如何促进产业集群发展?——美国亚利桑那州产业集群发展模式分析

1980年代末至1990年代初,美国亚利桑那州经济遭遇严重衰退,地区经济发展面临转型压力。1992年,亚利桑那州实施了产业集群战略,成功推动了地区经济的复苏和转型,并使其成为之后十余年美国经济增长最快的地区之一。通过对亚利桑那州产业集群战略的制定、调整和集群发展特征的深入分析发现,亚利桑那州产业集群的发展得益于科学的战略设计和以"技术密集型中小企业+企业网络组织"为双驱动的发展模式,而政府在这一过程中只扮演着"组织者"和"协调者"的角色。这对中国产业集群的发展具有重要的借鉴意义。     

经济新常态下产业园区的发展趋势

经济发展进入到一个新常态,向形态更高级、分工更复杂、结构更合理的阶段转换。在这个过程中,产业园区的发展可能就是形态更加高级,内部分工可能更加复杂,整个结构可能更加趋向合理和科学的发展方式。在经济新常态下,产业园区发展会出现一些新特点和新趋势:第一,从量的快速扩张向质的提升转变;第二,土地资源驱动园区发展模式的转换;第三,园区的产业链式和集群化的发展趋势;第四,产业园区要素与城区功能结合整合的趋势;第五,创新型科技园区加快建设和发展趋势;第六,生态化园区进一步发展趋势;第七,多样化园区融资体系探索和创新模式;第八,自由贸易园区的探索和发展。     

约稿启事“新时代领导风格变革与领导力提升”专题研究

领导环境塑造领导风格和领导力,新时代需要新的领导风格,需要符合新的时代要求的卓越领导力。当前,2035年远景目标确立,“十四五”规划开局起步;同时,我国发展环境面临深刻复杂变化,新一轮科技革命和产业变革深入发展,国际力量对比深刻调整,我国在转向高质量发展阶段的同时发展不平衡不充分问题仍然突出,创新能力不适应高质量发展要求,社会治理还有弱项。     

社区矫正检察监督机制的未来程序设计与构建设想

社区矫正的工作纳入我国工作机制和司法体制改革中,它是刑罚执行制度的改革一项重要的举措,是走向立法重要的实践。对应这个社会管理的创新,如何确立合法的、科学的社区矫正的法律监督,在社区矫正的工作中充分发挥检察的效能,是当前应当破解的重要课题。     

城市社区居家养老服务质量定性分析

随着我国老龄化形式的日益严峻,社区居家养老成为一种新型的养老模式,它的服务具有公共性、公平性、福利性等有效特征,是大多数老人选择的一种养老方式,其服务质量直接关系到老人的健康,本文主要以社区居家养老服务质量做定性分析。     

产业结构调整中的“逆库兹涅茨化”问题:理论、原因与对策

现代化产业体系的构建要求产业结构的调整契合生产率水平的提升。违反这一要求的表现之一就是资源从生产率较高产业部门转移到生产率较低产业部门,导致整体生产率下降,即产业结构调整出现"逆库兹涅茨化"问题。梳理产业结构调整的相关理论脉络,可以较为清晰地把握中国"逆库兹涅茨化"研究的理论基础,从城乡分割与服务业扩张两个理论视角,可以概括分析出引发产业结构"逆库兹涅茨化"风险的潜在原因,以提出防范"逆库兹涅茨化"的对策建议。     

进入波动、产业震荡与企业生存——中国光伏产业动态演进研究

本文通过对中国光伏企业进入退出信息和申请专利数量的收集,刻画了中国光伏产业动态演进历程,确定出影响产业演进的关键事件,指明光伏产业震荡的发生机制,并从群体和个体两个层面研究了不同时机进入的光伏企业生存差异及其影响因素。研究表明:中国光伏产业以2011年为分界点,出现了明显的震荡现象,企业进入、退出数量变化巨大。受此影响相较早期进入群体,在产业震荡前后进入的企业群体在产业震荡发生时退出风险明显增加,而后随着震荡蔓延,各群体的退出风险逐渐下降,风险变动展现出微弱的集中趋势。此外,技术创新行为显著降低了企业群体的退出风险。深入微观层面,从影响光伏企业个体生存的因素来看,企业生产率、技术创新、政府补贴、企业规模和企业年龄与企业退出风险负相关,而较高的产业扰动不利于企业生存。     

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。