基于内生能源效率改进的宏观减排结构分析

本文将内生能源效率进步机制引入到综合评估模型E3METL中,并将其区域化构建了中国能源—经济—环境系统综合模型,从宏观层面揭示中国未来减排量分担结构的变化,着重分析不同排放约束情景下各排放驱动因素的减排贡献的动态演变特征.研究发现:碳强度和能源强度是对碳排放产生显著负向影响的因素,而人均收入和人口因素则正向促进排放的增长.排放控制初期,能效改进是最大的减排力量来源,其次是人均收入代表的经济因素;而在排放控制的中后期,无碳能源对传统含碳能源的大规模替代将成为碳减排最大的贡献途径.这意味着政府和企业应当充分重视减排力量结构的时期特征和变化规律,前者应根据减排贡献主体的变化调整其宏观政策扶持导向和力度,逐步推动产业转型;后者则需对减排技术发展和研发投入方向进行适时调整,继而更加成本有效地完成碳减排任务.     

副省级城市综合韧性评价及障碍因子识别

为了提升副省级城市韧性,探索其可持续发展路径。该文以15个副省级城市为研究对象,运用改进的CRITIC-熵权组合赋权法、TOPSIS法、方差分解法、障碍度模型对2011—2020年15个副省级城市综合韧性进行评价,并对其障碍因子进行识别分析。结果显示:15个副省级城市综合韧性在2011—2020年间呈现波动上升的趋势,整体形势较好;各副省级城市综合韧性、分项韧性排名存在明显差异;从方差分解结果来看,宁波、成都、长春、哈尔滨四个城市的经济韧性和生态韧性对综合韧性的贡献度最大,而其余副省级城市则是经济韧性和社会韧性的贡献度最大;从障碍度结果分析,经济系统和社会系统是制约副省级城市韧性提升的主要障碍系统,对于具体指标,每百人公共图书馆藏书(b₃)和一般公共预算收入(a₄)是大部分副省级城市的主要障碍因子。未来,各副省级城市应依据发展情况着力补齐短板,从完善社会应急保障体系、扩大社会文化产业影响力和增加科教领域的投入等方面增强城市韧性,推动副省级城市实力整体提升。     

Equilibrium Wage Dispersion with Worker and Employer Heterogeneity

We construct and estimate an equilibrium search model with on–the–job–search. Firms make take–it–or–leave–it wage offers to workers conditional on their characteristics and they can respond to the outside job offers received by their employees. Unobserved worker productive heterogeneity is introduced in the form of cross–worker differences in a “competence” parameter. On the other side of the market, firms also are heterogeneous with respect to their marginal productivity of labor. The model delivers a theory of steady–state wage dispersion driven by heterogenous worker abilities and firm productivities, as well as by matching frictions. The structural model is estimated using matched employer and employee French panel data. The exogenous distributions of worker and firm heterogeneity components are nonparametrically estimated. We use this structural estimation to provide a decomposition of cross–employee wage variance. We find that the share of the cross–sectional wage variance that is explained by person effects varies across skill groups. Specifically, this share lies close to 40% for high–skilled white collars, and quickly decreases to 0% as the observed skill level decreases. The contribution of market imperfections to wage dispersion is typically around 50%.     

惯性灰色模型及其应用性质研究

研究灰色预测模型建模的演化过程，可以更好地了解模型的本质特征和状态变化。惯性灰色模型主要研究灰色预测模型建模的演化过程，了解系统变化状态。本文根据数据的力学特性，利用矩阵分析方法研究惯性灰色模型的建模步骤，简化文献［1］中惯性模型的结构参数和分量参数形式，总结求解各种数据序列的力学变换式，获取各种惯性灰色模型的建模机理。最后通过实例研究系统状态的演变过程，将惯性灰色GM(1,1)模型应用到交通流状态的判定中，得到三相交通流与三种惯性灰色GM(1,1)模型的对应关系。利用三种惯性模型模拟效果来准确判断交通流的状态，揭示交通系统实时特性，为交通规划、控制和优化提供可靠的理论依据。     

中立型两阶段交叉效率评价方法

在数据包络分析中，已有的两阶段交叉效率评价方法，不仅只能用于基本两阶段网络结构，而且没有中立地分解子阶段效率。文章提出了一个既适用于基本两阶段网络结构，又适用于具有共享输入的两阶段网络结构的，中立型交叉效率评价方法。该方法定义自评时整体效率等于子阶段效率的加权和，在自评整体效率最大的前提下，从使各子阶段效率都尽可能大的角度为每个决策单元分别确定一组最优权重，进而通过互评计算决策单元整体和子阶段的最终效率得分。最后，通过两个实例验证了方法的实用、合理、有效。     

Selection of linear mixed-effects models for clustered data

We consider model selection for linear mixed-effects models with clustered structure, where conditional Kullback–Leibler (CKL) loss is applied to measure the efficiency of the selection. We estimate the CKL loss by substituting the empirical best linear unbiased predictors (EBLUPs) into random effects with model parameters estimated by maximum likelihood. Although the BLUP approach is commonly used in predicting random effects and future observations, selecting random effects to achieve asymptotic loss efficiency concerning CKL loss is challenging and has not been well studied. In this paper, we propose addressing this difficulty using a conditional generalized information criterion (CGIC) with two tuning parameters. We further consider a challenging but practically relevant situation where the number, $m$, of clusters does not go to infinity with the sample size. Hence the random-effects variances are not consistently estimable. We show that via a novel decomposition of the CKL risk, the CGIC achieves consistency and asymptotic loss efficiency, whether $m$ is fixed or increases to infinity with the sample size. We also conduct numerical experiments to illustrate the theoretical findings.     

季节性数据特征驱动的电子废弃物回收规模分解集成预测建模研究

电子废弃物回收规模预测是政府制定循环经济发展规划和有关补贴政策、企业进行资源回收价值评估和产能优化的基础。本文考虑电子废弃物回收规模季度数据的季节性数据特征可能导致传统单模型预测误差偏大、预测结果不稳定等问题，基于“分解-集成”的思想提出了季节性数据特征驱动的电子废弃物回收规模预测CH-X12/STL-X框架。首先，基于Canova-Hansen(CH)检验对电子废弃物回收规模时间序列的季节性数据特征进行识别，继而对适于进行季节性分解的时间序列采用X12乘法模型或时间序列季节性分解(Seasonal-trend Decomposition Procedure Based on Loess，STL)模型实现季节性分量提取。然后，采用Holt-Winters模型对获得的季节性分量进行预测，并以支持向量回归模型(Support Vector Regression，SVR)预测分解获得的其他分量。最后，通过对各个分量预测结果的线性求和以得到最终的预测结果。实证结果表明，提出CH-X12/STL-X预测框架能够较好地满足不同季节性数据特征驱动的时间序列预测建模需求，且较传统单模型(Holt-Winters模型、季节性差分自回归滑动平均模型、SVR模型)在预测性能上表现良好且稳定。     

基于滚动时间窗的碳市场价格分解集成预测研究

提高碳市场价格预测准确性对于交易风险监测以及碳市场平稳发展具有重要价值。针对复杂的、非线性碳市场价格数据的短期预测误差偏大、分解过程易产生数据泄露问题，提出了基于滚动时间窗的SSA-SVR分解集成预测框架。首先，选取时间窗数据，继而借助奇异谱分析将时间窗内碳价序列分解重构为高、低频序列；然后，使用支持向量回归方法对高、低频序列分别进行预测；最后，加和集成预测结果，得到下一时刻的碳市场价格预测值。通过不断更新时间窗的数据内容，动态执行“分解-预测-集成”过程，实现碳市场价格的实时预测。研究结果表明，本文所提出框架表现出优异且稳定的预测性能，在碳市场价格预测研究中具有良好的适用性和有效性。