城镇居民生活能源碳排放的省域差异及影响因素

利用碳排放系数法,对中国及各省份城镇居民生活能源碳排放进行估算,并利用LMDI模型进行因素分解.结果表明,城镇居民生活能源碳排放从2000年的27784万吨CO 2增加到2014年的91336万吨CO 2,其中内蒙古碳排放增量最大.从全国层面看,收入水平和人口规模是刺激因素,分别增加碳排放78229万吨CO 2和31998万吨CO 2;节能技术、消费倾向和能源结构是抑制因素,分别减少碳排放31122万吨CO 2、9636万吨CO 2和5917万吨CO 2.从省域层面看,能源结构效应最大的是辽宁省,共减少碳排放793万吨CO 2;节能技术效应最大的是辽宁省,共减少碳排放3146万吨CO 2;消费倾向效应最大的是山东省,共减少碳排放907万吨CO 2;收入水平效应最大的是辽宁省,共增加碳排放6153万吨CO 2;人口规模效应最大的是广东省,共增加碳排放4006万吨CO 2.     

多维视角下贫困的识别、追踪及分解研究——基于中国家庭追踪调查（CFPS）数据

基于多维贫困测度的分析框架和多重剥夺的福利损失,结合中国家庭追踪调查（CFPS）2010、2012和2014年的数据,考察农村地区贫困的识别、追踪和分解。研究表明：从健康、教育、生活状况、卫生条件、食物支出与收入水平六个维度综合来看,考察期内农村地区的多维贫困有所改善;相比一维视角的收入贫困,多维视角下可以借助更多信息对贫困户进行有效地识别和追踪;对多维贫困指数的分解发现,一些特定维度（如教育、生活状况和卫生状况等）的变化对于多维贫困指数变化的影响较大。得出政策启示：对贫困的识别应当借助多维视角的福利剥夺,以便尽可能“识真贫”和“扶真贫”;对于贫困的改善应当致力于贫困户福利水平和脱贫能力的改善;扶贫过程中,应注重一些特定维度对贫困户脱贫能力的影响,将这些维度作为扶贫政策的重要着力点。     

教育对我国城镇收入差距贡献的实证研究

为确定我国城镇居民收入差距中教育因素的贡献大小,利用2013年中国家庭收入调查（CHIP2013）中城镇居民的微观数据,采用基于收入决定函数的夏普里值分解法,得到受教育程度和教育过程对收入差距的贡献大小。研究发现,教育过程是影响城镇居民收入差距的重要因素,而受教育程度对收入差距的贡献排序近年来呈现下降趋势。     

成都市农村居民现金收入影响因素实证分析

当前,面对国内外经济形势的新变化,中央政府把扩大内需作为改变我国经济增长方式和缓解国际压力的重要途径之一,而扩大内需就要提高农村居民的收入水平.为研究如何提高农村居民收入问题,从现金收入的角度,选取相关变量建立向量自回归模型,运用脉冲响应、方差分解等方法,对影响现金收入增速的因素进行了实证分析.结果发现：人均现金收入增速主要受人均工资性收入增速的影响,人均家庭收入增速次之,人均转移性和财产性收入增速最小.     

人口流动对我国居民收入差距影响的回归分解研究

使用"2005年全国1%人口抽样调查数据"和"中国住户收支调查数据"数据库,通过回归分解技术探讨了在控制年龄、性别、地区、受教育程度、行业等变量的前提下,劳动力人口流动对我国居民收入差距的影响。实证分析表明,忽视劳动力人口流动因素,将高估城镇居民收入水平和低估农村居民收入水平,从而夸大我国城乡居民收入差距,造成"推动城镇化就可以显著缩小居民收入差距"的政策误判。分析表明,要缩小我国居民收入差距,更应该把眼光放在如何缩小受教育度差异、地区差异和行业差异等相关措施上。     

全球三大植物油期货市场国际关联性研究

期货市场国际关联性主要通过同一期货产品在跨国跨市场的期货价格互动关系上体现出来。利用多元协整检验、向量误差修正模型、方差分解和脉冲响应函数等技术对中国、美国、马来西亚3家期货交易所的豆油与棕榈油期货价格和中国豆油现货价格关联性进行研究。结果发现：大连、芝加哥、大马交易所的期货价格和中国现货价格之间存在长期均衡关系,芝加哥市场在影响力和定价权方面起到主导作用;总方差中来自于芝加哥、大连和大马交易所,分别为47．374％、33,193％和18．125％。在世界植物油期货市场中,芝加哥交易所的权威性比大连、大马交易所更强。     

企业规模、经济增长与收入不平等——基于我国工业部门的动态计量分析

以中国工业部门为例,对比我国工业小企业发展、当前的收入分配状况及经济增长,对这些时问序列运用向量自回归方法,并通过脉冲响应函数及方差分解分析,得出结论:在对经济增长的贡献上,小企业与大中型企业相比并无效率优势,但小企业的发展更有助于缓解收入差距的扩大.     

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。     

我国非正规就业工资差异研究――基于Gilbert的社会福利政策分析框架

本文采用的是CGSS(中国综合社会调查)2013年的微观调查数据,首先用分位数回归的方法对我国目前非正规就业中女性和男性的状况进行分析;其次对非正规就业进行了Oaxaca-Blinder分解和Neumark分解,探究性别工资差异的歧视程度;最后对非正规就业进行了分位数分解,研究两性之间的工资差异情况。分位数回归结果表明:增加教育年限可在各个分位点上增加两性工资性收入;从均值上来看,女性教育回报率略高于男性。无论是Oaxaca-Blinder分解还是Neumark分解,非正规就业劳动力市场都存在比较严重的性别歧视,Oaxaca—Blinder分解中的性别歧视占总差异的68.90%,Neumark分解中的性别歧视则占总差异的58.99%。分位数分解结果显示:非正规就业随着分位点的提高,两性之间的工资差异呈现短暂略微上升后下降的趋势,高收入群体工资差异最小,总体上非正规就业性别工资差异表现出"地板效应",性别歧视(系数效应)导致的工资差异呈现与总体相同的规律,但性别歧视(系数效应)导致的部分比重则越来越大。     

自主创新、技术转移与经济增长关系的实证检验

文章运用协整检验、误差修正模型、脉冲响应函数和方差分解等计量方法,对我国自主创新能力、技术转移能力与经济增长之间关系进行了实证研究.结果表明,三者之间存在长期稳定的均衡关系;自主创新与经济增长存在互为因果关系;自主创新、技术转移促进经济增长.且自主创新能力对经济增长的影响明显;经济增长拉动技术转移,技术转移进一步拉动自主创新.为此,我国应该采取有效措施,提升自主创新能力和技术转移能力.以促进经济增长,同时促进三者间的良性互动.