本文主要在於嘗試去解析中共改革開放後所採取的「梯度發展」的區域政策以及配合著該政策所實行的配套措施─外資、產業及財政政策等對於中共的「中央與地方關係」所產生的影響。本論文共分六章：第一章為緒論，主要說明研究的動機、過程與範圍以及研究的限制。第二章為理論探討，分為「區域發展」及「中央與地方關係」兩者。第三章為中共區域發展政策的分析：首先回顧改革開放前的區域發展政策及影響、然後介紹改革開放後的區域發展政策及各地發展策略、跟著指出「梯度發展」政策的配套措施─外貿、產業及財政方面，最後檢視在以上區別性的發展政策下各地發展的結果。在以上的前提下，筆者以各地人均國民收入的標準差來分析，發現改革開放後中國呈現著發展不均有逐漸擴大的趨勢。第四章則集中探討中共中央與地方的關係：區分為改革前、後兩個階段。改革開放前，中共在「保證中央的統一領導、充份發揮地方積極性」的原則下以前者為重心；在改革開放後，由於產權地方化及財權下放使得中央政府的財政支配能力下降，；而地方政府由於自足體系歷史和產權地方化使得地方政府與企業結合等使其權力增加，這種情形更配合區域發展政策下外資與地方政府的結合及產業結構趨同等背景下導致的諸侯經濟等情況而益形加重，使得中央與地方既有的「命令」關係轉變到「談判」關係。第五章的個案分析，則在東、中、西部各選取一個省級行政單位分別分析其區域發展政策及與中央的關係。首先分析三省的發展特色。另外就個別的發展特色、國民收入、財政包乾方式及財政收支等三方面來分析三省與中央的關係，可發現江蘇省與中央的關係中中央較有主導權，而湖北、新疆則呈現出地方較有具優勢。第六章的結論部份則指出由於國家在區域政策及配套措施方面採取「梯度發展」政策的結果同時，為了配合發展所採取的放權政策，使得原有的中央與地方的關係由原先的命令式轉為談判式，充份顯示了中央政府能力衰退與地方政府勢力勃興，更為中國未來的發展注入了變數。因此，筆者以為從經濟方面導致的問題似乎應當從經濟方面加以解決，可以從中心城市的確立著手→實行各地產業分工→區域市場的建立→經濟圈的發展方式→統一市場的形成，同時並配合中央政府在法律方面的健全及其他的一些相關措施，如分稅制與政企分離等。

本文從產業組織的觀點出發，強調廠商間之策略性互動、貿易政策及成本結構對產業內貿易、開放程度及貿易不均衡比例的影響。研究方法上，主要以Brander & Krugman(1983)、Dei(1990)與翁永和(1994)的模型，作為實證之理論基礎，並以1991年台灣與世界各國製造業的產業內貿易、開放程度及貿易不均衡比例為本文的研究對象。 　　實證結果顯示：(1)產業內貿易（G-L指數）：關稅障礙提高，明顯地使產業內貿易下降。而產業集中度及研發比例對產業內貿易都有顯著的正向關係。其他變數則多不顯著。(2)開放程度（進出口總值佔國內總需求的比例）：關稅障礙提高，對開放程度有顯著正向關係。廠商家數、產品異質性及資本密集度別對開放程度有顯著的負向關係。其他變數則多不顯著。(3)貿易不均衡（淨出口值佔國內總需求的比例）：對順差的產業而言，只有關稅障礙和廠商家數對其順差比例具解釋能力，表示關稅上升或廠商數減少會增加產業之順差比例。對逆差的產業而言，相對市場大小、關稅障礙及廠商家數對逆差比率具解釋能力，表示當外國相對本國市場擴大、關稅調降及廠商家數減少，會加深其貿易赤字。而對整體製造業來說，則相對外國市場擴大、成本競爭力下降及關稅障礙上升，會減少產業內貿易盈餘比例、增加貿易赤字比例。

本論文は，5章より構成されている。第1章では，機械学習の現状，応用及び構成を述べた上，本研究で扱った三つの課題を挙げた。第2章では，小サンプルデータの特徴選択方法を提案した。第3章では，クラスの不均衡性と学習データのサイズが分類器精度への影響を検討した。第4章では，ノイズが分類器の学習を妨げる問題点に対して，多要素ベースの学習に基づいた高速クラスノイズの検出方法を提案した。第5章では，分析の主な結果をまとめ，今後の課題と展望を述べた。 / This thesis is organized under five chapters. Chapter 1 gives a brief explanation of what machine learning is and why it matters. Chapter 2 makes a proposal to improve the performance of feature selection methods with low-sample-size data. Chapter 3 studies the effects of class imbalance and training data size on classifier learning empirically. Chapter 4 proposes a fast noise detector referring to the problems of noise detection algorithms, which are over-cleansing, large computational complexity and long response time. Chapter 5 draws a summary and the closing. / 博士(文化情報学) / Doctor of Culture and Information Science / 同志社大学 / Doshisha University