国际产业转移、空间溢出与全要素生产率

文章应用索洛余值法,基于2000—2018年的面板数据测度了京津冀地区的全要素生产率(TFP),并构建反距离权重矩阵的空间滞后模型(SLM)与空间误差模型(SEM),运用空间回归模型偏微分方法对国际产业转移的空间技术溢出效应进行解析。实证结果表明:京津冀地区全要素生产率存在负向空间溢出效应,全要素生产率较高的地区对邻近地区有负向影响;国际产业转移与本地区全要素生产率呈负相关关系,其对相邻地区的空间溢出效应尚未形成;从直接效应看,研发投入、人力资本、基础设施与经济密度指标均对本地区全要素生产率产生正向影响,产业结构对本地区全要素生产率的影响为负;从间接效应看,仅人力资本指标对邻近地区全要素生产率呈显著负向影响。     

多措并举 加强离退休干部党支部建设

石家庄市委老干部局认真贯彻《中国共产党支部工作条例(试行)》,结合老干部工作特点,采取多种措施加强离退休干部党支部建设,提升离退休干部党建工作水平。一是创新党组织设置和活动方式。按照“利于活动、便于管理、应建尽建”的原则,科学合理设置党组织。目前,全市有离退休干部党员参加的党支部1065个,其中单建离退休干部党支部175个,离退休干部党组织达到了全覆盖。     

地方审计机关产出差异的决定因素——基于回归方程的分解分析

以1997—2009年我国地方审计机关为样本,首先估计了地方审计机关的产出决定方程,然后运用基于回归方程的分解方法,对地方审计机关产出差异进行分解,确定了地方审计机关产出差异的决定因素。研究发现:我国地方审计机关产出差异的决定因素中,全要素生产率的贡献达到61%,资本投入的贡献次之,为29%,而审计人员的贡献仅占9%左右。可见全要素生产率是导致产出差异的最重要因素,资金投入次之。     

消费者导向类型与电商全渠道决策研究

从现实出发，基于不同消费者导向类型研究了电商的全渠道决策问题。首先建立电商单渠道销售的基础模型，并得出最优产品组合、价格和交付时间。在此基础上，给出了消费者为产品导向型和渠道导向型情况下电商采取全渠道决策的条件，得出双渠道产品组合、价格及交付时间的最优决策；并进行了数值验证。研究发现，同一渠道提供的产品其最优价格相同，最优交付时间只和消费者耐心程度及交付成本函数有关。若消费者为产品导向型，仅当双渠道运营成本之差较小且消费者耐心程度较低时，电商进入线下渠道才有利可图，且在线下渠道提供最受欢迎的产品，线上渠道提供剩余产品。若消费者为渠道导向型，电商进入线下渠道必然有利可图，且在线下渠道提供最受欢迎的产品，线上渠道提供所有产品。     

论刑事辩护全覆盖的保障

随着2017年10月《关于开展刑事案件律师辩护全覆盖试点工作的办法》的出台,刑事案件辩护全覆盖试点工作率先在北京、上海、浙江等8个省(直辖市)开展了积极的探索。审判阶段刑事辩护全覆盖对提高我国刑事案件的律师辩护率、对人权保障和司法公正具有重要意义。目前刑事辩护全覆盖试点工作取得了一定的成效,但一些试点地区对辩护律师的认识还存在着偏见,刑事辩护全覆盖对律师数量以及辩护质量等方面也提出了诸多挑战。我国在今后的司法改革过程中应充分吸纳试点地区经验和教训,结合我国的司法现状,采取消除观念偏见、逐步增加律师资源数量、稳步提升律师辩护质量、加强对律师执业权利的保障以及探索资金来源多层次化等保障措施来逐步实现刑事辩护全覆盖。     

汇率货币模型的非线性协整关系检验——基于深度GRU神经网络

本文采用深度门控循环单元（GRU）神经网络探讨三种汇率货币模型（弹性价格、前瞻性和实际利率差模型）的非线性协整关系。GRU技术在深度学习中具有智能记忆、自主学习和强逼近能力等优点。为此，本文运用该技术对6组典型浮动汇率制国别数据进行了非线性Johansen协整检验。结果表明，汇率与宏观经济基本面之间存在非线性协整关系，从而说明了货币模型在非线性条件下的有效性，以及先进的深度学习工具在检验经济理论中的优势。     

零售4.0时代先行发货问题的大数据分析

在零售4.0时代，渠道的多样化不仅丰富了数据源，还能迅速生成大量数据，需要通过分析大数据，为决策提取有意义的信息，通过分析先行发货的重要性，提出了一种基于遗传算法（GA）的优化模型，预测顾客何时购买，然后在顾客线下单前将产品运送到距顾客最近的配送中心，解决先行发货中存在的问题。研究认为，需要先部署云计算来存储所有渠道生成的大数据，再应用基于集群的关联规则挖掘研究顾客的购买行为，根据“如果-那么”预测规则预测未来的采购情况，最后利用修正的遗传算法生成最优的先行发货计划；这种遗传算法考虑了其在运输成本和运输距离之外，还有预测规则的置信度，利用大量的数值实验权衡了先行发货中的不同因素，验证了模型的最优可靠性     

一元整系数多项式一个结论的推广应用

将一元整系数多项式有理根的一个结论在多元多项式上进行了推广,从而得到多元多项式因式分解的一种方法。