期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
中国共同富裕的测度、区域差异及动态演化 被引量:2
1
作者 邹伟勇 许玲丽 《地理科学》 CSCD 北大核心 2024年第1期71-81,共11页
为扎实推动共同富裕取得实质性进展,全面反映共同富裕建设成效,本文探索共同富裕的量化体系。基于熵值法、Dagum基尼系数以及Markov链等实证分析方法,本研究从共同、共享和富裕3个维度测度中国共同富裕指数,并探索其时空演化规律。研究... 为扎实推动共同富裕取得实质性进展,全面反映共同富裕建设成效,本文探索共同富裕的量化体系。基于熵值法、Dagum基尼系数以及Markov链等实证分析方法,本研究从共同、共享和富裕3个维度测度中国共同富裕指数,并探索其时空演化规律。研究发现:①从区域层面看,共同富裕水平由高到低排序依次为东部、东北部、中部、西部。其中,北京、天津、上海和江苏位于高共同程度–高富裕程度区域。虽然共同程度指数下降,但共享程度指数和富裕程度指数的正向驱动效应更大,共同富裕指数呈现稳步上升趋势。②共同富裕的总体差异主要来源地区间差距,地区内差异贡献相对较小。区域内和区域间的共同富裕发展差距逐渐缩小。③共同富裕发展较为稳定,不同地区的共同富裕发展存在稳定性差异,一般不会出现跨越层级的跃升。临近类型转移的概率大于非临近类型转移的概率,上升转移类型的概率大于下降转移类型的概率。 展开更多
关键词 共同富裕 动态演化 熵权法 Dagum基尼系数 MARKOV链
下载PDF
中国城市人工智能发展的时空演化特征及其影响因素 被引量:8
2
作者 邹伟勇 熊云军 《地理科学》 CSSCI CSCD 北大核心 2022年第7期1207-1217,共11页
基于2000—2019年中国285个地级及以上城市面板数据,以关键词检索人工智能相关的专利申请数,运用标准差椭圆、探索性空间数据分析以及空间杜宾分解模型,探析中国城市人工智能的时空演变特征及其影响因素。结果表明:①人工智能发展在时... 基于2000—2019年中国285个地级及以上城市面板数据,以关键词检索人工智能相关的专利申请数,运用标准差椭圆、探索性空间数据分析以及空间杜宾分解模型,探析中国城市人工智能的时空演变特征及其影响因素。结果表明:①人工智能发展在时间上可分为起步期、成长期以及高速发展期;空间上呈明显的层级效应,东部沿海城市优势明显,中西部城市正加快崛起。②人工智能存在较强的空间正向相关关系,局部地区城市形成集聚发展态势。空间分布沿“东北−西南”方向产生极化现象,沿“西北−东南”方向产生扩散现象。分布重心位于安徽省内,有持续向东南迁移的趋势。③市场化水平、人口密度、人力资本、外商投资水平和金融发展水平的提升有利于人工智能发展,存在正向空间溢出效应。政府干预与人工智能发展呈倒U型曲线关系,存在空间溢出效应。产业升级和基础设施建设水平的提升有利于人工智能发展,但空间溢出效应不明显。 展开更多
关键词 中国城市 人工智能 标准差椭圆法 空间杜宾模型
下载PDF
空间视角下我国全要素生产率及影响因素研究——基于DEA-CCR空间面板数据模型 被引量:4
3
作者 邹伟勇 张丽苹 唐蜜 《钦州学院学报》 2018年第8期59-65,共7页
基于DEA-CCR模型测算2000-2016年我国全要素生产率(TFP),利用探索性分析工具测算全局和局部莫兰指数来考察地区TFP的空间关联性特征,构建邻接权重矩阵的空间计量模型作实证分析。结果表明:我国全要素生产率在不同地区呈现不同程度的差异... 基于DEA-CCR模型测算2000-2016年我国全要素生产率(TFP),利用探索性分析工具测算全局和局部莫兰指数来考察地区TFP的空间关联性特征,构建邻接权重矩阵的空间计量模型作实证分析。结果表明:我国全要素生产率在不同地区呈现不同程度的差异,TFP值由东往西,由沿海至内陆递减;通过人均GDP、环境规制、能源结构、产业结构、科技水平等几个方面影响因素对全要素生产率进行分析,各影响因素对全要素生产率的作用情况,因地区差异而有所不同。针对上述结论,应从企业和政府两个角度提高我国全要素生产率。企业应改善清洁生产技术,做好节能减排工作;政府要因地制宜实施环境规制,积极调整能源消费结构,优化产业结构,加大对中西部的政策扶持力度等。 展开更多
关键词 全要素生产率 DEA-CCR模型 莫兰指数 空间计量模型
下载PDF
Dynamic Development Characteristics and Driving Factors of High Quality Development Level in China’s Five Major Urban Agglomerations
4
作者 zou weiyong XU Lingli 《Chinese Geographical Science》 SCIE 2024年第5期777-790,共14页
High-quality development is the primary task of comprehensively building a socialist,modern country,as well as the primary task of building urban agglomerations in China.Based on the five development concepts,this pap... High-quality development is the primary task of comprehensively building a socialist,modern country,as well as the primary task of building urban agglomerations in China.Based on the five development concepts,this paper used the entropy method to meas-ure the High Quality Development Index(HQDI)of the five major urban agglomerations.The results showed that the HQDI of the five major urban agglomerations shows a fluctuating upward trend.First,using the Dagum Gini coefficient to explore the sources of HQDI development differences in urban agglomerations,we found that the main source of HQDI differences in urban agglomerations was inter-regional differences,while intra-regional differences were not important.Second,kernel density estimation was used to test the dynam-ic evolution trend of HQDI within urban agglomerations.There was a polarisation phenomenon in the HQDI of urban agglomerations,such as the Pearl River Delta urban agglomeration and the Chengdu-Chongqing urban agglomeration.But overall,the degree of imbal-ance had decreased.Third,using geographic detectors to examine the driving factors of HQDI in urban agglomerations,we found that the main driving forces for improving HQDI in urban agglomerations were economic growth,artificial intelligence technology and fisc-al decentralisation.All the interaction factors had greater explanatory power for the spatial differentiation of HQDI,which can be di-vided into two types:two-factor improvement and non-linear improvement.This study is conducive to improving and enriching the the-oretical system for evaluating the high quality development of urban agglomerations,and provides policy references for promoting the high quality development of urban agglomerations. 展开更多
关键词 urban agglomeration High Quality Development Index(HQDI) spatio-temporal evolution driving factors
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部