中国物流业环境全要素生产率增长研究——基于MML生产率指数的实证分析

将能源消耗引入投入变量, 以碳排放为副产出, 运用基于松弛测度(SBM)的方向性距离函数, 构造共同边界—曼奎斯特—卢恩伯格(MML)生产率指数, 测度2003—2012年中国30个省份的物流业环境全要素生产率。研究表明:中国物流业的环境全要素生产率增长缓慢, 增长动力主要源于技术进步, 能源、劳动力、资本等生产要素的利用效率无明显改善, 物流业存在高能耗、高投入、增加值产出低、污染排放高的现象。中国东部、中部、西部地区存在明显的技术落差, 东部地区依靠技术进步处于潜在技术前沿, 西部地区形成了对东部地区的追赶效应, 但中部地区与技术前沿的落差逐渐拉大。认为, 大力提高生产要素的利用效率, 加快东部地区向中部、西部地区的技术转移与扩散, 应成为物流业发展的重点。     

基于交互式迭代算法的中国碳减排目标分配研究

众所周知,温室气体的大量排放会引起气候变化和全球变暖等环境问题。其中,二氧化碳作为影响最大的温室气体,主要产生于人类活动。应对气候变化需要来自于全球各个国家的共同行动与努力。作为经济高速发展的发展中国家,中国已于近几年成为世界最大的能耗国和碳排放国。为积极应对温室效应,中国政府计划采取强有力的政策措施,实现节能减排并逐步建立全国碳交易市场。为确保应对气候变化国家方案的切实贯彻实施,如何将全国碳减排目标在各省份间进行合理分配,至关重要。在效率分析的理论框架下,借助于方向性距离函数评价含有非期望产出（碳排放）的绩效表现,在此基础之上提出一种交互式迭代算法,合理有效地将全国碳减排总目标分摊为各省级目标。结果表明,受到地理环境、经济状况、产业结构等因素的共同影响,不同区域相应承担不同水平的减排任务。绝大部分沿海发达地区的省份和直辖市需要大幅减少碳排放量,而中西部经济区则期望减排比例较小。分摊结果不仅显示了方法的有效性和易操作性,也针对各典型区域如何推进可持续发展提供了启发性建议。     

员工持股计划抑制了企业非效率投资？

员工持股计划重启是我国资本市场助力企业维持人力资源禀赋、建立长效激励机制的一项重要制度安排。以2014—2018年沪深A股上市公司为样本，探究员工持股计划实施对企业非效率投资的影响。研究发现：员工持股计划并未达到抑制企业非效率投资的理想效果，反而加剧了企业的过度投资，但对投资不足的正向影响并不显著；在市场化程度欠发达地区，员工持股计划与非效率投资的正向效应更为显著；进一步分析发现在大股东定向受让、股东赠予方式下，高管认购比例能够显著抑制企业的过度投资。研究结论证实了当前我国员工持股计划长期激励效应不足的现状，为监管层完善相关制度提供了理论支撑，同时对投资者决策具有一定的警示作用。     

The power of directional predictions in psychology

The vast majority of empirical hypotheses in psychology, or in the social sciences more generally, are directional whereas in other sciences, such as the physical sciences, there are more point or narrow-interval empirical hypotheses. Characteristics of theories and auxiliary assumptions play a role in the difference. Given that psychology research strongly features directional predictions, it is important to question the extent to which these provide convincing tests of theories that they are designed to test. The present work aims to provide a nuanced view that considers the complex interaction between the obviousness of directional predictions, the obviousness of the theory from which they derive, and the quality of the auxiliary assumptions that push towards directional predictions. Then, too, there is the related issue of vulnerability of directional predictions to alternative explanations and how to address them.