An evaluation of the childhood family structure measures from the sixth wave of the British Household Panel Survey

Summary.  The paper performs an evaluation of the data that were collected in the sixth wave of the British Household Panel Survey (BHPS) on childhood family structure. After comparing such data with a large number of studies by using external sources, we find that the BHPS data overestimate the proportion of people who report an experience of life in a non-intact family during childhood by about 10%. Although an explanation based on recall error that deteriorates with the age of the BHPS respondents is possible, the overestimation is likely to be accounted for by non-ignorable attrition that may affect most of the comparison studies based on longitudinal data. Conversely, comparisons with other independent measurements from the BHPS itself reveal that the wave 6 data underestimate the proportion of young people who have lived at least part of their childhood in a non-intact family by about 8%. The probability of disagreement between these two sets of measures is strongly associated with poor interview characteristics, which may affect the comparison measure more than the wave 6 measure. Despite such differences, there is therefore a substantial degree of similarity between the family structure information that was collected in the sixth wave of the BHPS and the host of highly diverse records against which it has been compared.     

Semiparametric linear transformation models for current status data

Current status data arise when the death of every subject in a study cannot be determined precisely, but is known only to have occurred before or after a random monitoring time. The authors discuss the analysis of such data under semiparametric linear transformation models for which they propose a general inference procedure based on estimating functions. They determine the properties of the estimates they propose for the regression parameters of the model and illustrate their technique using tumorigenicity data.     

城市蔓延与生产率:促进还是抑制? ——基于夜间灯光数据的分析

城市蔓延有利于提高城市生产率吗?文章首先从城市规模、城市人口密度两个方面阐释城市蔓延影响生产率的内在机理,基于长江经济带104个城市2002年~2013年夜间灯光数据,实证研究了城市蔓延的生产率效应,主要结论如下:1)城市蔓延对长江经济带生产率具有显著负向影响,意味着城市无序、低密度扩张阻碍了长江经济带生产率的提高.2)分区域研究发现,城市蔓延对东、中、西部地区城市生产率的影响为负,但对东部地区生产率影响最小,对中西部地区生产率产生较大影响.3)分产业研究发现,城市蔓延降低第二产业生产率的同时显著提升了第三产业生产率.4)考虑空间溢出效应的空间杜宾模型研究发现,城市蔓延影响生产率的直接效应与间接效应均显著为负,且间接效应远大于直接效应,意味着城市蔓延对长江经济带城市生产率的影响具有明显的空间溢出效应.     

重要数据跨境流动背景下风险路径的识别与分级

重要数据的跨境流动引发了数据安全、国家安全等风险挑战。风险路径的识别和分级是对重要数据跨境流动进行预警管理的重要内容。本文基于复杂网络中的二分网络模型,对重要数据的跨境流动进行研究。首先,通过重要数据跨境流动的二分网络和关联网络识别风险路径;其次,构建基于网络结构和接收节点属性的目标风险路径方法以计算其风险值;最后,对我国某重要行业跨境流动的数据开展实证分析,验证算法的有效性和精准度。本文旨在为重要数据跨境流动的预警管理提供量化方法,有效预防重要数据跨境流动带来的风险,提升我国数据治理能力。     

基于SRFML-Lift的流程制造产品质量状态监测

对流程制造型企业而言,产品质量状态的监测精度直接影响了企业的生产与运营成本。面对流程工业的多变量监测要求和数据不均衡性,以往研究主要采取局部建模策略或多输出模型,存在特征选择偏差和分类精度不高的问题。对此,本文设计了一种结合SRFML特征选择和Lift学习策略的质量状态监测模型,通过共享不同目标之间的信息以期提升模型的监测效果。首先,根据ReliefF过滤机制,引入重采样赋权思想对工业特征的选择过程进行优化(SRFML);然后,将选择结果作为Lift学习框架的输入,通过类属属性学习方式重塑各待监测特性的特有关联属性;最后采用多个SVM分类器进行训练,得到各目标的质量状态结果。结果表明,本文构建的SRFML-Lift充分学习了原始特征的关键信息,与其他组合策略相比,对质量状态的监测效果更佳,可应用于流程工业的生产管理实践。     

网红品牌的网络口碑大数据分析∗ ———以“奈雪的茶”为例

网红品牌的消费者评价形成用户生成内容(UGC),其衍生的网络口碑对网红品牌有极大的影 响。 以奶茶饮品中具有代表性的网红品牌“奈雪的茶”为例,利用八爪鱼数据采集器(v8. 0)爬取微博和 哔哩哔哩的 12 193 条有效文本评论,通过大数据分析,挖掘网络口碑的核心要素,探求网红产品对消费 者购买行为的影响。 研究发现,品牌和消费者是网红连锁店网络口碑的两大主题;结合问卷调查结果进 行对比验证表明,网络爬虫获取的消费行为数据能更准确地反映消费者内心真实情感。 研究结论显示, 产品品牌的口碑逐步从线下的口耳相传过渡到线上的网络传播;产品品质是网红品牌得以迅速爆红的根 本原因;网红品牌的市场增长驱动来源于年轻一代消费者;正面的网络口碑有助于提升网红品牌的美誉 度和知名度。     

基于用户技术接受模型的政府数据开放平台研究 ——以深圳政府数据开放平台为例

从用户使用视角出发,基于用户技术接受模型,以深圳市政府数据开放平台为例,设计14个观察指标,研究政府开放数据的有用性和易用性。深圳市政府数据开放平台具有开放有序、回应及时和激励正向三大特色,同时存在创设数据场景不丰富、获取数据资源途径单一、利用成果数量少及质量不高、平台用户评价不积极及参与度低等不足。据此,提出以用户需求为导向、提升用户数字素养、构建政府部门的激励约束机制和跨部门跨层级的协同机制等政策建议。     

数字化转型背景下油气开发生产组织新模式探索

智能化是强国战略的必备基础,也是企业转型升级的方向。随着大数据、云计算、人工智能和工业互联网等新兴技术蓬勃兴起,全球石油公司不断通过数字化转型以提高核心竞争力。智能化油气开发生产具有全面感知、自动操控、趋势预测、优化决策的特征。目前,我国油气开发生产数字化转型面临四个困境：各油气田硬件基础设施参差不齐、数据共享与业务协同处于较低水平、传统的油气开发生产模式不适应智能化条件、智能化油气田建设运行尚无统一标准可供借鉴。智能化油气田开发生产组织新模式应以业务协作共享、一体化智能协同为主要特色,积极实现操作巡检维护、开发生产管理、协同研究、经营管理与决策的一体化智能运营。     

个人数据损害的类型及其确定

依告知同意原则构建的个人数据保护制度面临着过度收集、擅自披露与滥用等问题的严重挑战。公权保护路径存在监管力度、范围及效力的局限性,而传统侵权法上的损害观念架空了数据主体的私法救济权利。因此,为保障数字经济的健康发展,必须扩张侵权法上损害的含义。法律上可予赔偿的个人数据损害应延及两类新型损害：数据主体遭受次生损害的风险,以及社会分选歧视、数据监控、自动化决策等造成的人格利益减损。在确定具体赔偿数额时,为解决风险与人格利益减损所产生的经济量化与举证责任之困境,《个人信息保护法》应采用知识产权法中广泛适用的法定赔偿制度。     

元宇宙赋能数字经济高质量发展:基础、机理、路径与应用场景

新时代中国经济由高速增长向高质量发展转变,数字经济的高质量发展是推动中国经济发展模式转变的重要途径。元宇宙以大数据、云计算、物联网、区块链等高新技术为基础,有效整合人才、资本、技术等生产资料,为数字经济的高质量发展提供可靠的技术支撑。数据成为数字经济的关键性生产要素,改变了生产要素的供应体系,能够提供海量可重复利用的资源,有利于数字经济的可持续增长。在元宇宙的作用下,资源配置的时空阻隔效应被打破,供需实现精准预测和匹配,要素组合效率和生产效率实现质的飞跃,资源配置实现帕累托最优,数字经济效益显著提升。依托数字货币构建的去中心化交易支付系统以及区块链辅助构建的低信用成本、优质信用环境的平台,元宇宙为数字经济发展构建了便捷的支付方式、安全的交易环境、完善的信用体系与良好的竞合关系。在开源思维、共享理念、通证技术的支撑下催生出通证经济、开源经济和元宇宙经济等新兴数字经济业态,数字经济不断进行横向聚合和纵向延展性扩容。数字经济的边际成本逐渐变成沉没成本,在消费引导供给的模式下数字经济发展模式从规模经济向范围经济转变,其发展空间得到拓展,促进了数字经济的质变与量变。数据作为关键性生产要素渗透到数字经济的全行业和全产业链,既促进数字经济向智能化、高级化和众包化转型,又充分释放生产端和消费端之间的市场潜力,同时,通过对大数据的深入挖掘,构建企业最佳生产路径,从而达到节能降耗、低碳绿色发展的目标,推动数字经济与元宇宙的深度融合。元宇宙赋能数字经济的高质量发展契合了创新、协调、绿色、开放、共享的发展理念,在高端制造、医疗健康、智慧农业等方面具有广阔的前景,为供给侧结构性改革开辟出新途径,为实现我国数字经济的高质量发展提供新思路。目前,在元宇宙赋能数字经济高质量发展的过程中还存在两者融合不平衡不充分、核心技术和智能装备不足、重商业娱乐应用轻核心产业发展以及运用安全等问题,未来需要突破关键技术的短板,培育元宇宙与数字经济深度融合的样板以及优势产业集群,向民生保障、国家战略产业、高端制造业等方面深入,为中国制造向中国智造、制造大国向制造强国的转变奠定基础。