參考俞立平（2022）[10]的研究，用2009—2011年的高技術(shù)產(chǎn)業(yè)新產(chǎn)品銷售收入數(shù)據(jù)的平均值作為基年數(shù)據(jù)，用高技術(shù)產(chǎn)業(yè)新產(chǎn)品銷售收入除以基年數(shù)據(jù)計算區(qū)域創(chuàng)新速度。

2.1.3 控制變量

為了避免其他因素對回歸結(jié)果造成的影響，提升研究結(jié)論的精準(zhǔn)性，本文對以下變量進(jìn)行控制：對外開放水平（Fdi），用出口總額測度；地方政府支持（Gov），用地方科技支出占財政支出的比重表示；市場交易效率（Mar），用貨物周轉(zhuǎn)量表示，為了保證數(shù)據(jù)平穩(wěn)性，研究對貨物周轉(zhuǎn)量及出口總額取自然對數(shù)。

2.2 數(shù)據(jù)來源與描述性統(tǒng)計

本文利用2013—2020年全國30個省市自治區(qū)的面板數(shù)據(jù)展開分析，由于西藏地區(qū)的部分指標(biāo)缺失，因此樣本中剔除西藏地區(qū)。數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》、各省統(tǒng)計年鑒和北京大學(xué)數(shù)字金融研究中心。變量描述性統(tǒng)計如表1所示。

3 實證結(jié)果

3.1 基準(zhǔn)回歸

為了保證回歸結(jié)果的準(zhǔn)確性，本文先進(jìn)行Hausman檢驗，結(jié)果均拒絕原假設(shè)，因此選取固定效應(yīng)模型進(jìn)行回歸。

模型1為數(shù)字產(chǎn)業(yè)化對創(chuàng)新速度的回歸，結(jié)果表明回歸效應(yīng)顯著，說明數(shù)字產(chǎn)業(yè)化對區(qū)域創(chuàng)新速度具有顯著的正向促進(jìn)作用，驗證了本文假設(shè)1。模型2為數(shù)字產(chǎn)業(yè)化對創(chuàng)新質(zhì)量的回歸，其估計系數(shù)在1%的顯著性水平下為正，說明數(shù)字產(chǎn)業(yè)化對區(qū)域創(chuàng)新質(zhì)量有顯著正向促進(jìn)作用，驗證了本文假設(shè)2。模型3為產(chǎn)業(yè)數(shù)字化對創(chuàng)新速度的回歸，回歸結(jié)果顯著，驗證了本文假設(shè)3。模型4為產(chǎn)業(yè)數(shù)字化對創(chuàng)新質(zhì)量的回歸，結(jié)果顯示回歸效應(yīng)顯著，表明產(chǎn)業(yè)數(shù)字化對區(qū)域創(chuàng)新質(zhì)量具有顯著正向促進(jìn)作用，驗證了本文假設(shè)4。

3.2 變量重要性評分

為研究數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化整體指標(biāo)對創(chuàng)新質(zhì)量和創(chuàng)新速度的影響，本文使用隨機森林（Random Forests）算法進(jìn)行變量重要性排序，探討數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化指標(biāo)體系中各變量對兩因變量的重要程度。隨機森林重要性評估主要依據(jù)是衡量每個特征在隨機森林中的每棵決策樹上做出的貢獻(xiàn)。采用CART算法構(gòu)建決策樹，以遞歸算法劃分最佳特征，采用平均不純凈度降低方法，以基尼系數(shù)統(tǒng)計每個特征對隨機森林決策樹的貢獻(xiàn)大小，加總后取平均值，比較所有變量貢獻(xiàn)平均值的大小進(jìn)行變量特征重要性排序。排序結(jié)果如圖1所示。

圖1變量重要性排序結(jié)果表明，產(chǎn)業(yè)數(shù)字化對創(chuàng)新質(zhì)量影響效應(yīng)中，電子商務(wù)銷售額的重要性超過其他因素，有電子商務(wù)交易活動的企業(yè)數(shù)重要性程度最低。產(chǎn)業(yè)數(shù)字化對創(chuàng)新速度的重要性排序中，R&D經(jīng)費內(nèi)部支出對創(chuàng)新速度的貢獻(xiàn)最大，電子商務(wù)銷售額對創(chuàng)新速度的影響最小。數(shù)字產(chǎn)業(yè)化指標(biāo)重要性排序中，信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)城鎮(zhèn)單位就業(yè)人員數(shù)量對創(chuàng)新質(zhì)量的影響更大，人均電信業(yè)務(wù)總量則對創(chuàng)新速度更為重要，可見提升信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)從業(yè)人數(shù)對增強區(qū)域創(chuàng)新質(zhì)量成效顯著，發(fā)展電信業(yè)務(wù)則能有效提升創(chuàng)新速度。從產(chǎn)業(yè)數(shù)字化角度來看，可以通過增加R&D經(jīng)費內(nèi)部支出提高創(chuàng)新速度，以發(fā)展電子商務(wù)促進(jìn)創(chuàng)新質(zhì)量提升。

3.3 穩(wěn)健性檢驗

在預(yù)測模型的構(gòu)建上，隨機森林算法不需要考慮回歸模型中的多重共線性問題，可以加入大量數(shù)據(jù)進(jìn)行分析處理[11]。因此本文使用Python語言，依托scikit-learn庫，通過隨機森林回歸模型對數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化和創(chuàng)新質(zhì)量與創(chuàng)新速度之間的關(guān)系進(jìn)行預(yù)測。其主要程序包括從訓(xùn)練集中隨機抽取N個訓(xùn)練樣本，訓(xùn)練集與測試集8∶2切分，隨機種子數(shù)為42（random_state=42），以確保程序每次運行均分割相同的訓(xùn)練集和測試集，保證每次運行的效果相同。對訓(xùn)練數(shù)據(jù)進(jìn)行隨機抽樣構(gòu)建多棵決策樹，每棵決策樹都在不同的特征子集中進(jìn)行隨機運算，并對各個樹的運算結(jié)果匯總后進(jìn)行取平均值得出最終預(yù)測結(jié)果。隨機森林預(yù)測值與實際值對比結(jié)果如圖2所示，從圖2看模型預(yù)測結(jié)果較好，研究結(jié)論穩(wěn)健。

4 結(jié)語

4.1 研究結(jié)論

本文基于2013—2020年全國30個省份的樣本數(shù)據(jù)，實證檢驗了數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化對區(qū)域創(chuàng)新的細(xì)化賦能作用，得到以下研究結(jié)論：第一，數(shù)字產(chǎn)業(yè)化可以加快區(qū)域創(chuàng)新速度，提高區(qū)域創(chuàng)新質(zhì)量；第二，產(chǎn)業(yè)數(shù)字化可以提升區(qū)域創(chuàng)新速度與創(chuàng)新質(zhì)量。第三，產(chǎn)業(yè)數(shù)字化指標(biāo)體系中電子商務(wù)銷售額對創(chuàng)新質(zhì)量重要性程度最高，R&D經(jīng)費內(nèi)部支出則對創(chuàng)新速度的貢獻(xiàn)最大，數(shù)字產(chǎn)業(yè)化指標(biāo)體系中信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)城鎮(zhèn)單位就業(yè)人員數(shù)量對創(chuàng)新質(zhì)量的影響比重更大，人均電信業(yè)務(wù)總量對創(chuàng)新速度更重要。

4.2 理論貢獻(xiàn)

（1）關(guān)注創(chuàng)新速度和創(chuàng)新質(zhì)量。本文基于省級面板數(shù)據(jù)實證檢驗了數(shù)字經(jīng)濟對創(chuàng)新速度和創(chuàng)新質(zhì)量的影響作用，將對區(qū)域創(chuàng)新的研究加以拓展，從而盡可能得出較為全面的研究結(jié)果，對加強創(chuàng)新速度和創(chuàng)新質(zhì)量的協(xié)調(diào)發(fā)展、促進(jìn)區(qū)域創(chuàng)新高質(zhì)量發(fā)展的理論研究做出了一定貢獻(xiàn)。

（2）將機器學(xué)習(xí)算法應(yīng)用于細(xì)?；芯俊Ｑ芯炕陔S機森林變量重要性測度方法，探究數(shù)字經(jīng)濟對區(qū)域創(chuàng)新的影響因素重要性排序，目前這一方法大多應(yīng)用于控制工程、醫(yī)學(xué)等領(lǐng)域，本文進(jìn)行變量重要性測度也為隨機森林算法在數(shù)字經(jīng)濟領(lǐng)域的廣泛應(yīng)用做出了貢獻(xiàn)。

4.3 實踐啟示

（1）統(tǒng)籌數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化協(xié)調(diào)布局。近年來，傳統(tǒng)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型發(fā)展較為成功，區(qū)域應(yīng)關(guān)注傳統(tǒng)產(chǎn)業(yè)與新興產(chǎn)業(yè)融合過程中產(chǎn)生的技術(shù)創(chuàng)新和知識溢出，以此促進(jìn)數(shù)字產(chǎn)業(yè)化發(fā)展，充分發(fā)揮產(chǎn)業(yè)創(chuàng)造性，進(jìn)而實現(xiàn)區(qū)域數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化良性互補循環(huán)，防止資源浪費和同質(zhì)化競爭，以協(xié)調(diào)布局高效提升區(qū)域數(shù)字經(jīng)濟發(fā)展水平。

（2）兼顧數(shù)字經(jīng)濟對區(qū)域創(chuàng)新速度和創(chuàng)新質(zhì)量的提升作用。從數(shù)字產(chǎn)業(yè)化角度來看，區(qū)域應(yīng)推動高新技術(shù)進(jìn)步，對促進(jìn)區(qū)域創(chuàng)新發(fā)展的重要數(shù)字技術(shù)進(jìn)行集中攻關(guān)布局和重點突破，并且加快數(shù)字基礎(chǔ)設(shè)施建設(shè)，提高信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)從業(yè)人數(shù)，著力提升人均電信業(yè)務(wù)總量，以此提高創(chuàng)新質(zhì)量和創(chuàng)新速度。從產(chǎn)業(yè)數(shù)字化角度來看，區(qū)域應(yīng)加快傳統(tǒng)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型，可以通過增加R&D經(jīng)費內(nèi)部支出提高創(chuàng)新速度，大力發(fā)展電子商務(wù)促進(jìn)創(chuàng)新質(zhì)量提升。

參考文獻(xiàn)

程俊杰. 高質(zhì)量發(fā)展背景下破解“創(chuàng)新困境”的雙重機制[J].現(xiàn)代經(jīng)濟探討， 2019（3）：5-10.

Teemu M， Tommi I. Innovation quality in knowledge cities： Empirical evidence of innovation award competitions in Finland [J]. Expert Systems with Applications，2014，41（12） 5597-5604.

DPvnmrBF+DAbAespNYUdmg==Urban G L ， Carter T ， Gaskin S ， et al. Market Share Rewards to Pioneering Brands： An Empirical Analysis and Strategic Implications[J]. Management Science， 1986， 32（6）： 645-659.

劉釩， 余明月.長江經(jīng)濟帶數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化的耦合協(xié)調(diào)分析[J].長江流域資源與環(huán)境， 2021， 30（7）：1527-1537.

戚聿東， 肖旭. 數(shù)字經(jīng)濟時代的企業(yè)管理變革[J].管理世界， 2020， 36（6）：135-152+250.

毛建輝， 張蕊， 管超. 數(shù)字經(jīng)濟、財政分權(quán)與企業(yè)創(chuàng)新[J].西南民族大學(xué)學(xué)報（人文社會科學(xué)版）， 2022， 43（8）：118-129.

陳貴富， 韓靜， 韓愷明.城市數(shù)字經(jīng)濟發(fā)展、技能偏向型技術(shù)進(jìn)步與勞動力不充分就業(yè)[J].中國工業(yè)經(jīng)濟， 2022（8）：118-136.

樊輝. 產(chǎn)業(yè)數(shù)字化、科技創(chuàng)新與外貿(mào)出口水平： 基于長江經(jīng)濟帶的實證[J].統(tǒng)計與決策， 2022， 38（19）：115-119.

趙公民， 俞立平， 戴化勇. 創(chuàng)新數(shù)量、創(chuàng)新質(zhì)量與高技術(shù)產(chǎn)業(yè)出口[J].中國管理科學(xué)， 2021， 29（2）：61-68.

俞立平， 萬曉云.技術(shù)市場厚度、流暢度與創(chuàng)新速度[J].統(tǒng)計與決策， 2022，38（1）：158-162.

Statistics L B ， Breiman L . Random Forests[J]. Machine Learning， 2001：5-32.