教育人力资本投资与农村家庭养老的相关性研究

通过对子女接受过高等教育的农村家庭调查问卷的数据分析,检验农村教育人力资本投资与家庭养老的相关性.研究发现,在人力资本投资的前期,随着家庭对子女高等教育投入的增加,教育支出与精神慰藉显著正相关,教育支出与经济回报、生活照料负相关,教育支出与家庭养老总回报的正相关但不显著.     

农户农地经营权流转及其行为效果分析——基于2003-2009年10省区835个农户的面板数据

使用2003—2009年间中国10个省区835个样本农户跟踪调研数据,在充分考虑个体"异质性"的影响条件下,通过构建具有关联系数的随机效应面板Biprobit模型,识别出影响农户农地流转的主要因素;运用面板多重内生性处理效应模型,估计出农户农地流转对其农业经营投资、生活消费支出和家庭纯收入的影响效果,有效解决了以往文献中所忽略的内生选择性问题和遗漏问题。研究结果表明:户主的年龄、上年实际经营农地面积等因素显著影响农地流转行为;农地流转行为对转包入和转包出农户农业经营投资、生活消费支出和家庭纯收入都产生显著影响,转包入农地使其分别增长了6.49%、-5.15%、7.68%,而转包出农地使其分别增长了-7.27%、9.34%、10.85%。     

金融冲击、股权结构与企业并购行为——基于GARCH模型视域

为探究金融冲击和股权结构对企业并购行为的影响机制,以2006—2017年深A股上市公司为样本,基于GARCH模型视域对金融冲击、股权结构与企业并购行为进行实证检验。研究表明:股市冲击、货币冲击及股权制衡度对企业并购行为具有显著促进作用,而股权集中度对企业并购行为具有显著抑制作用;货币冲击对非国有企业并购行为有显著正向影响,而对国有企业无显著性影响,汇率冲击对高负债水平并购行为具有显著正向影响,而在低负债水平下无显著影响;股权结构在金融冲击对企业并购影响过程中扮演部分中介传递效应。     

现收现付制、降低缴费率与经济增长——基于中国省际面板数据的经验研究

利用中国2001-2011年的省际面板数据资料,通过联立方程模型研究中国现行养老保险制度降低缴费率的经济增长效应,研究发现,中国实际上仍为现收现付模式的城镇社会养老保险制度,缴费率变化对个人储蓄率产生显著为负的影响,对居民对子女的教育投资比重的影响为正,但不显著,而个人储蓄率和居民对子女的教育投资比重对经济增长的影响都显著为正。当前养老保险制度通过降低缴费率对经济增长的净效应为负,降低缴费率有利于经济增长。     

代际关系对父母生活满意度影响的实证研究

利用江苏省农村千户调查数据,研究不同生育状况居民的生活满意度是否具有显著差异,以确定子女对父母生活满意度能够产生影响,并通过路径分析得出子女的生活情况、学习情况、教育质量、教育收费情况以及孝顺情况对父母生活满意度具有直接影响,而子女的工作情况以及子女陪伴父母的时间则对父母生活满意度产生间接影响。     

场景效应还是内容效应?——财经新闻、网络舆情对股市行情的实证检验

经济生活是个人日常生活的显性表达,人们的衣食住行与经济交易紧密相关,而交易与信息则密不可分,这也决定了信息对于个人生活的重要影响。通过VAR模型和基于格兰杰因果关系检验的时间序列模型探讨新闻热度、新闻情感和社交媒体热度对股指收益率的效应及影响机制。研究发现:新闻情感和社交媒体热度对股指收益率产生显著影响,而新闻热度却对股指收益率不产生显著影响;社交媒体热度不仅构成新闻热度的格兰杰原因,也是新闻情感的格兰杰原因;网络舆情的场景效应远超新闻媒体对股指收益率的内容效应。     

免费义务教育、父母外出务工与留守子女辍学

基于中国健康与营养调查(CHNS)数据,对农村留守子女初中阶段辍学行为的影响因素进行分析,并重点对父亲或母亲外出务工的影响差异进行了比较。结果表明:免费义务教育政策在较大程度上降低了留守子女的初中辍学概率,而父亲外出可以减少留守子女辍学率,母亲外出可能增加留守子女辍学率。此外,与那些父母受教育程度较低的留守子女相比,父母受教育程度越高的留守子女越不容易辍学,但家庭子女数和机会成本则会提高留守子女初中辍学概率。     

西部地区农民养老模式选择意愿的影响因素分析——基于有序Probit模型和结构方程模型的实证研究

基于微观调查数据,利用有序Probit模型和结构方程模型对影响中国西部地区农民养老模式选择意愿的因素进行了系统分析。研究发现：西部地区农民倾向于选择依靠家庭和自我相结合的养老模式。潜变量个人禀赋、家庭特征、认知程度对农民养老模式选择意愿的影响显著,而社区特征的影响不显著;可观测变量年龄、健康状况、文化程度、从事职业、家庭男孩数、家庭生活水平、是否听说过新农保、是否听说过商业养老保险等对农民养老模式选择意愿的影响显著,而性别、婚姻状况、个人年收入、家庭人口数、家庭女孩数、家庭劳动力数、家庭承包土地数、离最近公路距离、离最近县城距离等变量对农民养老模式选择意愿并无显著影响。     

购房意愿与家庭消费

目前,居民收入不平衡问题引起了人们的广泛关注,而购房意愿与家庭消费的关系和居民收入不平衡导致的住房攀比有关。基于相对收入假说,利用2010—2018年CFPS数据,从居民收入不平衡视角分析购房意愿与家庭消费的关系。首先,建立面板二值选择模型考察居民收入不平衡对家庭购房意愿的影响,研究发现,由于高收入家庭率先改善住房条件的行为会对低收入家庭产生示范效应,因此家庭购房意愿会因为周围人群住房面积扩大而增强,而家庭平均住房面积增大与居民收入不平衡紧密相关。因此,居民收入不平衡对家庭购房意愿存在显著的正向影响。其次,建立面板固定效应模型实证分析购房意愿增强对家庭消费的影响,回归结果表明,由收入不平衡导致的购房意愿增强会对家庭消费产生显著的抑制作用。为了比较不同收入群体购房意愿对家庭消费的影响,以家庭手存现金的中位数作为分组标志将家庭分为高收入家庭和低收入家庭,分组回归的结果显示,房价上涨背景下购房会强化低收入家庭的流动性约束,与手存现金多的家庭相比,手存现金少的家庭的消费受购房意愿的影响更大,对同期收入也更加敏感。最后,分别从长、短期提出逐步实现居民收入平衡增长和促进居民消费稳定增长的政策建议。     

投资者情绪累积效应与股票价格波动

投资者情绪与股票价格波动是行为金融领域的前沿问题。文章选取A股上市公司2011—2020年交易数据,构造一个全新的日频情绪指标,并基于该指标研究短期内投资者情绪的累积变化对股票收益的影响。结果表明：投资者情绪具有累积效应,该效应最初带来显著的正收益,但会在投资者情绪累积到一定水平后,引致较大的价格修正,这对难以套利的股票影响更为明显;高、低情绪的累积效应具有显著的非对称性,在持续的高情绪累积下,市场中的资金会涌入波动水平低、流动性好的资产;而在持续的低情绪累积下,资金会选择投机性更强的资产。     

社会经济不平等及其测度

对社会中普遍存在的不平等现象 ,人们很早就给予了关注和研究 ,并提出了可行的测度不平等程度的方法和指标。然而我们注意到 ,这些传统的研究成果所体现的不平等 ,主要集中在社会的“收入不平等”上 ,实质上也就是经济不平等的即时反映。但生活毕竟不只是生存问题 ,社会中的不平等远不仅是人们收入多少的差异 ,还有很多无法用货币或数值来表现的不平等 ,而这些往往是人们生活质量更深层次、更真实的反映。“社会经济不平等”概念的提出 ,跳出了“收入不平等”这个狭隘的思维体系 ,也为全面研究社会中诸多不平等现象奠定了新的基石。虽然这一…     

Neural networks and flexible regression and discrimination

Feed-forward neural networks—also known as multi-layer perceptrons—are now widely used for regression and classification. In parallel but slightly earlier, a family of methods for flexible regression and discrimination were developed in multivariate statistics, and tree-induction methods have been developed in both machine learning and statistics. We expound and compare these approaches in the context of a number of examples.     

Trimmed and Outer Means and Their Variances

Some properties of trimmed and outer means for the normal situation are considered; in particular, the mean of the outer half of the sample has the same variance as the mean of the inner half. An inequality involving variances of unbiased estimators of location and their complements is derived and some of its consequences are examined.     

Neural networks and flexible regression and discrimination

Feed-forward neural networks—also known as multi-layer perceptrons—are now widely used for regression and classification. In parallel but slightly earlier, a family of methods for flexible regression and discrimination were developed in multivariate statistics, and tree-induction methods have been developed in both machine learning and statistics. We expound and compare these approaches in the context of a number of examples.