在违反正则性假设的情况下, 已有航线网络需求非限化估计研究中所采用的随机效用模型无法描述非理性顾客选择行为. 本研究通过将传统非参数离散选择模型扩展为部分排序偏好列表网络模型, 并引入非理性索引向量, 从而建立了一种在网络环境下考虑非理性顾客策略行为的新框架. 采用 EM 算法进行模型参数的联合估计, 并提出了一种考虑历史顾客非理性需求 “溢出” 和 “再现” 效应的需求非限化计算方法. 通过数值模拟, 与现有模型相比, 本文提出的网络型广义随机偏好选择模型在需求估计的准确性方面表现更佳, 特别是在描述非理性顾客策略行为和网络替代效应时.

伴随要素禀赋的融合优化, 服务型制造模式实现了制造业与服务业的高度聚合, 从而产生超脱于产业原本的价值能力, 赋能经济、社会实现价值增值. 首先, 本文基于多维价值流动的视角, 梳理了服务型制造模式价值增值的内部驱动力, 借助网络嵌入理论, 阐释了服务型制造模式价值增值的外部动量; 其次, 基于系统动力学和因果机制, 本文构建了服务型制造多层级的网络流图, 形成了服务型制造模式价值增值的系统性表达; 而后, 基于仿真函数计算和模型演示, 总结了服务型制造的系统动力分配与运作情况; 最后, 基于精益模型思想和 MDM 矩阵框架, 测算并捕捉了服务型制造模式价值增值的关键动因. 研究发现: 1) 服务型制造模式价值增值的系统由服务、融合与制造层次子系统组成. 不同子系统、不同层次、不同维度的交织, 形成了服务型制造价值增值的微观、中观与宏观表达; 2) 系统动力中, 结构嵌入存在相对平衡的“保底机制”, 关系嵌入呈现波动较大的 “联动机制”, 认知嵌入呈现动力较强的 “放大机制”, 多种嵌入活动的联合运作, 形成了服务型制造价值增值能力的延展; 3) 关键动因中, 制造层贡献了 28.6% 的价值增值, 服务层贡献了 24.7% 的价值增值, 融合层贡献了 46.7% 的价值增值, 服务型制造模式存在着创新 $>$ 服务 $>$ 制造的价值边际效应逻辑. 不同框架与目标导向下的服务型制造模式, 存在着不同的关键导向动因.

由于多项目系统中严峻的资源冲突, 经典单一缓冲的管理模式难以适用于多项目系统的管理. 为提高多项目管理效率, 本文基于子项目关键度提出一种多项目系统中项目缓冲与能力约束缓冲的协同管理模型. 首先, 分析各子项目对于系统关键链的重要程度, 定义子项目关键度系数; 其次, 基于子项目关键度确定子项目间的能力约束缓冲, 并对能力约束缓冲与子项目尾部的项目缓冲进行缓冲分配及协同监控; 最后, 通过系统算例模拟验证所提方法的可行性和有效性. 仿真结果表明, 本文协同缓冲管理方法与单一缓冲管理方法相比, 能够缩短多项目系统的完工时间, 降低系统执行成本.

社会网络数据包络分析 (SNA-DEA) 方法是将数据包络分析 (data envelopment analysis, DEA) 与社会网络分析 (social network analysis, SNA) 相结合的一种数据分析方法. 在 SNA-DEA 相关研究中, 关系网络的构建通常以 DEA 包络模型测度的决策单元 (decision making unit, DMU) 间参考关系为依据. 然而, 这些研究忽略了无效 DMU 的参考关系可能并不是唯一确定的事实, 基于不同的参考关系构建出不同的关系网络并进行分析最终会得到不一致的 DMU 排序结果, 从而减弱了 SNA-DEA 方法在实际中应用的有效性和可靠性. 因此, 本研究提出基于所有可能的参考关系构建不确定网络, 并应用面向不确定网络的 HITS 算法对不确定网络中的决策单元进行分析, 给出了所有 DMU 的所有可能的排序及排序概率结果, 得到的分析结果更加可靠, 对于决策单元评价、资源配置优化等方面具有重要的理论和实践参考价值. 进一步地, 根据 DMU 间参考关系强度的最大化和最小化, 本研究提出了乐观网络和悲观网络的构建方式, 以此为基础得到 DMU 的乐观排序和悲观排序, 能够为决策者在不同场景下进行 DMU 排序提供参考. 最后, 将本研究提出的基于参考关系构建不确定网络的 SNA-DEA 方法应用到实例中, 方法的有效性得以验证.

随着社会对企业社会责任 (CSR) 关注度日益提升, 尤其是在平台经济快速发展的背景下, 基于消费者剩余 CSR 视角对差异化平台: 一手平台 (E1) 与二手回收或销售平台 (E2) 的回收与销售模式选择进行研究显得尤为重要. 本文基于 Stackelberg 博弈理论, 构建了三个决策模型: 一个基准模型 (E1 不参与二手产品业务) 以及两个 E1 分别负责二手产品回收或销售的模型. 本文在考虑 CSR 下系统分析了不同再销售策略对平台模式选择、消费者剩余、环境影响及社会福利的影响. 研究结果表明, 相较于 E1 不承担 CSR 的情形, E1 履行 CSR 并负责二手产品销售时, 可显著提升消费者剩余、E1 的效用以及 E2 的利润. 在全部与部分再销售策略下, E1 参与回收或销售有助于提升其自身利润, 但会对 E2 的利润产生一定程度的负面影响. 尽管如此, 该模式在降低环境污染和提升社会福利方面展现出明显优势, 而 E1 不参与回收与销售的基准模式则更有利于消费者剩余的提升. 此外, 通过设计合理的合同机制, 可实现平台间的完美协调. 进一步分析发现, 平台以不同形式履行 CSR 均有助于其利润增长; 当 E2 承担 CSR 时, 双方平台均可实现共赢. 在需求不确定性情境下, 尽管 E1 的利润下降, 但其整体效用提升, 而 E2 的利润呈现增长趋势.

互联网企业的隐私安全问题是数据时代的重要挑战, 也是政府规制的重要内容. 然而, 并非所有互联网企业都严格执行安全运营规范. 面对外部监管时, 由于动机不同, 不同合规类型的互联网企业会采取不同的隐私安全信息披露策略, 特别是考虑可能发生的隐私安全事件, 这给政府监管带来一定挑战. 基于此现实问题, 本研究通过构建基于互联网企业隐私安全保护情境的信号博弈模型, 从政策激励和惩罚两个角度分析了互联网企业隐私安全信息披露如何影响博弈双方策略选择. 同时, 本研究采用直观标准论证了所构造均衡的合理性, 并揭示了均衡成立背后的管理学启示. 另外, 本研究通过案例进一步分析了关键参数的敏感性以及均衡转变. 研究发现, 首先, 尽管政府罚款在一定程度上促进了分离均衡的实现, 但当罚款过高时, 会损害政府维护隐私安全的信念, 不利于实现维护隐私安全的政策目标; 其次, 当隐私泄露水平较高时, 政府给予更多的政策激励反而会在一定程度上降低其风险感知能力; 最后, 当隐私泄露水平较低时, 分离均衡并不一定比混同均衡更有利于实现数据安全运营.

针对传统电商与内容电商之间的价格竞争与推广合作, 本文建立非合作-合作两型博弈模型, 深入探析消费者多属性偏好行为影响下两个平台如何联合制定运营策略与分配利润的问题. 研究结果表明: 在传统电商与内容电商合作推广的情况下, 随着推广难度的增加, 内容电商的推广努力水平与两个平台的产品定价、利润均在较短的一个区间内经历了急剧的下降, 传统电商付给内容电商的佣金率先陡然降低随后缓慢增加并逐渐趋于稳定; 面对价格竞争的加剧, 两个平台选择提高产品价格与推广投入可以带来更高利润; 随着消费者对产品推广努力敏感度的增大, 传统电商付给内容电商的佣金率先小幅降低后大幅增长, 两个平台的产品价格、推广努力水平与利润均有所提升. 研究成果可为内容营销赋能下电商平台的产品定价与运营决策提供理论依据.

直播电商的迅速发展使我们进入了万物皆可播的时代, 越来越多依赖线下渠道的产品也纷纷走进直播间, 充分享受到了海量流量带来的需求红利. 本文聚焦玉石直播这一细分场景, 通过实证方法, 深入剖析消费者选择直播购物的原因. 相对于一般消费品而言, 玉石产品具有价值高、产品非标准化以及买方卖方信息不对称等特点, 这些特点导致玉石产品并不适合直播销售. 然而, 近年来玉石直播逐渐取代线下渠道, 成为玉石交易的主流方式. 基于信息觅食理论和 SOR 框架, 本文系统研究了玉石直播中的平台特征 (信誉、背书、赋能)、主播特征 (可信度、专业度、影响力) 以及直播内容特征 (社会临场感、生动性、交互性) 对消费者购买意愿的影响, 并从产品搜寻 (感知意外性) 和产品评估 (感知诊断性、感知象征性) 视角考察了潜在的影响机制. 结果表明: 平台背书是影响玉石消费者购买意愿最重要的因素, 其次为内容生动性、内容交互性、社会临场感和主播专业度. 本文的研究发现不仅丰富了直播电商的相关研究, 更为玉石直播平台、主播和商家在策划直播活动和优化营销策略方面提供了指导和借鉴.

随着直播销售商业模式的快速发展和消费者对直播购物的愈发青睐, 企业如何布局直播渠道变得至关重要. 考虑一个由制造商和零售商组成的两级供应链, 研究供应链双方如何制定自营直播渠道的引入策略, 以及引入直播渠道对供应链各成员和异质性消费者的影响. 通过建立零售商和制造商都不引入直播渠道、只有零售商引入直播渠道、只有制造商引入直播渠道以及零售商和制造商都引入直播渠道等四种情形下的博弈模型, 求解得出各个情形下的供应链双方最优定价和利润. 然后, 通过对各情形下的利润对比, 得到供应链各方的均衡直播渠道引入决策. 本文研究发现: 首先, 零售商单独引入直播渠道并不一定能提高自身利润, 只有当直播购物麻烦成本较小时, 零售商才会选择引入直播渠道, 直播渠道的引入会同时提高制造商利润和消费者剩余. 其次, 制造商单独引入直播渠道一定能提高自身利润, 且直播渠道的引入不一定损害零售商利润. 当直播购物麻烦成本较大时, 可以实现制造商、零售商和消费者的三方共赢. 最后, 当零售商和制造商都具有直播渠道运营能力, 且制造商直播能力更强时, 均衡情况下只有一方会引入直播渠道: 当直播购物麻烦成本很小或者很大, 只有制造商开通直播是均衡策略. 当成本居中时, 只有零售商开通直播是均衡策略.

风能等可再生能源的间歇性导致的风电并网消纳问题成为构建新型电力系统的难题之一. 风能储氢发电一体化系统可以很好地借助氢能的生产和存储来增加风力发电系统的灵活性, 提高可再生能源的利用效率. 本文构建了一个随机库存模型, 以解决风能储氢发电一体化系统在运营管理中所涉及的生产、存储和能源转换等决策问题. 针对此模型, 本文证明了其最优成本函数具有 “多模性”, 这是一种与存储耦合的可再生能源发电系统的能源效率相适应的结构性质. 基于互补性分析方法, 本文刻画了风能储氢发电一体化系统的最优风能分配策略和最优电-氢能源互补策略, 并分析了这些策略相对于系统状态参数的敏感性. 研究结果表明, 电-氢能源转换可以极大地提高风能储氢发电一体化系统的能源利用效率, 降低总体运营成本.

在近年来债券风险事件频发的背景下, 利用债转股等债务协商方式解决企业策略性债务违约已成为一个有效途径. 同时, 碳市场建立使得碳控排企业能够通过参与碳排放权交易改善其预期现金流以缓解流动性风险, 且碳价格波动的不确定性可能提高企业价值. 本文将碳价格与碳收益引入到“策略性债务支付模型” 中, 建立连续时间理论模型量化研究碳减排量、碳价格及其波动率对碳控排企业债转股最优时机和权益价值的影响机制. 模型推导及数值分析得出: 碳价格波动率与债转股最优阈值负相关, 与企业权益价值正相关; 随着股东议价能力、清算成本的增加以及企业资产价值波动率的降低, 债转股最优阈值增加, 且这些因素对最优阈值的影响边际增加. 数值结果进一步表明: 对于给定的碳减排量, 当碳减排量为正时, 碳价格与债转股最优阈值负相关、与权益价值正相关; 当碳减排量为负时, 结论则相反; 而当碳价格确定时, 碳减排量与债转股最优阈值负相关、与权益价值正相关. 本文研究结论对合理制定碳控排企业债务风险管理策略、完善碳市场建设以及提升金融服务实体经济能力具有参考意义.

飞行试验是新型飞行器研发的重要步骤. 在飞行试验中, 需要将大量试验点分配到合理的飞行架次, 确保飞行试验能够高效顺利地进行. 现行以经验为主导的人工手动调度方法效率低下, 且所得方案的质量不高. 为了克服这些缺点, 本文考虑一类复杂任务约束下的飞行试验调度问题, 针对该问题建立了数学模型, 并研究了模型的理论性质. 同时, 本文设计了一种大邻域搜索算法以求解问题, 通过大量的数值实验验证了模型的有效性和算法的高效性, 并进行敏感性分析实验, 比较不同情况下算法的求解性能. 实验结果表明, 本文提出的算法能够在短时间内得到高质量的飞行试验任务单, 有效提升调度工作效率, 为飞行试验调度提供科学的方法支撑.

智能制造能有效优化资源配置、提高生产效率和能源效率, 节约能源的同时却可能因改变企业行为和扩大生产规模增加能源需求, 诱发能源回弹效应. 本文基于 2010–2021 年制造业 A 股上市公司数据, 在能源回弹效应评估模型基础之上, 将智能制造试点示范项目的批复视为准自然实验, 利用三重差分方法研究智能制造是否诱发能源回弹效应. 研究结果表明: 第一, 智能制造诱发试点企业的能源回弹效应, 致使其能源回弹效应增加约 13.5%. 第二, 智能制造通过电力对其他要素的替代效应与规模扩张的产出效应增加电力需求, 进而增加试点企业的能源回弹效应. 第三, 智能制造更为明显地增加了高能效企业、低耗能企业、高数字化程度企业、国有企业、《中国制造 2025》十大重点行业企业以及非高耗能行业企业的能源回弹效应. 本文拓展了能源回弹效应诱发机理与路径, 丰富了能源回弹效应评估及智能制造赋能节能降碳的研究, 所得结论为推动制造业数字化绿色化协同发展提供了理论依据和决策参考.

贷款贴息支持受灾企业恢复产能是政府救灾的重要手段之一. 合理考虑企业具体受灾程度, 确定恰当的贷款贴息率以提升救灾资金使用效率与产能恢复速度, 是救灾贷款贴息政策设计的关键着眼点. 有鉴于此, 本文基于现实常见的政府贴息政策形式, 分别构建单一契约、甄别契约、检查契约及惩罚契约四种不对称信息下的贴息契约模型, 研究政府的贷款贴息政策设计, 同时比较各契约中的贴息率与产能恢复速度, 分析不同参数对贷款贴息契约的影响. 研究结果表明: 政府的贷款贴息遵循高 (低) 贷款贴息与严格 (宽松) 产能恢复期配合的政策设计原则; 甄别契约的救灾成本始终低于单一契约, 深入企业勘察受灾状况的检查契约在物资重要程度低且物资数量缺口大时成本最低; 甄别契约的产能恢复期短于检查契约, 但贴息率高于检查契约; 检查契约下受灾较轻企业没有得到足够多的贷款贴息补贴, 产能恢复效率低下. 拓展分析验证了主要结论的鲁棒性. 本研究可为政府应急救灾贷款贴息政策设计提供决策支持.

在来源广泛、结构异质的复杂信息环境下, 如何持续稳定地监测事物发展水平是评价管理领域中一个重要的研究问题. 为此, 在泛综合评价理论的基础上, 提出了一类新的综合指数, 即多源随机聚合指数, 并详细讨论了多源随机聚合指数的影响因素. 在指数计算方面, 将决策者偏好融入指数基点计算过程, 不仅能凸显多个对象基点值之间的优劣差异, 还能使其灵活适配多样的实践情境. 另外, 从横向比较 (同一时期多个对象之间的比较) 与纵向对比 (同一对象多个时期的对比) 双视角出发, 提出了两种多源随机聚合指数更迭思路, 并具体给出了三种指数计算规则. 在影响因素分析方面, 借助大规模模拟仿真发现: 参考对象设置为 8–10 个时, 既能保证基点值的精度又能节省时间成本; 基点值会随着参考偏好系数的增大而减小; 横向更迭思路与差值计算规则能够最大程度地保留多源随机聚合指数在多个对象间的优劣差异. 最后, 算例对比与实例分析的结果显示, 多源随机聚合指数能够在复杂信息环境中持续准确地定位事物的演化发展轨迹, 同时展现出有效区分不同对象优劣特征的能力.

在后疫情时代全球经济下行的背景下, 我国汽车贷款违约风险显著增加, 且违约样本具有不平衡性. 为提升模型对违约样本的敏感性与可解释性, 本文提出了一种面向车贷违约风险预测的可解释异质加权集成树模型 (eXplainable heterogeneous weighted tree ensemble, XHWTE). 该模型设计了针对不平衡数据的样本加权机制及基于 F1 的阈值搜索算法, 实现了面向异质加权集成树模型的事后可解释分析. 在国内车贷违约预测数据集和 L&T 车贷违约数据集上的实验表明, 与随机森林模型相比, XHWTE 模型分别提升了 26.85% 和 25.43% 的 F1 评分. 通过对模型进行变量维度的事后解释分析, 采用加权集成后的 Shapley 值, 明确了贷款资产比、贷款对接员工等关键因素对车贷违约风险预测的影响. 本文通过对比分析、消融实验和统计检验等方法, 验证了 XHWTE 模型在召回率和 F1 评分方面的显著优势. 所提模型不仅显著提升了预测性能, 还为金融机构提供了可操作的风险管理工具.

金融时间序列通常具有非线性和高噪声的特征, 许多研究通过经验模态分解及其衍生算法建立预测模型, 并取得了较为理想的预测效果. 然而, 这类研究往往存在显著的前瞻性偏差问题, 导致对模型性能的评估过于乐观. 虽然后续提出的逐步分解方法有效避免了信息泄露问题, 但所分解出的子序列却表现出严重的不稳定性, 导致预测效果较差, 甚至不如未分解的算法. 本文通过深入分析现有方法的不足, 首先详细讨论了单步分解预测流程中的前瞻性偏差问题, 验证了逐步分解预测流程中有效信息被破坏的主要原因在于末端效应的影响; 其次, 改进了逐步分解算法在实际应用中的研究框架, 提出一种更优的滞后经验模态分解应用方法, 有效缓解了末端效应问题, 显著提高了预测模型的趋势精准度和稳定性; 最后, 基于滞后分解算法 (LI) 下的极限学习机 (ELM) 趋势预测以及局部离群因子 (LOF) 趋势异常控制, 提出了一种基于 LI-ELM-LOF 机器学习混合模型的交易策略, 并通过实证研究验证了其在多个金融市场上的有效性. 综上, 本文设计的基于滞后分解的预测模型在缓解末端效应和利用有效的历史信息之间取得了一种平衡, 在八个期货市场测试集中的交易结果显示了滞后分解算法在金融量化交易市场中的潜力, 为预测非平稳、非线性期货趋势提供新途径.

精确预测股票波动率对投资和风险管理至关重要, 也是制定有效经济政策的重要依据. 本文探讨了区间数据模型在提升股票波动率预测准确性方面的效用, 覆盖了 19 个发达及新兴市场的股票指数. 通过与 GARCH、TGARCH 和 Chou 提出的条件自回归极差 (CARR) 模型比较, 区间模型显示出更优的预测性能. 研究采用数据驱动方法分析了非正态分布下波动率和条件极差之间的关系, 并通过不同频率的数据进行了市场分析. 同时, 我们比较了结合极值理论的不同模型在尾部风险预测方面的表现. 此外, 基于区间模型的资产配置研究发现, 其风险调整收益率显著优于其他模型. 这些成果不仅为市场参与者提供了精确的风险评估工具, 也为政策制定者提供支持, 助力高效决策.

股价信息风险往往指上市公司信息披露违法违规或信息在知情与非知情交易者之间不对称带来的风险. 本文基于最重要的两类公司重大信息事件——盈余公告与并购重组, 构造异常特质波动率 (abnormal idiosyncratic volatility, AIV), 将其作为因知情交易行为而引起的信息风险的测度指标, 系统性地探讨其是否为预测股票收益率的定价因子. 实证结果显示: AIV 与盈余公告和并购重组发布前的知情上行收益率, 以及卖空交易、内幕交易和机构投资者交易为显著的正向关系, 初步证实 AIV 能捕捉知情交易行为; 使用投资组合方法和 Fama-MacBeth 回归方法证实更高 AIV 的股票, 将有更高的未来收益率, 即 AIV 是需要被定价的风险因子; AIV 是区别于盈余公告后漂移、并购重组后漂移、特质波动率、数量型信息风险及错误定价的系统性风险因子.

在 “双碳” 目标和全面注册制的背景下讨论 IPO 对同行业企业 ESG 表现的影响, 有助于理解资本市场制度建设和实体经济高质量发展之间的关系, 具有重要的现实意义. 基于 2010 至 2022 年中国股市数据的实证研究发现, IPO 会降低同行业企业的 ESG 表现, 且行业竞争越激烈、同行业企业与新上市企业间产品相似度越高, 该负向溢出效应越大, 而行业信息环境越好则该负向溢出效应越弱. 这些结果表明: 新上市同行带来的竞争压力会迫使企业专注主营业务而削弱 ESG 投入, 而 IPO 过程提供的增量信息能提升 ESG 投资的价值并由此促进企业 ESG 投入; 竞争压力的削弱作用超过增量信息的促进作用, 从而 IPO 能显著降低同行业企业的 ESG 表现. 进一步分析显示, IPO 对同行业企业 ESG 表现的负向溢出效应在非国有企业、非重污染企业、管理层短视程度高和融资约束小的企业中更加突出. 注册制会同时强化竞争压力和增量信息, 但因竞争比信息的作用更直接, 且交易所问询还可能揭露负面信息以加剧负向溢出, 使得注册制的实施最终增强了上述负向溢出效应. 本文拓展了 IPO 行业溢出效应方面的研究, 并从资本市场角度加深了对企业 ESG 投资决策的理解.

在不确定性高企的经济环境下, 降低企业债务违约风险、实现 “稳增长” 与 “防风险” 的均衡是避免系统性风险的重要保障. 本文构建了包含企业内生风险转移的动态随机一般均衡模型, 研究了银企间信息不对称导致的债务违约风险提升的问题, 并为相关结果和理论机制提供了经验证据. 理论分析发现: 由于存在更严重的信息不对称问题, 小企业的激进投资决策会提高债务违约风险. 在不确定性冲击下, 这种风险转移机制会产生 “风险加速器” 效应, 导致企业间债务违约风险非对称性变化, 而银行更高的风险评估会放大此效应的影响. 在风险转移机制下, 相关政策应当从信贷供给角度出发缓解信息不对称问题. 实证检验发现, 小企业在面临不确定性冲击时违约风险更高, 而信息不对称与风险承担是其中的重要渠道.

在主体功能区战略下, 开发区是重点开发区域发挥经济增长极的重要载体. 本文重点区分了开发区层级和类型, 选取 2003–2020 年全国 893 个重点开发的区县为研究样本, 采用双重差分方法重新评估了各级各类开发区的异质性经济增长效应及其驱动机制. 研究发现: 国家级开发区和高新区的设立产生了显著的经济增长效应, 省级开发区和经开区的设立则不会产生这一效果. 这一结论在进行了更换变量, 更换样本期间, 排除政策干扰和安慰剂检验等后仍然稳健. 异质性分析发现, 重点开发区县开发区的经济增长效应因因开发区层级, 开发区类型, 主体功能区层级, 行政区划, 地理区位和开发方式而异. 机制分析发现政策效应和集聚效应是导致重点开发区县开发区经济增长效应异质性的主要渠道. 本文进一步从公共基础设施的视角解释了省级开发区和经开区设立未能促进地区经济增长的原因. 本研究对于深入实施主体功能区制度, 充分发挥重点开发区域经济增长重要增长极作用, 优化国土空间发展格局具有重要意义.

最佳子集选择能精准高效地从高维数据中挖掘重要信息以建立精简回归模型, 近年来, 它在机器学习、图像处理和生物医学等领域的应用越来越多. 然而, 现有的最佳子集选择方法大多基于最小二乘或极大似然, 导致在处理异质性数据时不够稳健. 为了有效地应对高维数据的异质性以及全面地分析响应变量的条件分布, 文章基于$\ell_{0}$惩罚与平滑分位数损失函数设计一种稳健的最佳子集选择算法. 在实践中真正的重要变量个数通常是未知的, 文章进一步提出了一种截断顺序搜索算法用于高效且准确地选择重要变量的个数. 通过随机模拟与现存变量选择方法对比, 发现文章所提方法在变量选择和参数估计精度方面更具优势. 最后, 文章运用新方法分析枯草芽孢杆菌产生核黄素的相关基因数据, 实验结果表明新方法估计核黄素产生率方面具有更小的分位数预测误差.

本文结合弹性网络收缩方法和 Diebold & Yilmaz 方法衡量中国商品期货市场的系统网络联结性, 进而反映系统重要性特征, 并结合全局网络和不同节点视角, 对各个商品期货品种在系统中的重要性程度进行分析. 本文发现, 在静态分析中, 位于中国商品期货网络支配地位的是铜, 分不同品种来看, 商品期货之间由于产业链等关联, 往往呈现溢出强度相似的双向联系; 分商品大类来看, 金属类商品的重要性程度更高, 其次是农业类、化工类商品. 在动态分析中, 商品期货系统的整体联结性和商品市场相关的重大风险事件相关, 并进一步带来系统重要性商品品种的变化. 此外, 商品自身供求变化、产业链关联、国家产业政策等因素也会影响商品期货系统中系统重要性品种的更迭.

计算机试验在科学研究和工程设计领域应用广泛. 其前期阶段通常涉及大量因子, 此时设计的低维空间填充性质是识别活跃因子的重要保证. 基于效应稀疏和效应等级原则, 文章提出投影分层型以衡量设计的1维至全维度的投影分层性质, 并有效地筛选出具有低维空间填充性的设计. 但当试验规模较大时, 其所需的计算量将指数级增长. 文章提出了计算复杂度更低的投影分层性度量, 即极大投影分层枚举器. 该枚举器可表示为投影分层型的线性组合形式, 且可发展出极大投影分层型的一种快速求解方法. 此外, 文章还给出了极大投影分层枚举器取值下界相关的理论结果, 以及极大投影分层设计的数值构造方法.

本文基于 2016、2018 和 2020 年中国家庭追踪调查数据, 采用面板多元排序模型和条件混合过程 ivoprobit 模型验证了空气污染对居民肥胖的异质性影响及其影响机制. 研究发现, 环境污染显著促进了居民肥胖, 这一结论在系列稳健性检验和解决内生性问题后依然成立. 异质性分析发现: 空气污染对男性群体、室外工作群体的肥胖促进作用更明显. 相比城市和南方地区, 空气污染对乡村和北方地区居民肥胖的促进作用更明显. 相比非资源型城市, 空气污染对资源型城市居民肥胖的促进作用更大. 进一步分析发现, 资源型城市中成熟型和衰退型城市的空气污染显著促进了居民肥胖, 但成长型和再生型城市环境污染对居民肥胖的影响不明显. 调节效应分析表明: 居民年龄和情绪分别正向和负向影响空气污染与居民肥胖的关系. 数字经济和绿化环境削弱了空气污染对肥胖的促进作用. 机制检验表明: 空气污染通过健康干扰效应、活动抑制效应、心理压力效应、就业和收入抑制效应影响居民肥胖.

增长曲线模型是纵向数据分析的经典模型, 该模型的两个重要假定是: 1) 随机误差项服从多元正态分布; 2) 组别矩阵已知. 文章放松以上两个假设, 首先将随机误差项的分布从多元正态分布扩展到更一般的多元权指数分布, 研究增长曲线模型下的参数估计问题; 然后研究组别矩阵未知的增长曲线模型(称为混合增长曲线模型)的参数估计问题, 并获得了一种纵向数据聚类的新方法, 即基于混合增长曲线模型的聚类方法. 模拟分析和实际数据分析都表明所提出的方法具有有效性和合理性.

应对快速进入深度老龄化社会, 实施有效的生育支持政策和延迟退休政策已成为我国未来人口政策的重点. 本文基于一个内生生育、内生退休的世代交叠一般均衡模型, 假定政府在生育补贴与养老金之间进行资源分配, 研究生育补贴对退休选择、养老金以及老年时期福利的影响. 理论分析显示, 生育补贴既能增加居民生育子女数量, 也能促使人们选择延迟退休; 生育补贴对养老金呈倒 U 型影响, 但能增加老年福利, 只是这会损失当期已退休老年人的部分福利. 采用 OECD 跨国面板数据的实证研究结果与理论分析结果相符. 本文研究结果表明, 如果政府受到资源约束, 那么, 将部分资源由养老金向生育支持政策倾斜, 既促进生育率回升, 也有利于延迟退休政策实施; 这虽然会对当期已退休老年人的福利产生一定影响, 但长期而言, 将持续提升后续世代老年人的整体福利水平. 本文的研究丰富了生育支持与延迟退休的相关理论, 并为当前我国实施生育支持政策提供了理论借鉴.

聚合降维 (Wang等, 2020; Wang和Yin, 2021)是一族重要的充分降维方法, 在应对复杂模型方面颇具优势. 该方法在每个样本点的$k$邻域上进行降维, 再将各局域上的降维结果聚合. 文章试图调整局域内的数据分布,使其接近椭圆分布, 从而改善其上的局部降维效果, 以提高最终的聚合逆均值估计的精度. 然而,由于各局域内样本量不能取得太大, 现有的基于Voronoi权重的重加权方法 (Cook和Nachtsheim, 1994)会面临两个问题:一是,难以构建与数据适配良好的目标分布; 二是, 样本点的权重求取也变得困难. 为此, 文章提出了自适应重加权方法, 以解决上述问题. 该方法依托局域内的一个初始充分降维的结果来获得其中的数据点权重. 文章导出了几个性质, 揭示初始充分降维方向与自变量向量投影不满足线性设计条件的子空间之间的关系, 以说明该方法的合理性. 通过模拟和真实数据分析, 该方法的效果得到了验证.

随着互联网技术的不断发展, 数据流受到了广泛的关注, 但异常值的存在可能会对数据流的统计推断产生不利影响, 所以研究有效的异常值检测方法至关重要. 由于数据流具有实时性, 传统的异常值检测方法将面临挑战. 针对这一挑战, 文章提出一种适用于数据流的异常值在线检测方法. 首先, 在线更新数据流的样本均值函数, 进而更新数据流的主成分得分, 获取最小修剪得分集并评估其均值估计量的稳健性; 其次, 基于距离的渐近分布构造阈值规则来检测异常值, 运用一步重加权方法控制异常值检测的假阳性率; 最后, 通过模拟研究和实例分析验证了文章所提出方法的合理性与有效性.