基于XGBoost算法的机会型创业预测研究

摘要

机会型创业对跨越中等收入陷阱,实现经济转型升级和高质量发展的作用日益凸显。基于计划行为理论,从主观规范、行为态度、知觉行为控制3个方面并结合人口统计学特征选择12个特征变量,构建机会型创业影响因素框架。在此基础上,基于全球创业观察数据库,运用XGBoost算法预测机会型创业并判别关键影响因素,将预测结果与3种机器学习算法进行比较。结果表明,基于准确率、精确率、召回率和F1值4个评估指标,XGBoost算法可以较好地预测机会型创业,优于逻辑回归、支持向量机和随机森林算法;创业自我效能、机会识别和关系感知是影响机会型创业的重要因素。聚焦新型创业研究,有助于拓展计划行为理论的适用边界和机器学习算法在创业领域的应用,为有效识别机会型创业和针对性培育机会型创业提供理论指导与实践启示。