石油企业科技进步模型的改进

传统技术进步模型在评价科技进步贡献率时 ,没有动态考虑通货膨胀和成本上扬等因素 ,忽视了时间价值的影响。根据石油企业的生产特点 ,对一般技术进步模型 (即索洛生产函数 )进行了相应的改进。既考虑了产出资源的自然递减 ,又考虑了通货膨胀及生产开发难度对投入资金的影响 ,这就保证了石油行业在投入产出上的匹配及价格上的一致。用改进后的模型对石油系统的 19个油田的科技进步贡献率进行了测算 ,其结果符合实际     

经济增长的复杂性与“J”结构

从现代经济增长的事实和复杂性角度讨论了经济增长的原因和机制 .“J”结构是我们提出的一种经济增长复杂性的重要模式 ,这种具有潜在后发性优势但又需要先期投入的经济现象普遍存在于国际贸易、金融、教育、人力资源、生态环境等不同领域 .由于增长的复杂性 ,“J”结构及与之相对应的“J”过程或“J”效应往往被波动所掩盖 .本文进一步从物理、数学的角度指出“J”过程的本质是系统存在多重均衡时的非平衡相变过程 .最后 ,讨论了宏观经济系统中宏观变量之间的相互关系 ,“J”结构体现了这些宏观变量之间非线性相互作用机制.     

技术进步对辽宁省经济增长贡献的定量研究

技术进步是推动经济增长的动力,并且在经济增长中发挥越来越重要的作用.运用索洛的生产函数模型,以统计数据为基础,测算了1980-2003年间辽宁省全要素增长率,解析了各种生产要素对经济增长的影响水平,讨论了技术进步在辽宁省经济增长过程中的主要方式及其变化方向,并给出了相关建议.     

试论科学技术进步对经济发展的作用

分析了科学技术进步对经济发展的作用，尔后探讨了定量数学模型索洛余值法评价科学技术进步对经济增长的作用，最后提出了定量数学模型应注意的问题。     

广东建筑业增长的贡献率分析

以广东省建筑业近14年的数据为基础,借助于柯布-道格拉斯生产函数和索洛方程计算广东省建筑业产出增长的贡献来源.结果显示,1990~2003年科技进步、劳动投入和资本投入对产出增长的相对贡献率分别为8.79%、60.23%和30.98%,说明广东省建筑业仍以劳动和资本投入为主,属于粗放型发展经营方式.为此,应找出制约建筑业发展的瓶颈,为建筑企业实施改革、提高竞争力提出建议,走可持续发展之路.     

煤炭企业技术进步贡献率的测算

针对传统C—D生产函数的局限性,考虑前期因素对当期产出的影响,建立煤炭企业资本影响滞后生产函数模型,并结合索洛模型测算企业技术进步贡献率。实例表明,龙煤集团双鸭山分公司的技术进步贡献率为37．4％,与其他机构计算结果相符。资本影响滞后生产函数与索洛模型相结合的技术进步贡献率测算方法简单、准确,可应用推广。     

成都市产业结构与经济增长实证分析—基于1980-2013年的经验数据

基于成都市1980年至2013年的生产总值及一、二、三产业值样本数据,运用柯布-道格拉斯生产函数和索洛经济增长模型,对成都市产业结构、经济增长与生产要素的相关性进行实证检验,定量分析三次产业对经济增长的贡献率和拉动经济增长的百分比。研究表明：目前成都市产业结构处于“三二一”顺序的工业化后期阶段,最近几年第三产业是经济增长的主要动力。然而,随着第三产业结构的不断扩张,势必会使第一产业和第二产业对经济规模的正效应下降,最终把经济带入衰退的境地。因此,要使成都市的经济长期稳定增长必须进一步优化调整产业结构。     

基于索洛余值法测算科技进步对汉中市经济的贡献

研究科技进步对区域经济发展的作用.以1978-2008年汉中市相关的统计数据为依据,利用索洛余值法和SPSS软件,测算出汉中市1978-1988年,1989-1999年和2000-2008年这3个阶段的科技进步贡献率分别为18.84％,24.13％,39.11％.结果表明,科技进步对经济发展有明显的促进作用.针对汉中市科技进步对经济的贡献率与陕西省乃至全国相比还是偏低等问题,提出了提高汉中科技进步贡献率、促进社会经济发展的建议.     

中国科技贡献率的测度和预测

在Cobb-Douglas生产函数和索洛模型的基础上,运用回归法计算出资本产出弹性系数和劳动力产出弹性系数,并使用灰色系统理论对未来五年的科技贡献率进行了预测,试图通过相应的经济计量分析,为促进中国经济持续稳定发展提供科学的依据。     

Expansion modelling of discrete grey model based on multi-factor information aggregation

This paper aims to study a novel expansion discrete grey forecasting model, which could aggregate input information more effectively. In general, existing multi-factor grey forecasting models, such as one order and h variables grey forecasting model （GM （1, h））, always aggregate the main system variable and independent variables in a linear form rather than a nonlinear form, while a nonlinear form could be used in more cases than the linear form. And the nonlinear form could aggregate collinear independent factors, which widely lie in many multi-factor forecasting problems. To overcome this problem, a new approach, named as the Solow residual method, is proposed to aggregate independent factors. And a new expansion model, feedback multi-factor discrete grey forecasting model based on the Solow residual method （abbreviated as FDGM （1, h））, is proposed accordingly. Then the feedback control equation and the parameters＇ solution of the FDGM （1, h） model are given. Finally, a real application is used to test the modelling accuracy of the FDGM （1, h） model. Results show that the FDGM （1, h） model is much better than the nonhomogeneous discrete grey forecasting model （NDGM） and the GM （1, h） model.