全文获取类型
收费全文 | 994篇 |
免费 | 41篇 |
国内免费 | 14篇 |
专业分类
管理学 | 140篇 |
劳动科学 | 2篇 |
民族学 | 4篇 |
人才学 | 1篇 |
人口学 | 17篇 |
丛书文集 | 138篇 |
理论方法论 | 40篇 |
综合类 | 505篇 |
社会学 | 58篇 |
统计学 | 144篇 |
出版年
2024年 | 25篇 |
2023年 | 113篇 |
2022年 | 46篇 |
2021年 | 41篇 |
2020年 | 48篇 |
2019年 | 45篇 |
2018年 | 30篇 |
2017年 | 37篇 |
2016年 | 62篇 |
2015年 | 66篇 |
2014年 | 121篇 |
2013年 | 102篇 |
2012年 | 126篇 |
2011年 | 94篇 |
2010年 | 69篇 |
2009年 | 12篇 |
2008年 | 7篇 |
2007年 | 2篇 |
2005年 | 1篇 |
2002年 | 2篇 |
排序方式: 共有1049条查询结果,搜索用时 15 毫秒
101.
102.
基于经济批量订货的思想,对冷链产品的制造商订货模型进一步深化,构建了不存在碳排放上限且不考虑碳交易机制、存在碳排放上限但不考虑交易机制、考虑碳交易机制订货模型,并主要通过数值分析的方法进行研究。结论表明:在不同的碳交易规制的环境下,需要对采购的策略(订货批量,订货周期)做出较大的调整来重新达到订货总成本最优,基于碳交易规制的订货模型具有更低的成本。另一方面,通过碳交易机制的方式实现有效的碳减排效果是有条件的,在不同的外界环境条件下,应该采用不同的碳规制措施和方法才能够有效降低碳排放量。 相似文献
103.
发展数字经济是有效降低城市碳排放强度的重要抓手。利用2016—2020年中国223个地级市面板数据,实证研究了数字经济发展对城市碳减排效应的影响。研究发现:数字经济发展能够降低城市碳排放强度;数字经济发展通过提高能源环境效率和推进产业结构高级化、合理化等渠道降低城市碳排放强度;战略性新兴产业创新能力加强了数字经济发展对碳排放强度的抑制作用。数字经济发展在降低城市碳排放强度的进程中存在双重门槛,只有在数字经济发展超过特定门槛值时,碳减排效应才会显著,且其效应呈现出递减特征。异质性分析表明,数字经济发展能降低非中心城市和非资源型城市碳排放强度,但对降低中心城市和资源型城市碳排放强度的影响不显著。因此,政府应积极抓住大数据、云计算、人工智能等“新基建”的发展机遇,夯实数字经济基础底座,实现城市碳减排。 相似文献
104.
为降低工业化、城镇化进程给河北省环境带来的负面影响,基于STIRPAT模型和灰色关联度模型,考虑河北省主要地市碳排放量与其影响因素的相互关系,结合2005—2020年河北省碳排放相关数据,采用岭回归和情景分析法,建立了基准发展、宽放发展和绿色发展三个情景,对2021—2030年河北省的碳排放量和强度进行预测。结果表明:科学技术支出和人均GDP是影响河北省城市碳排放量增长的主要因素,地区常住人口总量、规模以上企业能源消耗及使用外资金额等因素对碳排放量的影响效应相对较弱。河北省2030年在基准发展情景下碳排放量为5.26亿吨,宽放发展情景下碳排放量为5.73亿吨,绿色发展情景下碳排放量为4.65亿吨。三种情景下的河北省城市碳排放强度均呈现下降趋势。 相似文献
105.
106.
本文利用拔靴全样本因果关系检验和分样本滚动窗口检验方法检定中国城市化和碳排放之间的动态因果关系。利用中国1949-2013年度数据,拔靴全样本因果关系检验证实中国城市化是碳排放的格兰杰原因,而碳排放不是城市化的格兰杰原因。但在考虑结构突变的情况下,检验自回归模型参数稳定性的结果表明用全样本数据估计的城市化水平和碳排放量在整个样本期间内并不存在稳定的协整关系,城市化水平和碳排放之间的长期和短期关系在整个样本期间并不稳定。这意味着全样本因果关系检验并不可靠。随后利用拔靴滚动检验来求证两个变量间的动态因果关系,以30年作为一个滚动窗口,结果表明从1990年到1992年间城市化是碳排放的格兰杰原因,城市化对碳排放有微弱的正面影响,从1999年到2001年城市化开始对碳排放产生负面影响。除此之外大部分年份城市化不是碳排放的格兰杰原因。1980年到1988年期间,碳排放是城市化的格兰杰原因,碳排放对城市化有正面影响。除此之外大部分样本期间内,碳排放不是城市化的格兰杰原因。 相似文献
107.
108.
109.
《云南民族大学学报(哲学社会科学版)》2020,(3):88-95
使用PVAR模型和VAR模型,从经济、社会、能源三个维度,分析1997~2015年民族地区碳排放的影响因素和发展趋势。PVAR模型方差分解结果表明,当前民族地区碳排放的主要驱动因素为经济发展水平、人口规模和能源消耗量;与结构型指标相比,数量型指标对民族地区碳排放的驱动作用更显著。VAR模型方差分解结果进一步证实,结构型指标是未来民族地区碳减排的关键驱动因素,且作用强度逐年增加,但不同省份碳排放驱动因素的作用路径和贡献强度存在差异,各地区应根据其碳排放的重点影响因素和传导路径,采取差异化减排措施,建立低碳发展长效机制。 相似文献
110.