基于PDCA循环的全程化就业指导模型的探索与实践

在我国目前实施高等教育大众化战略的大环境下,大学生的就业问题越发引起关注,随之就业指导工作也进入了学者和相关工作者的研究范畴。但随着行业、教育体制的发展和就业环境的不断变化,就业指导工作也面临不可回避的挑战。探讨基于PDCA质量循环的全程化就业指导模型的探索和实践,有助于实现大学生就业指导的各项环节、各项工作,大学教学和管理部门进行系统、科学、全面的安排和组织。     

基于多属性局内决策的应急预案启动模型

通过对突发事件造成损失的连续性扩展和结束时间部分信息的扩展,基于多属性决策方法和集结损失函数,研究管理者面对突发事件应该何时启动应急预案的问题。在没有突发事件损失函数信息的条件下,利用局内决策理论与方法构建了决策者何时启动应急预案的启动模型,并利用竞争比说明了该方案的有效性。在此基础上,通过数值分析验证了启动方案的有效性。     

论嫦娥工程专利保护制度的完善

目前,中国关于嫦娥工程专利保护的法律规定主要涉及权属制度、激励机制、管理机制以及专利申请程序等方面的内容,但随着中国国防科研体制的改革和嫦娥工程的市场化运作,现有专利保护制度忽视了科研单位专利权的保护,对职务发明人权益保障乏力,且存在管理机构协调性差、专利申请程序不合理等问题。因此,完善嫦娥工程专利保护制度需从明确专利权属方面入手,激励项目承担者的创新积极性,同时健全专利管理和转化机制,发挥航天专利对国民经济和社会的带动作用,并通过完善国际合作中知识产权保护配套法律,提高嫦娥工程专利的国际保护水平。     

基于游客视角的旅游社会媒体使用收益分析

随着社会媒体的蓬勃发展,越来越多的旅游者开始使用各类社会化媒体规划旅游项目,获取和分享各类旅游经验与攻略。但现有研究尚未对游客使用社会化媒体主要关注的收益进行过分析,导致现有的旅游社会媒体客户端开发过程中对客户的需求了解不足,社会媒体产品存在功能千篇一律且无法满足消费者使用需求的现象。有鉴于此,研究从游客视角出发设计出19个收益指标。通过问卷调查的方法收集了游客层面的数据,并使用层次分析法（AHP）对这些指标的重要性进行了排序。研究结果发现相对于关系维护收益和群组聚集收益,即时沟通收益是消费者在使用旅游社会媒体过程中更为重要的感知收益;信息保存、信息公开透明化和知名度提升是游客使用旅游社会化媒体获取的三项重要收益。研究结果有助于有针对性地设计开发符合消费者需要的社会化媒体产品,改善社会媒体平台下游客参与率不高的现状。     

基于SEM-AHP方法的核电厂定量人为因素评价研究

文章基于人为因素分析与分类系统,分析了115起核电厂执照运行事件报告(Licensed Operation Event Report, LOER),并对影响核电厂事件发生的人为因素进行分类,采用结构方程模型方法得出各影响因素的路径系数,两两比较得到层次分析模型的判断矩阵,进而确定各因素的权重。同时对核电厂人为因素的重要性做排序分析,找到核电厂运行过程中的安全管理薄弱环节,从而促进核电厂系统平稳运行。     

人口老龄化：进程模拟和政策机制分析

以人口老龄化系数分析为主线,对相关统计数据从生育率、死亡率、老龄化系数、跨期队列人口四个方面进行模拟分析,推算出中国人口老龄化进程在1976年开始出现;计划生育政策是老龄化进程加速的关键因素,并导致我国步入老龄化国家行列的时间提前了12年;面对老龄化和高龄化浪潮,应当实行由国家主导、社会与家庭广泛参与的多元化的老龄化应对举措。     

技术创新与企业就业效应--基于微观企业调查数据的实证分析

利用2012年世界银行关于中国工业企业的调查数据,从流程创新、产品创新和企业研发三个维度分析了短期内技术创新对就业增长的影响。结果显示,流程创新与就业增长显著负相关;产品创新与就业增长显著负相关;企业研发与就业增长负相关,但较前两者显著性较弱。进一步研究发现,与东部沿海地区相比,中西部地区技术创新的就业替代效应更为明显。鉴于上述研究结果,对现有技术创新方式和政策提出相应的对策建议。     

基于小波分析的石油价格长期趋势预测方法及其实证研究

本文将小波方法引入到油价长期趋势的预测中,利用小波多尺度分析的功能,提出了一种可以较为准确地根据油价时序列预测其未来长期走势的方法。这种方法的优点在于可以准确地提取油价的长期趋势,从总体上把握油价的非线性波动特征,从而能够很好地利用油价时间序列的历史数据,开展对未来一段时期内的多步预测。实证研究中,对Brent油价开展了时间跨度为1年的趋势预测,并将预测结果与ARIMA、GARCH、Holtwinters等方法得到的结果进行了比较,表明了基于小波分析的长期趋势预测法的预测能力是其他方法所不能比拟的,反映了本文所建立的石油价格长期趋势预测方法的有效性。     

违约预测的小波结构模型研究

本文针对上市公司违约预测问题,按照行业类型对我国2009年的上市企业进行分层抽样,构建了小波结构模型.小波结构模型通过应用小波变换来分解上市公司日收益序列,进而对低频序列和高频序列分别构建预测模型,再依据预测模型对未来收益进行预测,最后使用小波逆变换重构预测收益序列.通过小波结构模型可以避免时间序列模型进行收益波动预测的累加计算过程.在结合我国上市公司的实际数据对这两种模型的校验中,可以发现小波结构模型比时序结构模型在违约预测上有更好的识别力和准确度.