随机需求环境下联产品系统价格与产量决策研究

基于固定比例生产技术和多产品随机需求的情形,研究了联产品制造商的两阶段产量和价格联合优化模型。通过反向倒推的优化求解,得到了联产品制造商的最优产量和价格决策以及变化规律。同时研究了需求服从均匀分布时,需求波动对均衡的影响。研究结果表明,在订货成本较低和一种产品的需求波动性较大时,当另外一种产品的波动增大,则该产品的最优订货量增大,同时价格下降。借助数值仿真,分析了价格敏感度和产出比例对最优决策和利润的影响。结果表明,在给定一种产品的价格敏感度时,另外一种的价格敏感度越大,那么该产品的价格就越低,制造商的订货量就下降。当一种产品的产出比例固定时,另一种产品的产出比例上升时,则该产品的价格下降,制造商的订货量下降,总利润上升。     

移动支付大数据助力生活性服务业统计工作的提升

随着我国经济步入高质量发展阶段,“三驾马车”中的投资和出口拉动经济效果放缓,消费成为国民经济增长的“新引擎”。党的十九大报告明确指出,要完善促进消费的体制机制,增强消费对经济发展的基础性作用。当前,我国经济社会的发展已经呈现出更多依靠消费引领、服务驱动的新特征,而生活性服务业作为服务和消费的重要组成部分.是扩大消费需求、培育壮大经济发展新动能、保障和改善民生的重要途径。     

新时代背景下家庭户生态需求模型及实证检验

推进绿色发展,践行绿色生产方式和生活方式,是习近平新时代中国特色社会主义思想的重要内容,生态需求是绿色生活方式的重要组成部分。研究家庭户的生态需求,以消费者偏好理论为基础,构建以家庭户为基本单位的效用最大化模型,推导出生态需求函数,在此基础上运用比较静态的分析方法,探讨生态需求的各种影响因素,以期对家庭户的生态行为有更深入的观察。理论模型表明,收入水平和基本消费品的价格都是影响生态需求的重要因素。若政府对生态产品和服务征收从价税,会抑制家庭的生态需求,导致家庭生态产品和服务的消费减少。利用2010年中国综合社会调查(CGSS)数据,进一步实证检验了收入水平对生态需求的影响。实证结果表明,在其他因素不变的情况下,随着收入水平的增加,个体对生态产品和服务的需求也会随之增加。为了结果的稳健性,从因变量的度量方式和估计方法等方面进行了检验,也得到了相似的结论。     

超固定生产要素视角下的地方特色产业升级研究--以广西制糖业为例

基于2009-2013年广西制糖企业层面的面板数据，建立柯布—道格拉斯生产函数的随机前沿模型对广西甘蔗制糖业的技术效率进行实证研究，并进一步分析广西甘蔗制糖业技术效率的影响因素。研究发现，广西甘蔗制糖业遭受被迫放开的市场的冲击，其技术效率呈下降趋势，生物技术和节能技术等外部技术因素对效率呈正相关，而企业管理水平等内生技术因素对效率呈负相关。因此，广西制糖企业产业升级的途径在于寻求新技术，并建立新的基础设施。     

江苏区域经济增长的俱乐部趋同研究——基于面板数据单位根检验

采用多种面板单位根检验方法,在随机框架下对江苏省经济增长的俱乐部趋同性进行了检验.结果表明,苏南和苏中存在随机性的俱乐部趋同,三个区域配对后形成的新区域内也不存在俱乐部趋同现象.     

审计定价管制与交易剩余——2010年审计定价管制失效的自然实验

在经济下行压力加大、资本市场进一步开放的新形势下,厘清审计市场交易——监管机制,完善审计服务市场尤为必要。借由2010 年审计定价管制政策失效的自然实验,本文通过嵌入双边随机边界模型,得到审计双方的定价交易剩余指标,运用双重差分模型解析价格管制与交易定价的作用机制。研究发现,定价管制失效的原因不在于规制俘获,而在于价格管制与当前的市场效率不匹配。下限管制尽管能够提高审计师剩余,但同时会放大交易定价风险,增加剩余的错配,扰乱交易秩序。上限管制则进一步固化市场的低价竞争。进一步研究发现审计师剩余与盈余质量显著相关,2014年的放开定价管制政策提高了审计师剩余。研究厘清了审计市场交易机制,有利于未来研究审计交易机制的微观影响及与盈余质量的关联,为在新时代把握审计市场交易——监管规律、培育自发良性交易的审计市场提供有益借鉴。     

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。