大数据背景下基于社交网络的聚类随机游走抽样算法研究

数字经济时代,社交网络作为数字化平台经济的重要载体,受到了国内外学者的广泛关注。大数据背景下,社交网络的商业应用价值巨大,但由于其网络规模空前庞大,传统的网络分析方法 因计算成本过高而不再适用。而通过网络抽样算法获取样本网络,再推断整体网络,可节约计算资源, 因此抽样算法的好坏将直接影响社交网络分析结论的准确性。现有社交网络抽样算法存在忽略网络内部拓扑结构、容易陷入局部网络、抽样效率过低等缺陷。为了弥补现有社交网络抽样算法的缺陷,本文结合大数据社交网络的社区特征,提出了一种聚类随机游走抽样算法。该方法首先使用社区聚类算法将原始网络节点进行社区划分,得到多个社区网络,然后分别对每个社区进行随机游走抽样获取样本网 络。数值模拟和案例应用的结果均表明,聚类随机游走抽样算法克服了传统网络抽样算法的缺点,能够在降低网络规模的同时较好地保留原始网络的结构特征。此外,该抽样算法还可以并行运算,有效提升抽样效率,对于大数据背景下大规模社交网络的抽样实践具有重大现实意义。     

经济统计专业人才培养方案之探讨

在广泛调研的基础上，提出了现在很多院校经济类统计专业人才培养存在的问题，并给出了经济类统计专业人才培养模式的新思路。     

中国“三农”抽样调查之抽样框问题研究

20世纪90年代后期,中国的＂三农＂问题逐步突显出来,涉及＂三农＂问题的抽样调查也越来越多。然而,抽取样本依据的抽样框大多是基于普查和行政记录资料编制的单纯名录抽样框。单纯名录抽样框的使用存在很多弊端。拟从抽样框的建立与更新维护两个阶段进行分析,提出解决现有问题的具体思路。在抽样框的建立阶段,建立名录抽样框和区域抽样框相结合的双重简单抽样框,并在此简单抽样框的基础上添加特征群,构建适合不同调查类别的复杂抽样框;在抽样框的更新维护阶段,通过合理地制度安排,以普查数据为基础,以建设抽样框数据库为契机开展抽样框的更新维护工作,使建成的抽样框得到及时有效地更新维护。     

抽样调查中无回答误差控制的研究

本文对抽样调查中无回答误差的控制进行了深刻的研究,并提出了一系列事前预防和事后补救的措施。     

基于双重抽样框的抽样估计方法研究

 随着经济社会的快速发展,抽样调查中调查对象的流动日益频繁,传统的单一抽样框很难完整覆盖流动性的目标总体,如果一定要使单一抽样框实现完整覆盖,成本必定是高昂的,甚至由于编制过程漫长使抽样调查失去其时效性。有时采用两个不完整抽样框的组合可以实现对目标总体的完整覆盖。基于双重抽样框进行抽样调查,其抽样设计工作不难,但是由于样本在两个抽样框中存在交叉,致使抽样估计甚是困难。基于此,本文将系统评述目前国外已有的各种双重抽样框估计方法,将这些方法分为分离抽样框估计和组合抽样框估计两类,并按照统一的模式比较各估计方法的功效,文章最后对我国采用双重抽样框调查进行展望。     

数字金融发展对商业银行经营稳健性的影响研究

数字金融的高速发展在给我国金融体系带来创新的同时,也给传统商业银行业的经营稳健性带来了一定冲击。为了探究数字金融发展对商业银行经营稳健性的影响,首先从理论上梳理数字金融发展对商业银行经营稳健性的影响机理,然后采用面板数据实证分析数字金融发展对商业银行稳健经营的影响效应。研究发现：第一,总体而言,数字金融发展对商业银行经营稳健性呈现出显著的负向影响;第二,影响渠道表明,数字金融发展降低了商业银行的资产质量、盈利能力和流动性,进而对其经营稳健性形成负向冲击,但同时可通过提高资本充足率来促进其稳健经营;第三,异质性分析揭示,资产增速、固定资产比率和非利息收入比越小的商业银行,数字金融发展对其经营稳健性的负向影响越小。基于此,为更好地落实“稳金融”政策,商业银行应与时俱进,积极融合数字技术,与数字金融实现协同发展。     

知识产权保护如何影响OFDI的绿色创新效率

本文基于修改的内生增长模型,阐述了知识产权保护与OFDI逆向技术溢出的非线性关系。首先选取2003—2018年我国30个省份的面板数据,并借助三阶段SBM-DEA方法测算了绿色创新效率;在检验到绿色创新效率的空间自相关性以及知识产权保护的门槛效应后,构建了动态空间面板模型,实证研究了OFDI逆向技术溢出对绿色创新效率影响的门槛效应。回归结果表明,当知识产权保护处在较低水平时,OFDI逆向技术溢出对绿色创新效率的影响为负;只有当知识产权保护水平跨过门槛值后,OFDI逆向技术溢出对绿色创新效率的促进作用才明显。在异质性分析中发现,随着知识产权保护水平的提高,OFDI逆向技术溢出对绿色创新效率影响的单一门槛效应在国别、行业、地区数据分析中也得到验证。     

对丢失总体元素引起抽样框误差的研究

本文分两种情形利用模型对丢失总体元素引起的抽样效果影响进行了测定,并给出了具体的补救方法。     

基于多重抽样框的校准估计方法研究

在现代抽样调查中,校准估计方法能够通过有效利用辅助信息来提高估计量的精度,多重抽样框抽样调查则不仅可以解决单一抽样框覆盖不全的问题,还可以节约抽样设计阶段的成本。本文将这两种现代抽样估计与设计方法进行结合,将校准估计方法引入到基于多重抽样框的抽样调查体系中,在实现节约调查成本的同时,还能够提高估计量的精度。文章首先按照分离抽样框与组合抽样框估计方法的分类思路,对传统多重抽样框估计方法进行系统梳理;然后在最短距离法校准估计的分析框架下,按照调查时所能掌握辅助信息的具体情况,给出了两类多重抽样框估计情形下的各种不同形式的校准估计量;随后数值分析的比较结果也表明在多重抽样框中校准估计量的估计效率明显优于传统估计量;最后对本文研究进行总结的基础上,给出了我国抽样实践中应用这套先进抽样估计方法体系的展望。