中国信息产业对经济短期贡献的统计测算

产业经济学理论认为,行业之间存在关联性,据此,将信息产业对经济发展的贡献分为长期贡献和短期贡献,长期贡献是指信息提升人力资本的知识、技能,从而提高劳动生产率,对经济增长产生长远的贡献;短期贡献包括直接贡献和间接贡献,此外间接贡献还可进一步分为推动贡献和拉动贡献.文章基于2010年中国42个部门投入产出基本流量表,通过对相关系数的计算,测算出当年信息产业对社会经济的短期贡献.     

湖北省进口贸易与经济增长关系的实证分析

文章以湖北省2003-2016年的进口数据为基础,分析了湖北省进口贸易和经济增长之间的关系.分析发现:进口总额的增长能够有效推动湖北省的经济增长,并且随着时间的推移,进口对经济作出了持续且累进的贡献.因此湖北省应该提高对进口贸易的重视程度,出台政策提升湖北省进口贸易的规模和发展,从而更好地发挥其对经济增长的作用.     

信息产业与经济增长关系的协整分析

一、引言信息产业是高渗透性、知识智力密集型、更新快、受技术进步影响大、要求有大量智力和高智能投入、产出效益高、增长快、需求广、就业面广,对劳动者文化层次要求高,综合性强,节省资源、无公害的产业。信息产业对经济增长的影响表现在两个方面,一是直接影响,作为经济活动     

高等教育对区域经济增长贡献实证研究

文章基于教育类似出口的思想,借鉴Feder两部门模型的思路,运用1999-2005年全国各省区面板数据(Panel Date)测算高等教育对区域经济增长的贡献.结果表明高等教育对GDP增长的直接贡献以及高等教育对其他生产部门的外溢效应,两者均呈现由东向中西部地区逐步递减的梯次分布.     

湖北省在人口红利期的经济增长分析

文章通过对1949-2008年湖北省人口出生率、死亡率及自然增长率的分析,发现建国以来湖北省经历了典型人口再生产类型的三个阶段。利用抚养比作为测算人口红利的指标,测算了湖北省的人口红利,结论表明自新中国成立以来,湖北省随即进入了人口负债期,之后湖北省的人口负债经历了一个由少到多,又由多到少的变化过程,最终转变到人口红利期;运用VAR模型分析湖北省在人口红利阶段人口结构对投资及经济增长的影响,结论表明人口结构的转变对投资的贡献非常小,且不构成其格兰杰因果原因。说明在人口转变过程中,过多的强调了投资的重要性,而忽略了人口增长放慢引起的消费萎缩对经济的抑制效用。     

浙江信息产业发展对经济增长作用的统计分析

当今社会，以电子信息技术为核心的信息产业已发展成为全球最具竞争力和发展最快的产业之一，信息产业的发展成为衡量一个国家或地区发达程度的重要标志，成为推动一个国家、一个地区经济发展的最重要的力量。那么，信息产业发展对经济增长的影响到底有多大？信息产业在经济增长中发挥了什么样的作用？信息产业发展与经济增长存在什么样的数量关系？本文利用2004年浙江省经济普查资料并结合1994年-2004年浙江省统计数据对浙江省信息产业发展对经济增长作用开展研究，试图对上述问题进行解答。     

湖北省科技进步对经济增长的贡献率测算

改革开放以来,湖北省经济发展迅速,新的科学技术不断地应用到生产过程中,各大产业的技术水平都有了很大提高,定量测算科技进步对湖北省经济增长的贡献,把握科技进步与经济增长之间相互作用的规律,对于提高经济预测水平,促进经济增长由粗放型扩张转变到依靠科技进步和提高劳动者素质的轨道上来,具有重要的现实意义.     

湖北省碳排放与经济增长关系研究

湖北省作为中部地区工业化大省,既面临发展问题,又面临减排的压力,如何协调碳排放与经济增长之间的关系值得我们探讨。文章利用2000～2010年湖北省碳排放总量和地区生产总值的时间序列数据,通过相关性分析、单位根检验、协整检验、格兰杰因果检验、回归分析和碳排放强度的研究,阐述了湖北省碳排放量和经济增长的关系,并建立了两变量的计量模型。研究结果显示:湖北省的碳排放与经济增长之间存在线性关系,且长期平稳,即随着湖北省经济水平的提高,碳排放量也将随之增加,但是湖北省的碳排放强度在全国范围内保持较低水平,且呈下降趋势。     

信息消费热点的形成与上海信息产业发展的实证研究

信息产业是当今世界发展最有活力的产业,上海已明确确定把信息产业作为上海六大支柱产业之一.加快发展信息产业,推进上海信息化建设,对促进上海经济进一步增长具有重要作用.信息产业与信息消费密不可分,两者根本上是生产和消费的关系,发展信息产业最根本取决于信息消费的不断增长,否则信息产业发展将难以为续.本文试图对信息消费涉及到有关问题作一深入的分析,旨在促进上海信息产业健康发展.     

陕西省能源产业投资对经济增长贡献的实证研究——基于菲德模型的计量检验

根据菲德模型的构造思想,将国民经济部门分为能源部门和非能源部门,并且假设能源部门和非能源部门边际要素生产率存在差异,构建出能源产业投资对经济增长贡献的测度模型。利用该模型测度了陕西省能源产业投资对经济增长的直接贡献和间接贡献。     

能源化工产业高级化与经济增长——兼论能源化工产业最优匹配

能源化工产业是重要的基础性产业，现阶段对能源化工产业高级化及其对经济增长影响研究的成果还较少。文章首先将能源化工产业分为能源开采业、能源加工业和化工产业三大产业，测算能源化工产业高级化水平，结果表明能源资源禀赋导致了能源化工高级化水平的“低端锁定”，能源富集区能源产业高级化水平远远低于非能源富集省份，能源化工产业空间错配现象突出。其次，实证检验能源化工产业高级化对经济增长的影响，结果表明提高能源化工高级化水平能够显著促进经济增长，且不同产业规模的能源化工产业高级化对经济增长的影响存在差异性。再次，采用滚动回归方法检验随着能源化工产业高级化水平和产业结构变动，能源化工产业高级化水平对经济增长影响的变动状况，探讨能源化工产业内部最优匹配问题，结果表明能源化工产业高级化水平在1.05-1.15之间、能源开采业占能源化工产业比重在0.20-0.40之间，能源化工产业高级化对经济增长的促进效应最大。最后提出优化能源富集区能源化工产业匹配度、促进化工产业富集区新产品和新技术研发以及缓解能源化工产业空间错配等方面的政策建议。     

陕西能源产业扩张对经济增长的贡献分析

首先将国民经济部门分为能源部门和非能源部门,利用Feder模型阐释了能源产业扩张对经济增长的影响机理,然后利用成分分解法对陕西能源产业扩张与经济增长的关系进行了统计检验.研究发现,陕西能源产业增长率与经济增长率在水平序列、波动成分和趋势成分等方面变化高度一致.最后通过二阶自回归方程对陕西能源产业扩张与经济增长的关系进行计量检验,结果显示:能源产业对经济增长的直接影响系数为27.20,间接溢出系数为0.26.这说明,2000年之后能源产业对国民经济直接贡献呈逐步上升趋势,而间接贡献呈现先降后升的L型变化特征.因此,必须大力提高能源产业的间接溢出效应,以推动陕西区域经济的持续高速发展.     

制造业效率区域差异及其影响因素分析——基于中国省级面板数据的研究

制造业的发展关系到第二产业乃至整个国民经济的发展,制造业的增长是中国工业经济增长的主导力量。本文运用数据包络分析法,测度了制造业各行业及中国各省制造业效率情况,然后利用中国省级制造业效率指标以及专利申请、地区经济发展水平等制造业效率影响因素的外延数据构成面板数据（Panel Data）建立模型。通过实证分析得出：地区经济的发展有利于制造业效率的提升。专利申请与制造业效率呈负相关。     

物联网产业的统计界定及其分类研究

作为一项新事物,物联网得到愈发多的关注,它被称为是继计算机、互联网之后世界信息产业发展的第三次浪潮。作为我国的战略性新兴产业之一,物联网产业是我国目前和未来要重点发展的产业,但是,关于物联网产业尚无明确的统计界定,无形中给该产业的统计研究工作带来了一定的困难。在此背景下,本文在探讨国内外对物联网的界定及存在的问题的基础上,提出我国物联网产业的统计界定、划分我国物联网产业统计分类应遵循的原则及其分类框架,并分析该分类与《国民经济行业分类》间的关系。     

中国医疗卫生行业发展影响因素的提炼与甄别

关于卫生行业发展影响因素的现有研究多数基于定性分析，而实证研究较少。为从静态和动态两个角度将经济社会发展对卫生行业发展的制约关系进行量化与应用研究，建立多元线性回归模型和ARMA（1，1）模型将社会经济因素对卫生行业发展的影响程度和影响方向进行提炼与甄别，结果表明：人均收入水平、财政卫生支出是影响中国卫生服务业发展的两个主要因素，城乡收入比和人口老龄化对卫生行业发展的影响还不是很显著。     

中国信息产业发展的投入产出分析——以福建省为例

信息技术及其产业的发展已经成为世界经济新的增长点和国际竞争新的制高点，其作用越来越重要。依据最新权威分类，通过编制福建省信息产业投入产出表，计算出信息产业与其它产业之间的经济依存系数、产业关联系数和波及效果系数，可以看出福建省信息产业的发展取得了一定的成绩，但在国民经济中的地位仍不高，提出需进一步以信息化带动工业化，以工业化促进信息化，努力提升信息产业的地位，正确引导信息产业的集群化发展。     

地区资本流动风险与区域经济差异化研究

资本对一个地区的经济发展影响较大,根据中国各地经济增长的统计数据综合分析各地区资本流动风险水平,利用固定资产投资等指标综合反映地区资本流动性,可以通过GDP来反映区域经济差异化。因此,可以采用固定效应回归模型分析地区经济差异的资本流动因素。研究发现：固定资本投资和银行储蓄并不是造成地区引资能力差异的重要因素,各省银行存贷差和财政转移支付是各个地区间资本流动风险的重要因素。     

Variable selection in linear regression analysis with alternative Bayesian information criteria using differential evaluation algorithm

In statistical analysis, one of the most important subjects is to select relevant exploratory variables that perfectly explain the dependent variable. Variable selection methods are usually performed within regression analysis. Variable selection is implemented so as to minimize the information criteria (IC) in regression models. Information criteria directly affect the power of prediction and the estimation of selected models. There are numerous information criteria in literature such as Akaike Information Criteria (AIC) and Bayesian Information Criteria (BIC). These criteria are modified for to improve the performance of the selected models. BIC is extended with alternative modifications towards the usage of prior and information matrix. Information matrix-based BIC (IBIC) and scaled unit information prior BIC (SPBIC) are efficient criteria for this modification. In this article, we proposed a combination to perform variable selection via differential evolution (DE) algorithm for minimizing IBIC and SPBIC in linear regression analysis. We concluded that these alternative criteria are very useful for variable selection. We also illustrated the efficiency of this combination with various simulation and application studies.     

An improved meta-analysis for analyzing cylindrical-type time series data with applications to forecasting problem in environmental study

In this paper, we propose an improved generalized least square (GLS) meta-analysis in a linear-circular regression, and show its utility in the analysis of a certain environmental issue. The existing GLS meta-analysis proposed in Becker and Wu has a serious flaw since information about the covariance among coefficients across studies is not utilized. In our proposed meta-analysis, we take the correlations between adjacent studies into account, and improve the existing GLS meta-analysis. We provide numerical examples to compare the proposed method with several other existing methods by using Akaike's Information Criterion, Bayesian Information Criterion and mean square prediction errors with applications to forecasting problem in Environmental study.     

Performance of Variable Selection Methods in Regression Using Variations of the Bayesian Information Criterion

The Bayesian information criterion (BIC) is widely used for variable selection. We focus on the regression setting for which variations of the BIC have been proposed. A version that includes the Fisher Information matrix of the predictor variables performed best in one published study. In this article, we extend the evaluation, introduce a performance measure involving how closely posterior probabilities are approximated, and conclude that the version that includes the Fisher Information often favors regression models having more predictors, depending on the scale and correlation structure of the predictor matrix. In the image analysis application that we describe, we therefore prefer the standard BIC approximation because of its relative simplicity and competitive performance at approximating the true posterior probabilities.