基于财政竞争力分析的福建省经济发展策略研究

财政对经济增长起着不可替代的促进作用,而财政竞争力也是经济综合竞争力的重要组成部分,分析福建省各地市的财政竞争力以寻找经济发展策略,对促进福建省经济有重大意义。本文对各地市财政收支现状进行初步比较,构建财政竞争力三级指标体系以分析财政竞争力水平,同时利用主成分因子得分分析财政竞争力与经济发展之间的关系。研究结果表明,厦门、福州及泉州财政竞争力较强,以这三个地市为例,从财政竞争实力和竞争潜力两个方面提出进一步提升财政竞争力的建议。     

僭主与哲人——科耶夫与施特劳斯的争论

自笛卡尔—康德—黑格尔以来,“形而上学” 在西方传统研究中逐渐僭取了支配地位,色诺芬因不谈“形而上学”逐渐被冷落,不再被看作地位很高的古希腊经典作家。但我们并不能因《希耶罗》这篇政治哲学气味浓厚的对话,而抹杀掉它“形而上学” 的价值。施特劳斯和科耶夫的解读,凸显了哲学与政治方面古典派与现代（或说黑格尔） 派的争论,同时它还呈现出了掩盖在政治争论下的形而上学（关于存在和真理） 问题,并且我们惊异地发现,在现代性这场旷日持久的浓雾里,这个问题竟鲜未被真正地触及。     

基于主成分logistic回归模型的餐饮商务信息意识研究

数据挖掘技术日趋成熟,广泛应用于金融、地产、投资、评估等各个领域。数据挖掘技术亦可应用于餐饮业,为其经营决策做出分析。其他领域的数据挖掘的成功案例也可以引用到餐饮行业中。本文对餐饮人士在餐饮商务中是否具备信息意识、对信息意识的重视程度进行调查,利用数据挖掘中主成分分析和 logistic 回归处理和分析收集来的数据,从而说明数据挖掘在餐饮业管理中的重要意义,反映餐饮人士信息意识状况。利用数据挖掘技术对餐饮商务资讯进行管理势必提高企业效率和盈利水平,促进餐饮业健康稳定的发展。     

文献学视域下的西藏夏鲁寺创建与扩建历史及其教法传承新析

文章以《觉沃介氏世系史》等相关藏文文献为基础,结合实地考察资料,对夏鲁寺的创建与早期经营、元代介氏与萨迦昆氏家族联姻、元朝中央与萨迦地方政权对夏鲁寺的赏赐与格外礼遇、夏鲁万户对夏鲁寺的四次维修扩建、夏鲁寺学修及其教法传承等问题加以阐述;文章认为,通过夏鲁万户长扎巴坚赞父子对夏鲁寺进行大规模扩建修缮,夏鲁寺元代汉藏合璧建筑与多元风格壁画的修造与绘制,佛学大师布顿·仁钦珠建立讲经院、创立教派、设计壁画内容等一系列举措,为夏鲁寺宗教、文化、艺术的繁荣奠定基础。同时,夏鲁寺寺院建筑风格的形成、佛教文化弘传的特点、寺院管理机制的成型,也反映出西藏地方与包括祖国内地在内各地、各民族的交往交流和交融的历史事实。     

中国城乡融合发展进程评价

文章按照考核城乡融合发展目标完成进度的研究思路,从经济融合、社会融合以及生态融合3个维度构建城乡融合发展评价指标体系,运用主成分分析法计算城乡融合发展得分,依据城乡融合发展进程评价公式,评价2003—2019年城乡融合发展进程。结果表明：2003年我国城乡融合发展进程仅为0.98%,至2019年,城乡融合发展进程已达到39.10%;从区域维度看,东部、中部、西部、东北地区城乡融合发展呈现东高西低、中部和东北地区交替上升的非均衡发展特征。     

河南高校建设与发展研究型大学的量化分析与战略研究

运用多元统计分析中的主成分分析模型,对河南高校建设研究型大学的基础条件进行了量化评价,将河南省有能力进行研究型大学构建的院校分为两个梯队。提出了河南建设与发展研究型大学的战略构想,包括数量目标、结构层次目标等。这需要通过加强重点学科建设、加强师资队伍建设、创新人才培养机制等手段来实现。     

试探主述位在翻译中的迁移效果

阅读好的翻译作品,常常会碰到这样的现象,译文如实而准确地传达了原文的意旨,使译文和原文的读者都能得到相同的审美感受,而译文与原文的句子成分却非绝对的一一对应,往往会形成交替对应关系,这种对应关系体现为时而部分对应整体,时而整体对应部分。这种现象的产生是由于译者在翻译过程中运用了迁移的原因。笔者拟分五个部分探讨主述位在翻译中的迁移效果。     

解决多重共线性问题的线性回归方法

本文针对当出现多重共线性时用普通最小二乘法估计的参数值与实际值相去甚远甚至无法被估计的现象 ,介绍了三种解决办法 :主成份回归、岭回归和偏最小二乘法。这三种方法在解决问题的思路上各有异同 ,本文着重介绍了它们的基本思想和主要算法步骤     

FEPA-金融时间序列自适应组合预测模型

本文报告一种金融时间序列预测的信号分析、信息融合与智能计算组合模型,简称FEPA,由针对金融时间序列（FTS）信号分析的经验模态分解（EMD）、用于数据降维的主成分分析（PCA）和用于非线性建模的人工神经网络（ANN）三部分组成。该模型首先应用滑动窗口截取原始金融时间序列最近期数据集,应用EMD分解算法把数据集分解成不同尺度的本征模态函数（IMF）,然后通过主成分分析将分解后的数据降维,提取最有信息量的特征;然后将这些特征输入到神经网络进行组合预测。本文提出的组合预测模型FEPA是基于分解-提优-合成的信息融合思想,有效提高了预测可靠性。其创新点在于：1）首次给出了EMD算法的结构化表达,提供了今后融合更多信息的算法接口;2）通过多步长预测输出深入研究EMD分解的有效信息结构;3）通过切换到更细时间框架来处理EMD的端点效应,并探索了两级时间框架下的预测效果;4）给出了金融时间序列组合预测模型的一般性架构,具有可升级性和可扩展性。并且通过滑动窗口EMD使得实证更能切近实际。通过在沪深300股指和澳大利亚股指上的实证,结果表明FEPA预测模型在沪深300股指日线和15分钟线上的预测命中率高达78%和82%,在澳大利亚股指日线上也达到了74%的命中率,经比较,明显高于文献中常见的5种模型。