全文获取类型
收费全文 | 182篇 |
免费 | 2篇 |
专业分类
管理学 | 47篇 |
民族学 | 1篇 |
人才学 | 3篇 |
人口学 | 2篇 |
丛书文集 | 11篇 |
理论方法论 | 1篇 |
综合类 | 64篇 |
社会学 | 7篇 |
统计学 | 48篇 |
出版年
2023年 | 2篇 |
2022年 | 4篇 |
2021年 | 2篇 |
2020年 | 2篇 |
2018年 | 2篇 |
2017年 | 2篇 |
2016年 | 4篇 |
2015年 | 7篇 |
2014年 | 23篇 |
2013年 | 14篇 |
2012年 | 15篇 |
2011年 | 23篇 |
2010年 | 12篇 |
2009年 | 11篇 |
2008年 | 12篇 |
2007年 | 12篇 |
2006年 | 7篇 |
2005年 | 10篇 |
2004年 | 5篇 |
2003年 | 5篇 |
2001年 | 3篇 |
2000年 | 1篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1993年 | 1篇 |
1991年 | 1篇 |
1987年 | 1篇 |
排序方式: 共有184条查询结果,搜索用时 218 毫秒
1.
2.
郑永冰 《辽宁工程技术大学学报(社会科学版)》2008,10(4):357-359
为探讨中国粮食产量的变化规律及趋势预测问题,采用配分函数方法,判定了1949年以来粮食总产量时间序列的单分形特征,并利用分析方法确定一个代表粮食产量变化趋势的时间序列的幂,从而得到预测粮食产量变化趋势的分形方法。根据历史资料,用此方法对中国粮食产量的变化趋势进行了短期预测,得到了变化方向上的一个估计结果。 相似文献
3.
基于中国高标准农田建设政策分区域推进的准实验条件,利用2006—2017年30个省份的平衡面板数据,运用双重差分模型实证检验了高标准农田建设政策对粮食总产量的影响。结果显示:高标准农田建设政策对粮食增产有显著的积极效应,但影响效应具有滞后性,直到政策规范实施后的2013年才出现。作用机制分析表明:政策实施的粮食增产效应是在未挤占经济作物播种面积的条件下,通过激励农户提升粮食复种指数,扩大粮食播种面积而实现的。进一步研究发现,耕地适度规模经营有助于发挥政策的粮食增产效应,且在农地流转率、劳动力转移率及机械化水平更高的地区有更好的政策表现。 相似文献
4.
《吉林大学社会科学学报》2017,(1)
梳理和分析我国现行的农业补贴政策,并从理论上分析农业补贴政策对粮食产量和农民收入增长的影响机制。在此基础上,将我国18个省份(12个粮食主产区、6个非粮食主产区)分成三个地区组,建立六个动态面板数据模型,研究农业补贴对粮食生产和农民收入的影响效应。理论分析和实证研究表明:1)农业补贴通过促进农业技术进步、减少生产成本、提高种粮积极性等途径提高了粮食产量。在粮食主产区和非粮食主产区,农业补贴对粮食产量的提高均有显著的促进作用,非粮食主产区的边际效应略强。2)农业补贴主要通过促进农业产出增长、增加农民转移性收入和推动农村劳动力转移等途径提高农民收入。三个地区组农业四项补贴的增收效应均是显著的,低产值的粮食主产区和非粮食主产区边际效应较大。 相似文献
5.
使用安徽省1990-2011年的统计资料,以近20年来耕地数量变化状况扣粮食生产安全为研究对象,同时计算最小耕地面积和压力指数,并运用GM(1,1)灰色理论对人均耕地面积、最小人均耕地面积和压力指数进行预测。结果表明:(1)安徽省研究期内耕地总体上不断减少,前期持续下降,后期耕地面积有所增加;安徽省粮食产量总体上在波动中呈增长趋势,尤其2004年以来增长幅度较大;最小人均耕地面积和压力指数变化幅度不明显。(2)GM(1,1)灰色模型预测表明,自2011年至2017年的7年里,安徽省实际人均耕地面积、S一和耕地压力指数随经济发展均不断减小.但对于粮食安全生产压力不大。 相似文献
6.
7.
本文明确指出了粮食产量抽样调查是国家对县级粮食生产统计方法制度的重大改革,详细地分析了汤原县粮食产量抽样调查的新特点、存在的问题和产生问题的原因,论述了粮食产量调查在宏观调控中的重要地位和作用,提出了操作性很强的粮食产量抽样调查相应对策。 相似文献
8.
《山西农业大学学报(社会科学版)》2016,(3):166-170
利用灰色关联分析方法,对包括农林牧副渔业从业人员、高中以上文化程度人员数占农村从业人员比例、年末农业机械总动力等在内的影响河北省粮食产量的9个因素进行分析,分析结果表明:影响河北省粮食产量的因素按照影响程度依次为年末农业机械总动力、化肥使用量、农药使用量、高中以上文化程度人员数占农村从业人员比例、农用塑料薄膜使用量、有效灌溉面积、受灾面积、粮食播种面积、受灾面积,并在此基础上提出提高河北省粮食产量的建议。 相似文献
9.
在粮食产量预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低.文章将支持向量机回归(SVR)与粒子群优化算法(PSO)相结合,提出了适用于小样本量学习的PSO-SVR粮食产量预测模型.实例结果表明,PSO-SVR模型预测误差率优于BP神经网络模型. 相似文献
10.