环境规制、国企民企高管激励感知与绿色制造

绿色制造是制造业实现高质量绿色发展、服务“双碳”目标要求的途径之一。研究立足本土企业家激励偏好存在差异的现实,基于面向制造业高管的297份调查问卷,利用多群组分析方法,对比了国企与民企中环境规制影响高管激励感知进而影响绿色制造的机制,得到以下结论:①激励规制与命令规制正向影响企业绿色制造、高管财富激励感知和政治激励感知,其中:激励规制对政治激励感知的正向影响,国企强于民企;激励规制对财富激励感知的正向影响,民企强于国企。②政治激励感知与财富激励感知均正向影响绿色制造,其中:政治激励感知对绿色制造的影响,国企强于民企;财富激励感知对绿色制造的影响,民企强于国企。③政治激励感知在激励规制与绿色制造之间的中介作用在国企中更强,财富激励感知在激励规制与绿色制造之间的中介作用在民企中更强。④激励规制、政治激励感知和财富激励感知对绿色制造的影响,在建材、建筑施工制造业以及通用设备制造业中更强。研究从国企与民企高管激励感知入手,丰富了环境规制对企业绿色制造的影响机制,扩展了SOR理论的应用。

海尔人单合一模式:基于数据驱动的大规模定制

竞争环境的变化要求企业以敏捷、低成本、精准地满足顾客个性化需求。人单合一借助物联网、互联网+和大数据技术等创新和发展了大规模定制模式,能有效适应环境新变化和竞争新要求,敏捷、低成本、精准地满足顾客需求。本文回顾人单合一的发展背景,分析供给大于需求环境下竞争要素的变化趋势,总结人单合一的理论基础和实践经验,提出相应的管理启示。研究发现,物联网、互联网+和大数据等为人单合一实现对顾客需求的精准了解提供了技术支持,组织创新和生态系统激励机制构建为人单合一模式提供了动力机制,人单合一模式实现了场景需求与系统服务解决方案供给的精准匹配,同时也提升了行为主体的自我价值。人单合一模式可为企业实现供给侧结构性改革与高质量发展提供借鉴。

基于混合结构数据的碳价格多尺度组合预测

碳交易价格的精准预测对推动碳交易市场的科学理性发展具有重要意义,因此提出一种基于混合结构数据的碳价格多尺度组合预测方法。首先,用谷歌指数提取碳价格相关的非结构化数据,基于主成分分析对其进行降维。然后,对影响因素的结构化数据、降维后的非结构化数据、碳交易价格分别进EMD分解得到不同个数的本征模函数(IMF),并采用Fine-to-Coarse技术对IMF进行重构得到高频序列、低频序列和趋势项。进而根据时间序列各尺度特点,用ARIMA、PLS和神经网络对高频数据、低频数据和趋势项进行预测。最后,对预测结果集成得到碳价格预测序列。以欧盟碳价格为例进行实证分析,结果表明,此组合预测模型的预测精度优于单项预测方法和未对时间序列进行EMD分解处理的预测方法,具有较好适用性。

我国农产品物流需求量组合预测分析--基于PLS、BP神经网络和ARIMA模型的实证

针对影响农产品物流需求的各种特定因素,提出基于偏最小二乘回归(PLS)、BP神经网络和ARIMA模型的我国农产品物流需求量最优组合预测分析方法体系,并基于1995-2015年中国农产品物流需求量相关数据对我国农产品物流需求进行预测分析。实证分析结果表明,预测方法不但能够有效预测农产品物流需求量的整体变化趋势和细节波动,具有更高的预测精度,而且能够反映粮食产量、粮食价格等影响因素对物流需求量的作用机制。

基于非结构数据流行学习的碳价格多尺度组合预测

碳交易价格的有效预测对制定符合国情的碳金融市场政策以及碳金融市场的风险管理都具有重要意义.对此,提出一种基于非结构数据流行学习的碳价格多尺度组合预测方法.首先,利用网络搜索指数提取碳价格相关的非结构化数据,基于等度量映射流行学习对其进行降维;然后,对降维后的非结构化数据、其他影响因素结构化数据、碳交易价格分别进行经验模态分解(Empirical mode decomposition, EMD),得到不同个数的本征模函数(Intrinsic mode function, IMF),并采用Fine-to-coarse方法对IMF进行重构,得到高频序列、低频序列和趋势项;最后,利用自回归积分滑动平均模型(Autoregressive integrated moving average model, ARIMA)、偏最小二乘(Partial least squares, PLS)回归和神经网络对高频数据、低频数据和趋势项进行预测,将3种预测结果进行集成,得到最终预测值.仿真实验结果表明,所提出的方法可以有效利用多源信息,具有较高的预测精度和良好的适用性.