经济指数的固定组成指数和结构变动影响指数

经济指数的可变组成指数、固定组成指数和结构变动影响指数的概念,五十年代初就从苏联引进我国,但长期停留在纯理论的探讨,在实际工作中并未作具体的应用和计算。本文拟从基本概念出发,对教科书中的一些习惯说法提出自己的不同看法,供进一步讨论。 一、关于固定组成指数与可变组成指数的关系 经济指数一般可分为总量指标指数,数量指标指数和质量指标指数。它们之间的联系为:总量指标指数=数量指标指数×质量指标指数。其中数量指标指数,还可分解为数量指标指数和质量指标指数;质量指标指数可分解成固定组成指数和结构变动影响指数。即数量指标是总量指标的数量指标;质量指标是在总量指标和数量指标的基础上计算的统计平均数,客观上并不存在与数量指标完全相脱离的质量指标。以商品零售总额指数为例,由于商品零售额=商品零售量×零售平均价格,故商品零售总额的指数体系为:     

基于DEA和SFA方法的中国省区灌溉用水效率比较研究

文章利用1997～2006年31个省区的面板数据,采用随机前沿分析(SFA)和数据包络分析(DEA)方法对中国宏观层面的灌溉用水效率进行了测度;在此基础上利用配对样本t检验和Spearman相关检验比较分析两类方法的效率估计得分。结果表明了虽然规模收益不变假设下的DEA效率值显著小于SFA效率估计值,但两种方法所测算的灌溉用水效率排名具有显著一致性。     

关于综合指数体系问题的讨论

综合指数体系作为一种分析方法,在统计学原理中占有重要的地位。几年来,人们对综合指数体系尽管作了许多有益的探讨,努力进行了改进,但问题仍然存在:本文试图把综合指数体系问题的来龙去脉作一概述,反映当前的讨论状况。直到七十年代后期,人们一般是用综合指数体系来分析质量指标和数量指标变动对总体变动的影响方向和影响程度。如以p表示质量指标,q表示数量指标,1代表报告期,0代表基期,则综合指数体系的分析公式为:     

对传统因素分析方法的再认识

作为传统因素分析方法，连环替代法是进行经济活动分析的重要方法之一，其具体分析步骤为：１、列出总量指标及影响其变动的各因素的关系式，并将影响因素进行有序排列，即数量指标列在前、质量指标列在后；２、通过计算总量指标变动指数及绝对变动差额来分析总量指标的变动；３、通过计算数量指标指数及由于数量指标变动而引起总量指标变动差额，来分析数量指标变动对总量指标变动的影响；４、通过计算质量指标指数及由于质量指标变动而引起的总量指标变动差额，来分析质量指标变动对总量指标变动的影响；５、列出总量指标变动指数、数量指…     

采用剔除不同增减因素法编制统计指数的研究

我国现行的统计指数编制方法基本上是从苏联引进的。它的基本形式是总指数,包括综合指数和平均数指数。综合指数是统计实践中最常用的指数,有数量指标指数和质量指标指数两种。采用这一传统的理论和方法,由于所采用的同度量因素的对比基期在时空上的差异,往往会形成两套或更多的指数体系。其中最基本的是编制质量指标指数时,将同度量因素固定在报告期;编制数量指标指数时,将同度量因素固定在基期所形成的体系,我们称它为指数体系Ⅰ;还有另一套,是在编制质量指标指数时,将同度量因素固定在基期,编制数量指标指数时将同度量因素固定在     

基于DEA-Tobit的长江经济带技术转移金融支持效率研究

基于三阶段DEA-Tobit模型,对长江经济带11省市金融支持技术转移效率进行测度,并与其他典型区域进行对比,对金融效率的影响因素进行判识。研究表明:(1)长江经济带技术转移的金融支持效率为0.343,远低于京津冀的效率水平;(2)在长江经济带内部,受区域经济、金融发展水平、政府科技创新支持等环境因素影响,不同省市效率差异明显,效率最高的湖北省为0.514,而最低的贵州省只有0.08;(3)通过Tobit分析发现,在同一外部环境下,高技术企业研发投入强度、技术转移机构占比是影响金融支持技术转移效率差异的主要原因。因此,要提高长江经济带技术转移的金融支持效率,应进一步优化区域金融要素投入,强化高技术企业研发需求,完善技术转移市场体系,提升技术转移机构的技术管理效率与专业化服务水平。     

中国商业银行效率：两种测度方法的比较

为了准确反映中国商业银行的效率水平,了解中国商业银行的效率现状,并对各商业银行之间、各类商业银行之间、中国商业银行与国际大银行之间的效率进行比较评价,有必要对中国商业银行效率进行准确的测度。分别从经济（财务）和技术（生产）的角度,采用财务指标分析法和数据包络分析DEA法来测度和评价中国商业银行的效率及排名,并对两种测度方法进行比较分析。     

谈统计指数的编制方法

我国现行统计指数的基本形式是总指数,包括两种形式,即综合指数和平均数指数。综合指数包括数量指标指数和质量指标指数,其编制方法主要是: 编制数量指标指数要将作为同度量因素的质量指标固定在基期,即Kq=sum(q_1P_0)/sum(q_0P),编制质量指标指数要将作为同度量因素的数量指标固定在报告期,即:Kp=sum(q_1P_1)/sum(q_1P_0)根据现象之间的联系,总指数又等于数量指标指数和质量指标指数的乘积,即:sum(q_1P_1)/sum(q_0)     

中国区域生态资本效率测算及创新环境的影响

科学测度中国区域生态资本效率的时空差异,明确创新环境各维度对生态资本效率的影响机制,对推动创新驱动战略的实施和生态文明建设具有重要意义。文章将生态福利作为产出指标纳入生态资本效率的测度体系中,借助超效率SBM-DEA模型、变异系数和Malmquist指数对生态资本效率的时空差异进行测度,并在此基础上运用面板Tobit回归模型分析创新环境各维度对生态资本效率的影响机制。结果表明:中国生态资本效率具有明显的区域差异,生态资本有效的区域主要集中于东部地区和西部地区。生态资本全要素生产率呈波动下降趋势,技术进步是影响生态资本效率的重要因素。创新环境中的基础设施环境(互联网接入宽带端口数)对生态资本效率具有显著的正向作用,制度环境(科技支出占财政预算百分比)的影响具有明显的空间异质性。     

中国产业部门环境效率与环境全要素生产率测度

为探究中国产业部门在环境影响下的综合发展绩效,文章基于2002—2017年中国投入产出数据,利用三阶段DEA模型和Malmquist指数对我国产业部门环境效率及环境全要素生产率进行测度。结果发现:(1)剔除外部环境因素后的中国产业部门环境效率有所上升,但其潜在提升空间仍然较大。(2)2002—2017年中国产业部门的环境改善潜力主要来源于SO₂减排潜力,建筑业、交通运输、仓储及邮政业等产业部门的环境改善潜力较高。(3)中国产业部门环境全要素生产率的增长动力主要来源于技术因素,其他服务业的环境全要素生产率增长高达59%。     

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.