基于因子分析的区域R&D绩效评价研究

研究与试验发展(R&D)活动是促进区域和谐发展的重要力量,区域R&D绩效水平的评价对促进区域R&D活动的有很强的实际意义,因子分析方法对于大量数据的抽象分析有较好的效果,适合R&D活动评价的特点,它在评价过程中能够避免人为因素影响而进行客观的评价,文章最后根据结果数据分析得出了我国创新效率有待提高的结论。     

关于民间非正规金融的若干分析

20世纪80年代以来,随着改革开放的顺利进行,我国个体私营经济发展迅速,信贷需求日益旺盛,而正规金融机构往往不能满足其资金需求,只能转而求助于非正规金融机构。在此经济体制改革的大背景下,本文在对非正规金融进行较为深入和全面分析的基础上,着重分析了民间非正规金融机构的成因,并提出了相关的对策。     

论公共政策执行变异的成因与对策

公共政策执行在政策过程中具有十分重要的意义。然而由于多方面的原因,当前政策执行中出现了诸多变异行为,严重影响了公共政策目标的实现。因此,必须积极采取措施,治理公共政策执行中的变异行为。     

失业者再就业行为差异分析

笔者通过对东北老工业城市--长春市失业人员进行实地调查,运用均值分析、因子分析等方法,对失业者再就业行为的差异进行辨别,发现对有再就业意愿的失业者而言,搜寻工作的思想观念与方式、失业期间的活动能力、失业者的心态、当地公共就业服务质量都是导致失业者再就业行为产生差异的主要因素.由此笔者分析了影响失业者再就业行为的内在机制,探讨激励失业者积极再就业的措施,以期为完善我国公共就业服务体系提供政策建议.     

烟台市水资源承载力变化的驱动力研究

阐述了水资源承载力的概念、特性及影响因素,根据烟台市各县区的统计资料,分析了烟台市自上个世纪80年代以来水资源承载力变化的总体趋势和驱动因子。结果表明:人口、社会固定资产投资和GDP是影响烟台市水资源承载力变化的主要驱动因素。通过多元线性回归模型,预测出了2005和2015年的水资源量,并进一步预测了该市的需水量和缺水量。     

焦虑的诱发因素及调控方法--以体操教学为例的研究

国内外心理学对学生的焦虑与运动成绩的相关研究已成为一个专门的课题。针对焦虑对学生体操技术掌握的影响，运用运动心理学有关理论对大学生体操教学中的焦虑诱发因素进行问卷调查，归纳了体操教学中诱发学生焦虑过度的原因，并对其主要影响因素进行分析，提出了控制学生的适宜焦虑水平的方法。     

大学英语学习非智力因素分析

就学生英语学习的个人因素来看,非英语学生对英语学习的兴趣和态度有一定差异。在教学中,教师应加以注意,做出相关的对策。     

实现以人为本的的图书馆服务理念

"用户至上,服务第一"是图书馆的核心价值观,图书馆的服务质量直接影响着图书馆工作的发展。本文介绍了新时期图书馆读者服务工作的特征,探讨了图书馆的以人为本、个性化服务内容和服务方式。     

论要素资本理论中的技术、信息和知识

随着知识经济、信息经济时代的到来和现代技术的迅猛发展，知识、信息和技术已经成为现代企业必不可少的资源。在财务上，作为生产要素的技术，就是生产过程中的技能、技巧和技艺，以及其术用载体。信息是社会和自然系统的组织有序化与生产过程相关性发生变化及其后果的信号讯息。人们愿意支付一定的成本获取信息，在于信息具有很高的收益性。知识则是经过证实了的真的信念。经济知识的基础范畴是知识产权。财务学上的知识是具有知识产权的知识。新生产要素的竞争是企业竞争力的核心内容。要素资本理论的形成为公司财务理论研究指出了新的方向。     

A Sparse Implementation of the Average Information Algorithm for Factor Analytic and Reduced Rank Variance Models

Factor analytic variance models have been widely considered for the analysis of multivariate data particularly in the psychometrics area. Recently Smith, Cullis & Thompson (2001) have considered their use in the analysis of multi‐environment data arising from plant improvement programs. For these data, the size of the problem and the complexity of the variance models chosen to account for spatial heterogeneity within trials implies that standard algorithms for fitting factor analytic models can be computationally expensive. This paper presents a sparse implementation of the average information algorithm (Gilmour, Thompson & Cullis, 1995) for fitting factor analytic and reduced rank variance models.