中国对"一带一路"国家高新技术产品出口效率研究——基于随机前沿引力模型分析

对2007-2018年中国对"一带一路"沿线国家高新技术产品出口的面板数据运用随机前沿引力模型测算出口效率.结果表明:中国对"一带一路"沿线国家的高新技术产品出口效率有一定的提高,但存在整体效率不高、效率差距大、增长幅度小的特征.引起高新技术产品出口"非效率"的主要因素有进口国的班轮运输指数、货币自由度、政治稳定、自由贸易协定的签订等.研究结论对于中国优化对"一带一路"沿线国家高新技术产品出口政策具有一定的实践意义.     

信息不对称下价格随机的应急数量折扣契约研究

以市场需求和市场价格随机波动的二级供应链为研究对象，寻找其在信息不对称条件下绩效优化的路径。通过显示原理分别构建生产成本和销售成本信息不对称时应急供应链的数量折扣契约模型，得到最优订货量与最佳批发价策略。通过具体的算例加以验证，分析了信息不对称程度对供应链上成员及整个供应链绩效的影响。研究结果表明：当突发事件造成市场价格随机波动和市场需求变化时，供应链上的跟随者能从隐瞒私人信息中获利。但当市场需求增大时，整个供应链绩效受损，反之则反是。这与以往研究在市场需求随机、市场价格固定和信息不对称条件下的结论迥异。     

大数据背景下基于社交网络的聚类随机游走抽样算法研究

数字经济时代,社交网络作为数字化平台经济的重要载体,受到了国内外学者的广泛关注。大数据背景下,社交网络的商业应用价值巨大,但由于其网络规模空前庞大,传统的网络分析方法 因计算成本过高而不再适用。而通过网络抽样算法获取样本网络,再推断整体网络,可节约计算资源, 因此抽样算法的好坏将直接影响社交网络分析结论的准确性。现有社交网络抽样算法存在忽略网络内部拓扑结构、容易陷入局部网络、抽样效率过低等缺陷。为了弥补现有社交网络抽样算法的缺陷,本文结合大数据社交网络的社区特征,提出了一种聚类随机游走抽样算法。该方法首先使用社区聚类算法将原始网络节点进行社区划分,得到多个社区网络,然后分别对每个社区进行随机游走抽样获取样本网 络。数值模拟和案例应用的结果均表明,聚类随机游走抽样算法克服了传统网络抽样算法的缺点,能够在降低网络规模的同时较好地保留原始网络的结构特征。此外,该抽样算法还可以并行运算,有效提升抽样效率,对于大数据背景下大规模社交网络的抽样实践具有重大现实意义。     

带工期指派的产品服务系统订单随机调度问题研究

针对由一个制造工厂和多个区域服务中心组成的服务型制造企业，研究了考虑生产时间和服务时间均具有随机性且工期可指派的产品服务系统（PSS）订单调度问题。首先以最小化订单提前、误工和工期指派费用的期望总额为目标构建问题的优化模型，然后分析目标函数近似值的最优性条件，据此提出加权最短平均生产时间排序规则，并结合该规则与插入邻域局部搜索设计了启发式算法对问题进行求解，最后通过数值仿真验证算法的可行性和有效性。研究表明，提前费用偏差对PSS订单调度与工期指派决策的影响很小，因此企业管理者无需准确估计库存费用也能制定出比较有效的PSS订单调度策略；而工期指派费用偏差对决策结果的影响非常大，因此企业管理者在决策时必须谨慎估计该项费用。     

二项分布下基于鞍点逼近的总体成数置信区间的构造

面对总体成数置信区间的估计问题,可以采用二项分布下基于鞍点逼近的方法来构造总体成数的置信区间,这种方法为总体成数的区间估计提供了一种新的途径,将其和传统的区间估计方法比较,即正态近似法和枢轴量法进行比较。蒙特卡洛模拟和实例分析的结果为:在几种不同的置信区间构造方法中,小样本情况下,鞍点逼近方法构造的总体成数的置信区间长度相对较短,覆盖率最接近名义水平;大样本下,鞍点逼近方法整体表现最优。因此,可以得到鞍点逼近法对总体成数置信区间的估计较为精确,尤其是小样本情况下更为适用的结论。     

半参数空间ZISF的估计、分类与蒙特卡罗模拟

零无效率随机前沿模型（ZISF）包含随机前沿模型和回归模型，两模型各有一定的发生概率，适用于技术无效生产单元和技术有效生产单元同时存在的情形。本文在ZISF的生产函数中引入空间效应和非参函数，并假设回归模型的发生概率为非参函数，构建了半参数空间ZISF。该模型可有效避免忽略空间效应导致的有偏且不一致估计量，也避免了线性模型的拟合不足。本文对非参函数采用B样条逼近，使用极大似然方法和JLMS法分别估计参数和技术效率。蒙特卡罗结果表明：①本文方法的估计精度和分类精度均较高。随着样本容量的增大，精度增加。②忽略空间效应或者非参数效应，估计精度和分类精度降低，文中模型有存在必要性。③忽略发生概率的非参数效应会严重降低估计和分类精度，远大于忽略生产函数的非参数效应的影响。     

基于交叉效率DEA与群体共识的区间乘性语言偏好关系群决策

针对区间乘性语言偏好关系群决策问题，提出了一种基于交叉效率DEA和群体共识的群决策方法。首先，提出乘性语言偏好关系导出函数的定义，并构建产出导向的DEA模型，证明了一致性乘性语言偏好关系的DEA效率得分与排序向量之间存在比例关系。在此基础上，建立基于理想值的交叉效率DEA模型，提出乘性语言偏好关系的通用排序方法。同时，基于群体共识建立目标规划模型来计算各语言偏好关系的权重系数。最后，利用Monte Carlo随机模拟的方法对群体语言偏好空间进行统计分析，得到群决策期望排序向量及其可信度。算例分析表明本文方法能够有效的避免信息损失，具有较强的适用性和较高的可信度。