基于灰色关联度的陕西省人才环境指数的测度

文章在构建陕西省人才指数与人才环境指标体系的基础上,通过计算陕西人才指数与人才环境各指标的灰色关联度,找出了影响人才指数的人才环境主因子,并由此给出了测度陕西人才环境指数的一种新方法。利用该方法,文中给出了这一指数的具体计算结果。     

行为难题的一种解释

如何正确认识和把握人的行为一直是困扰行为科学和管理研究的难题之一，迄今为止对行为的产生机制仍没有一个合理完满的解答。本文在对各种行为现象的大量观察和分析的基础上，系统地归纳和界定了行为难题的内含；而后又利用了马斯洛（Ｍａｓｌｏｗ，ＡｂｒａｈａｎＨ．）需求层次的观点，提出了价值函数的概念，并以此为基础给出了行为难题的一种解释，提出了管理者正确认识和把握行为，从而实施有效管理的新思路     

基于灰色关联的西部煤炭产业集中度影响因素研究

在概述西部原煤产量及其矿井类型与数量变化趋势的基础上,利用2003-2010年相关时序数据测度了西部煤炭产业在这一时期的集中度。随后,运用灰色关联理论,分析了期初集中度、生产扩张能力、进入壁垒、市场容量等相关因素与西部煤炭产业集中度的灰色关联程度。研究表明:期初集中度与市场容量是影响西部煤炭产业集中度诸多因素中最为重要的两个因素。在进一步分析产生这一结果深层原因的基础上,提出了提高西部煤炭产业集中度的政策建议。     

人才环境及基于神经网络的陕西经济发展预测模型研究

利用多层前馈神经网络的反传算法(BP算法),在建立陕西人才环境评价指标体系的基础上,采用MATLAB软件建立了人才环境与经济发展关系的神经网络模型,映射出各年人才环境指标与人均GDP指标之间的函数关系,此BP神经网络可以成功地根据陕西人才环境指标对经济发展进行预测。     

基于支持向量机的住宅消费预测研究——以杭州为例

针对目前用于住宅消费预测中的神经网络模型存在模型结构较难确定以及过学习等问题，提出了一种基于支持向量机的住宅消费预测新方法。用1998—2008年杭州城镇居民的住宅消费数据组成样本集，前8个样本作为训练集，后3个样本作为检验集，分别建立SVM模型和神经网络模型，比较两种模型的预测效果，结果表明：基于支持向量机的城镇居民住宅消费预测模型具有更高的预测精度。     

人力资源的测度及其在生产函数中的应用——以陕西省为例

测度一个地区人力资源的储量对合理开发本地区人力资源以实现经济长远发展具有重要的现实意义。通过大量数据调查,构建了陕西省人才资源指数体系,测定陕西省人力资源的存量,进一步利用永续盘存法测算了陕西省各期资本存量,在此基础上给出了陕西省生产函数的确切表达。分析表明：陕西省在1982-2004年期间的生产函数是规模报酬递增的,并且经济发展呈资本拉动型状态,人力资本对经济发展的支撑与拉动作用微弱。     

我国公债债务负担及其合理数量界限的实证分析

在国债的不同发行方式与偿还条件下,建立了国债若干负担指标与国债要素（发行规模、利率与期限结构）之间的准确的数量关系。由此给出了上述各种情况下国债规模与利率的合理数量界限,这是一个相对于国民收入的数量界限。利用模型并结合国民收入、税收与财政收支总额的历史数据给出了国债若干负担指标１９９８—２０１０年的预测值     

基于情景分析的区域经济社会低碳发展路径研究——以陕西省为例

在区域层面上因地制宜地构建经济社会低碳发展路径,对于中国实现2020年碳减排目标具有至关重要的作用。基于1990-2009年间的时间序列数据,运用扩展的STIRPAT模型和岭回归模型分析了人口、经济增长、城市化、产业结构、技术进步、能源消费结构等因素对陕西省碳排放的影响,并通过设置9种不同组合情景,预测了2011-2030年陕西省能源消费碳排放发展变化趋势,提出保持经济社会适度发展,同时加大产业结构调整力度、大力推进技术进步并有效促进能源消费结构优化,是实现陕西省经济社会低碳发展的有效路径。研究表明,大幅提高各种碳排放抑制因素的减排作用并取得其协同效应,保持碳排放促进因素与抑制因素的均衡是区域经济社会低碳发展的关键。     

人力资源利用效度的实证研究 --以陕西省为例

通过构建人力资源指数体系,精确地测算出陕西人力资源的利用效度,并在此基础上,进一步分析了导致陕西人力资源利用效度低下的原因.结论表明科研领域经费投入不足,科研院所对企业支撑与拉动作用微弱,科研项目中应用性研究项目过少,科技产品的转化能力低下以及专业技术人员中工程技术与科学研究人员的数量不足等五个方面的原因共同导致了陕西人力资源利用效度的相对低下,进而提出了相应的政策建议.     

混合并购的期权评价模型研究

在一组适当的假定下,构建了未来发展前景具有很大不确定性的一类企业混合并购的期权评价模型,并给出了其精确的定价公式。模拟结果表明,并购该类企业并等待进一步投资的机会价值相当之大,应成为决策者在并购过程中考虑的重要因素。