城市金融网络、知识溢出与城市创新效率

文章利用金融行业企业总部分支机构数据,运用社会网络分析测度金融网络,借助DEA-Malmquist指数模型测度城市创新效率,分析城市金融网络、知识溢出与城市创新效率三者之间的关系。研究发现：城市间金融联系广度和强度显著上升,金融网络呈现东密西疏的“核心—外围”分布格局;金融网络的发育能够促进城市创新效率的提升,且不同地区存在异质性,东部地区和核心区域城市受到的影响更大;在网络外部性的作用下,金融网络通过促进空间知识溢出对城市创新效率的提高产生积极作用,网络邻近性对知识溢出效应的影响大于地理邻近作用。     

西部地区金融发展与城乡经济增长:基于1979～2010的经验数据

西部地区金融发展对整体经济增长有着重要影响,但金融发展各要素对城乡经济的拉动又有着明显差异。其中金融发展规模对城市经济的作用明显高于对农村经济的拉动,金融发展结构和城镇经济发展存在格兰杰关系,而金融发展效率指标与城乡经济增长的关系皆不明显。研究认为,提高金融发展效率、优化农村金融结构是促成西部金融发展与城乡经济增长和谐统一的重要政策导向。     

科技金融、技术创新与经济高质量发展

文章基于2005—2020年我国30个省份的面板数据,运用空间计量模型实证检验科技金融与技术创新对我国经济增长质量的总体影响。研究表明,科技金融提升了我国经济增长质量与效益,技术创新也发挥显著的积极影响,同时技术创新与科技金融的深度协同也能够促进我国经济高质量发展。进一步分析发现,科技金融与技术创新协同发展可以通过影响全要素生产率与市场运行效率、社会福利水平与共享经济成果、自然资源利用率与生态环境污染三个维度促进我国经济高质量发展,同时通过作用于经济结构与市场体系、国民经济素质与人力资本两个维度抑制我国经济高质量发展,而对于经济增长的稳定性与持续性影响并不显著。分区域观察,科技金融与技术创新的互动融合能够显著促进我国东部地区和西部地区经济增长质量的提高,但却抑制了中部地区经济高质量发展。     

西部金融中心建设：四川进行时

区域金融中心在提升城市和地区核心竞争力、促进经济持续快速发展等方面有重要战略意义。四川作为西部大省,建设区域性金融中心,以金融业撬动整个经济发展,缩小地区间差距,已成为西部地区迫切的任务。需要从改革创新、监督管理和金融功能区打造等多方面下功夫。     

创业质量与中国经济增长质量——基于省际面板数据的实证分析

基于2000—2016年中国省际面板数据,从效率、结构、稳定、环境、民生、分配等6个维度构建衡量地区经济增长质量的指标评价体系,然后实证考察了创业质量对经济增长质量影响的影响。研究结果表明:创业质量提升可以显著增加经济增长效率,促进产业结构升级,推动绿色发展水平,提高社会福利水平。不过,创业质量提升也一定程度降低了收入分配公平性。最后,在各种效应综合影响下,创业质量显著提升了综合经济增长质量。在新时期,决策者应不断优化营商环境,加强金融、人才、土地等要素保障,通过高质量创业带动经济增长质量提升。此外,决策者也要注重完善产业、社会保障等配套政策,避免新创产业发展对传统产业的冲击影响部分中低收入群体,从而推动经济平稳转型和高质量发展。     

数字金融、创新创业效应与区域经济增长——基于规模与质量视角的分析

文章利用2011—2021年中国284个城市的面板数据,基于经济规模和质量的视角探讨了数字金融对区域经济增长的影响,检验了创新效应、创业效应、创新创业效应在此影响过程中的作用机制,考察了数字金融对区域经济增长的门槛效应。研究发现：数字金融对区域经济增长的作用存在差异,对经济规模型增长的作用程度大于经济质量型增长,该结论在经过内生性检验和稳健性检验后依然成立,并且这种影响具有政策和区位的异质性;创新效应、创业效应和创新创业效应在数字金融促进区域经济增长的影响过程中起到部分中介作用;数字金融对经济规模型增长的影响呈边际效用递增的双门槛效应,对经济质量型增长的影响呈现“U”型特征的三门槛效应。     

基于StoNED方法区域金融效率的测算

文章运用随机非参数数据包络分析法测算了2004-2013年我国31省市的金融投入产出效率,实证分析结果表明:我国金融效率水平东部地区最高,西部地区次之,中部地区居后,东北部地区最低.全国各区域金融效率水平逐年提高,且各区域金融效率水平逐渐趋于平衡.因此,东、西部地区应在保持金融效率水平的前提下注重区域内的均衡发展,中部地区则应发挥相对集中的地理优势,以点带全,重点发展一两个省市为金融中心,辐射周边.东北地区则可依靠东部地区的金融资源促进其经济增长的同时,不断发展其金融水平和提高金融效率.     

数字经济、产业链创新与绿色全要素生产率

绿色全要素生产率作为兼顾绿色生态与经济发展的指标,是衡量地区经济增长质量的关键。文章基于2011—2021年中国285个地级及以上城市的数据,采用空间杜宾模型与中介效应模型,探讨了数字经济、产业链创新与绿色全要素生产率的关系。研究结果显示：数字经济对绿色全要素生产率具有显著正向影响,且该作用存在正向空间溢出效应;数字经济可以通过促进产业链创新间接推动绿色全要素生产率提升;数字经济对绿色全要素生产率的影响存在城市区位、规模、级别异质性,其中对东部地区城市、大城市和中心城市的影响更显著;数字经济子维度对绿色全要素生产率的影响存在差异,主要表现为数字金融的直接效应更大、互联网发展的间接效应更明显。     

科技创新、金融发展与产业结构升级——基于安徽省的实证

文章基于安徽省16个城市2010—2020年的统计数据,应用空间杜宾模型和门槛模型,检验科技创新、金融发展对产业结构升级的促进作用,以及金融发展在产业结构升级中发挥的具体作用。结果显示,科技创新能够显著促进产业结构升级,在经济距离空间权重矩阵下,经济关联度高的城市之间表现出相互促进的作用;金融发展能够显著推动产业结构升级,基于地理空间权重矩阵考察,空间正向溢出效应显著;科技创新能力作用于产业结构升级,受到金融发展水平的门槛限制,尚未发挥出帕累托最优的效果。     

知识产权保护与经济增长质量

为改变知识产权发展“大而不强”的局面,我国从2012年开始逐步实施知识产权示范城市建设政策,并不断扩大示范范围。本文以国家知识产权示范城市建设政策为准自然实验,基于我国2006—2018年267个城市的面板数据,运用渐进性双重差分模型系统考察了知识产权示范城市建设对经济增长质量的影响及其作用机制。研究发现,知识产权示范城市建设显著提高了城市经济增长质量,且这种促进作用具有持续性。机制检验结果表明,地方政府财政支出偏向的改变以及知识产权司法保护和行政保护力度的提升是重要的作用渠道。异质性分析结果显示,知识产权示范城市建设政策对东部地区城市、三线及以上城市、经济发展水平以及人力资本水平较高城市的经济增长质量促进作用更大。本文为我国进一步加强知识产权保护、深入实施知识产权示范城市建设政策、推动经济高质量发展提供了经验证据。     

Neural networks and flexible regression and discrimination

Feed-forward neural networks—also known as multi-layer perceptrons—are now widely used for regression and classification. In parallel but slightly earlier, a family of methods for flexible regression and discrimination were developed in multivariate statistics, and tree-induction methods have been developed in both machine learning and statistics. We expound and compare these approaches in the context of a number of examples.     

社会经济不平等及其测度

对社会中普遍存在的不平等现象 ,人们很早就给予了关注和研究 ,并提出了可行的测度不平等程度的方法和指标。然而我们注意到 ,这些传统的研究成果所体现的不平等 ,主要集中在社会的“收入不平等”上 ,实质上也就是经济不平等的即时反映。但生活毕竟不只是生存问题 ,社会中的不平等远不仅是人们收入多少的差异 ,还有很多无法用货币或数值来表现的不平等 ,而这些往往是人们生活质量更深层次、更真实的反映。“社会经济不平等”概念的提出 ,跳出了“收入不平等”这个狭隘的思维体系 ,也为全面研究社会中诸多不平等现象奠定了新的基石。虽然这一…     

Neural networks and flexible regression and discrimination

Feed-forward neural networks—also known as multi-layer perceptrons—are now widely used for regression and classification. In parallel but slightly earlier, a family of methods for flexible regression and discrimination were developed in multivariate statistics, and tree-induction methods have been developed in both machine learning and statistics. We expound and compare these approaches in the context of a number of examples.     

Trimmed and Outer Means and Their Variances

Some properties of trimmed and outer means for the normal situation are considered; in particular, the mean of the outer half of the sample has the same variance as the mean of the inner half. An inequality involving variances of unbiased estimators of location and their complements is derived and some of its consequences are examined.