基于PLS分析的中国互联网扩散影响因素研究

基于2000—2011年的时间序列数据,利用偏最小二乘法进行回归建模,对影响中国互联网扩散的因素进行了实证分析,研究结果表明:信息基础设施、经济水平、收入水平、上网设备、科技水平、教育水平、城市化水平、上网费用是影响中国互联网扩散的主要因素。基于2011年的31个省市的截面数据,利用变量投影重要性指标进一步分析了互联网发达地区和欠发达地区网络扩散的主要影响因素,结果表明移动电话普及率、人均可支配收入、电脑普及率是影响发达地区互联网扩散的前三位因素,移动电话普及率、人均GDP、城市化水平是影响欠发达地区互联网扩散的前三位因素。     

某工程车四向过道岔动力学性能对比分析

为破解国内疫情等多重因素交织影响下的高校大学生就业困境,提升其就业能力和就业质量,从学科理解力U、综合技能S、个人禀赋E和元认知M四个维度出发构建大学生就业能力评价指标体系,借助最小二乘法对主客观权重进行组合赋权的分析方法,实现对大学生就业能力的综合评价。研究发现,现阶段大学生就业能力整体水平适中,就业能力向上发展趋势不显著;其中创新能力、团队协作能力、分析能力和自我管理能力等因素是制约其提升的关键因素。基于研究结果,拟从提高毕业生综合技能、优化学科设置、完善就业市场、加强校企合作等方面探索其具体提升路径。     

基于SBM-overall模型的省际环境效率评价

文章首先通过SBM-overall模型,用1999~2010年我国各省市的面板数据,探究了对我国省际生产-环境效率的影响因素。得出的主要结论如下:我国总体效率偏低,特别是中西部地区,有较大的改进空间;我国各地区发展十分不平衡,生产-环境效率差异大;发展新能源、提高燃煤效率、提高第三产业的比重是提高效率的主要途径。     

逻辑函数绝对最小覆盖的改进算法

逻辑函数的绝对最小化算法存在的主要问题是运行时间过长和需要的存储空间过大,本文提出了一个从给定本源蕴源项集合中抽出一个绝对最小覆盖的算法,而时间空间的需求被大大地缩小了。     

我国区域创新空间关联的测度与分析——兼论区域创新网络结构的动态特征

区域创新水平、创新效率以及推动经济增长都不能忽视空间关联性影响。本文选用中国各省区1994²014年专利申请数据作为区域创新产出指标,运用最小生成树法测度,分析了中国区域创新空间关联关系,以及中国区域创新网络结构的动态特征。主要研究结论有:(1)中国区域创新活动具有明显的空间关联性,并随着时间的推移显著增强。(2)我国区域创新空间集聚现象不断加剧,逐步形成东、中、西的三大创新活动板块。(3)东、中、西三大板块在知识流动中的分工更加凸显。东部板块主要承担着中国创新增长动能的发动机功能;中部板块主要充当着中国创新增长动能的"桥梁"功能;西部板块则主要发挥创新增长动能的接收功能。     

语义何以足够最小:非语境敏感语义学的新进展

针对语义研究主流的语境主义倾向,H·卡培朗和E·勒珀尔提出了非语境敏感语义学,也称为"语义最小论",认为一个句子一经说出就具有一个不受语境影响的最小语义内容。E·博格和G·普雷尔则在坚持句子语义最小论的基本立场上进一步提出了"语义如何足够最小"的问题,在严格区分意图行为与语义内容、坚持命题主义立场、索引词类型的概念模型建立等方面做了新的理论尝试,力图说明句子的语义内容完全由其句法结构和词项内容所触发,与意图、情境等因素无关。这一理论新进展,值得讨论。     

合作社提高了种植户的增收能力吗？——来自陕西省600户苹果种植户的经验证据

依据组织参与程度将种植户分为非社员、普通社员和标准化社员三类,利用600份苹果种植户调研数据,采用偏最小二乘回归法分别从整体和群组视角分析了苹果生产经营行为对种植户增收能力的影响。结果表明：种植户的生产经营行为会对其增收能力产生影响,这种影响在三种类型种植户间存在显著差异;果园管理、农资采购、技术获取、品质管理和销售管理行为选择是影响种植户增收的关键因素;果园管理对非社员增收能力有显著负向影响,对其他两类种植户的影响不显著;技术获取对三种类型的种植户增收能力均有显著正向影响;农资采购、品质管理、销售管理对普通社员和标准化社员增收能力有显著正向影响,对非社员的影响不显著。因此,政府在政策的制定中,应充分考虑到异质农户的现状和实际需求。     

Knight 不确定与随机汇率下外商投资决策

在奈特不确定及机制转换环境下研究了汇率变动对跨国投资决策的影响。首先,通过It?公式,推导得出机制转换环境下利润流的动力学方程。其次,利用最大最小期望效用(α-MEU ) 偏好模型对项目投资期望值进行了刻画。再利用随机分析方法推导出在奈特不确定及机制转换环境下考虑汇率变动的项目预期价值公式及利润流临界现值。最后,对结果进行数值模拟,分析了不同参数对跨国投资的影响。     

数据降维与K-均值聚类的质量评估

聚类分析在大数据时代应用广泛,但缺乏直观评价聚类质量的有效方法。为此,提出一种具有数据降维和搜寻数据固有聚类数量的处理模式。在数据散射矩阵基础上构造一个增广矩阵,利用线性辨别分析将高维数据变换到最具辨别性的低维特征子空间以实现数据降维。为解决分区聚类算法的随机初始化问题,提出最小-最大规则,避免出现空聚类并确保数据的可分性。对于聚类的结果,计算每个聚类的轮廓系数,通过比较轮廓的尺寸以评价不同聚类数量情况下的聚类质量。对K-均值算法的仿真结果说明,这种处理模式不仅能够可视化确定未知数据所固有的聚类数量,而且能为高维数据提供有效的分析方法。     

求最小生成树的一个算法

本文绘出了形象、直观、易理解的求最小生成树的一个算法,并对算法的正确性进行了证明。