中国社会物流成本占GDP比重下降成因实证研究——基于因素分析法

为探究2004—2022年中国社会物流成本占GDP比重趋于下降的成因,在物流成本分类基础上对社会物流成本占GDP比重作了指标分解,并采用差额分析法测算物流需求系数、货物单位价值、平均运输距离、物流费率的变动对社会物流成本占GDP比重变化的影响。研究发现,2022年中国社会物流成本占GDP比重相比2004年有所降低,主要源于运输成本占GDP比重的下降和货物单位价值的提高,而物流需求系数、平均运输距离、物流费率的变动均使社会物流成本占GDP比重上升;在运输费率、保管费率、管理费率中,只有运输费率的变动起到了降低社会物流成本占GDP比重的作用;物流需求系数以2013年为拐点先升后降,其影响社会物流成本占GDP比重变化的方向发生了阶段性转折。降低社会物流成本占GDP比重绝不能通过去工业化或过度追求经济服务化的方式实现,而必须在保持制造业比重基本稳定的前提下稳步推进。同时,还须妥善处理好物流服务质量与成本的关系,从两者最佳组合上谋求物流效益的提高,防止物流降成本以牺牲服务质量为代价。展望未来,中国社会物流成本占GDP比重仍有继续下降的空间与潜力,可从结构优化、制度改革、科技赋能、资源整合、供应链协同等方面入手,采取合理有效措施进一步降低社会物流成本占GDP比重。

福利测度的内在逻辑、理论体系与实践价值——以OECD超越GDP官方文本的演进为主线

为了弥补国内生产总值(GDP)在福利测度方面的局限性,国际上以经济合作与发展组织(OECD)为代表开展了超越GDP议题的理论研究,极大地推动了福利测度的理论发展。本文以OECD关于超越GDP议题最主要的两个官方文本《委员会关于测度经济表现与社会进步的报告》及《为了更好的测度:推进超越GDP的福利测度研究》为主线,归纳福利测度的内在逻辑,从不平等、生活质量及可持续性三个维度梳理福利测度的理论体系并讨论福利测度的实践价值,以及对福利测度的共性问题进行阐释。最后提出我国开展福利测度的现实意义及重点难点问题。

基于循环神经网络的GDP预测研究与分析

GDP(Gross Domestic Product)和人均GDP是一个国家经济实力的标志性指标,反映一个国家经济发展状况。通过世界银行提供各国1976年以来的GDP和人均GDP数据对LSTM(Long Short-Term Memory)网络进行了训练,用训练好的LSTM网络对6个国家的人均GDP进行了预测。通过对预测值和实际值的比较,结果显示LSTM网络对人均GDP的预测效果明显优于传统的统计学方法。

网络搜索数据与我国GDP的关联机理分析

网络搜索数据是研究我国宏观经济现象的重要微观信息依据。本文从需求、供给与政策三方面选取和筛选关键词合成网络搜索指数,并与我国GDP进行相关性研究。结果表明:网络搜索指数与GDP的相关性较高,且两者存在长期均衡关系与短期误差修正机制,当GDP逐渐偏离均衡,将会以1~2个月的调整速度从非均衡态过渡到均衡态;网络搜索指数的增长对我国GDP有促进作用。

基于网络搜索数据的GDP组合预测研究

网络搜索数据(Web Search Data, WSD)是研究宏观经济现象的重要微观信息依据。从需求、供给与政策环境等方面选取和筛选关键词来合成网络搜索指数,采用金枪鱼群(Tuna Swarm Optimization, TSO)算法优化的最小二乘支持向量回归(Least Squares Support Vector Regression, LSSVR)模型,对GDP进行预测。结果表明,网络搜索指数与GDP具有强相关性,合成的网络搜索指数能较好地反映GDP的波动走势;网络搜索数据的加入使得预测结果呈现出强时效性,预测效果及预测精度都取决于对最优模型的选择,引入参数智能优化算法可提高模型的预测性能。提出的TSO-LSSVR&WSD模型充分利用网络搜索数据及组合预测优势,提高了GDP的预测精度和时效性,可应用于宏观经济指标预测中。

西安市GDP发展现状与趋势研究

近30年以来,中国城市发生了翻天覆地的变化。西安作为西北唯一一个GDP过万亿的经济体,经过30年的发展,经济、社会、文化各个领域发生巨大变化。本文通过探究西安近30年GDP发展现状与趋势,通过对比分析南京、合肥、郑州、成都、深圳GDP总量与结构差异,总结西安市经济发展的不足。最后从产业结构、固定投资和人力资本等方面提出合理有效的建议与对策。

基于四类时间序列模型的GDP预测效果比较

文章基于1992—2020年的季度GDP数据,实证分析了新冠肺炎疫情事件的异常影响效应,探讨了两大重要分解因素——季节因素和趋势因素之间极强的交互性。根据GDP序列的特点,分别选取三参数指数平滑乘法模型、SARIMA(1,1,1)×(0,1,1)4模型、阶梯干预模型和X-12-ARIMA模型进行建模,并依据MAPE等评价指标,得到了相对最优拟合模型——X-12-ARIMA模型。预测结果显示,我国具有良好的经济发展前景。

基于麻雀搜索算法的GDP增长率预测模型研究

探索季度GDP增长率变化的规律、寻求高精度预测季度GDP增长率的方法对于宏观调控和政府决策发挥着重要作用。选取2003年第1季度至2022年第4季度共6个指标变量对我国GDP增长率进行了预测。首先,对数据进行预处理;其次,建立SVR、GBDT、RFR、Adaboost、XGBoost和LightGBM集成模型,并采用麻雀搜索优化算法(SSA)对模型的重要参数进行调整;最后,选取M_(SE)、M_(AE)、可决系数R^(2)作为模型评价指标,选出预测GDP增长率的最优模型。对比麻雀搜索算法优化后的模型指标,依据模型预测性能的优劣情况将其按降序排序依次为SSA-GBDT、SSA-XGBoost、SSA-RFR、SSA-Adaboost、SSA-SVR、SSA-LightGBM,其中SSA-GBDT模型具有更优的预测性能,M_(SE)、M_(AE)、可决系数R 2分别为0.1486、0.1963、0.9751,对于国内生产总值增长率预测具有更好的效果。

GDP增长5%左右底气哪来

每年的经济增速目标,是国家经济发展的重要指引。《政府工作报告》提出的今年发展主要预期目标之一是国内生产总值(GDP)增长5%左右。为何将今年的预期增长目标设定在5%左右?背后有何考量?又将如何实现这一目标?针对这些问题,《中国经济周刊》记者采访了中国社会科学院经济研究所所长黄群慧。

基于图注意力LSTM深度学习的季度GDP预测应用

GDP预测一直以来都是宏观经济领域的重要研究议题。同时,融合深度学习算法并实时监测GDP的动态变化已是宏观经济指标预测的必然趋势。基于此,本文考虑到宏观经济变量的多源非线性时空特征,提出了一种新的GAT LSTM融合深度学习模型并对季度GDP进行预测。该模型采用图注意力网络(GAT)捕捉空间拓扑结构信息,并运用长短期记忆神经网络(LSTM)提取时间序列信息,以提高模型预测效果。结果表明:与其他基准模型相比,本文所提出的GAT LSTM模型在回归拟合度(R^(2))上平均提升了0.5929、均方误差(MSE)上平均下降了0.6617,具有良好的泛化能力和鲁棒性。该模型在GDP预测领域具有较好的应用前景,以帮助投资者、企业和国家作出科学决策,提高经济效益。

GDP核算改革何以影响地方财政支出?

2015年,我国GDP核算改革明确将“财政八项支出”纳入GDP核算中。基于预算间断-均衡理论,以2008—2019年237个地级市作为研究样本,运用测量间断性变化的MAD方法和多组中断时间序列(ITS)模型,论文考察了GDP核算改革对我国地方财政支出的影响及其机制。因果关系识别的结果显示,受GDP核算改革的影响,2015年之后“财政八项支出”比重增长率的右尾概率呈现出“均衡—间断—均衡”的变化,符合间断-均衡理论提出的“突发间断”与“长期均衡”。作用机制的检验结果表明,“财政八项支出”间断性增长是GDP核算改革产生的冲击和“生产性支出偏向”这一既有的制度惯性综合作用的产物。研究表明,我国地方财政支出间断性增长的实质是地方政府利用GDP核算改革做大其GDP。国家虽然确立了新发展理念,但地方政府“唯GDP”导向的财政支出模式惯性并未得到根本扭转。为引导地方政府落实新发展理念,需要建立、完善相关的激励和约束机制。

GDP国际比较方法及中美GDP相对变化趋势

GDP是衡量国家经济规模和世界经济格局的关键指标,然而在理论和实践中对于GDP国际比较方法尚未形成共识。本文阐释了GDP国际比较的三类主要方法及各自的特点与局限,认为其本质差异在于转换因子的选择,在此基础上分析了中美GDP在1990~2020年的相对变化趋势,分别从总量视角和分产业分行业的结构视角进行分析。研究发现,中国GDP迅速追赶美国,尤其在制造业方面显著超越美国,但是不同方法测算的相对变动程度差异较大。汇率法在计算上较为简便,但受到汇率波动等因素的影响较大;购买力平价法在原理上较为合理,但在操作性和可比性上较弱;替代法在数据上较为可靠,但理论依据和客观性较弱。本研究深化了对于GDP国际比较方法理论本质的认识,测算了中美GDP总量和结构的相对变化趋势,可为进一步完善GDP国际比较方法提供借鉴。

基于DMSP/OLS数据的北京市GDP反演

夜间灯光数据DMSP/OLS被证实与经济指标具有相关性,但原始数据存在多传感器偏差、无效灯光等诸多问题,并不能直接用于经济指标的研究。为此,本文首先利用二分法求出阈值生成掩膜对原始数据进行提取,排除阈值以下像元的影响,再利用求取平均数法解决相同年份不同传感器所引起的偏差,然后构建夜间灯光指数,与北京市历年GDP数据建立多种回归模型,最终利用相对误差最小的线性回归模型对北京市GDP进行反演,其相关系数达到0.986,反演效果较好。

共同富裕背景下南通提高劳动报酬占GDP比重的可行路径

提高劳动报酬占GDP比重是实现共同富裕的关键指标之一,对经济社会发展具有重要意义。南通不仅具备提高劳动报酬占GDP比重的基础,也面临紧迫的现实需求。为此,实证分析了南通市提高劳动报酬占GDP比重面临的负面影响因素,主要包括出口贸易额下滑、新质生产力尚处发动阶段、地区优势挖掘不充分等经济发展层面的影响因素,以及税收制度部分规定对资本的友好度大于对劳动力的友好度等分配机制层面的问题。进而提出了相应的改进建议:通过挽留产业链、加快新质生产力代谢、充分整合旅游资源、提升劳动者技能素养和加快乡村数字化赋能等多渠道提升经济总量,通过打造低收入群体友好型城市、优化税收调控及提高工资中劳动要素价值占比等措施,进一步改善分配机制,以提高劳动报酬占GDP比重,推动共同富裕目标的实现。

基于GBDT模型的贵州省GDP空间化研究

传统的GDP统计数据仅能反映地区经济发展的总体水平,而GDP空间化可以反映出经济活动的空间特征。本文以贵州省为研究对象,用2000~2022年的长时间序列多源数据集作为模型训练数据,选用传统多元线性回归模型(MLR)与5种机器学习模型:DT、RF、AdaBoost、XGBoost和GBDT模型进行对比分析,结果表明:机器学习模型拟合结果精度和交叉验证精度均优于传统多元线性回归模型,表明在GDP与多元变量之间存在复杂关系时,线性回归模型往往具有局限性,机器学习模型通过不断地迭代计算,能够更好地处理非线性关系,从而提高模型的预测性能。其中以GBDT模型误差最小(拟合结果R2为0.90、MAE和RMSE分别为51.25亿元和76.32亿元;交叉验证R2为0.98、MAE和RMSE分别为0.04亿元和0.13亿元),相较于其他模型,该模型表现出最佳的拟合能力,模型的稳定性最高。贵州省经济空间分布特征主要是以城市为中心的经济发展圈层结构,结合现状分析了成因并提出了规划、建设及财政等方面建议。

基于LSTM神经网络的内蒙古自治区GDP预测

通过使用国家统计局公开发布的内蒙古自治区1992—2022年的年度GDP数据,基于长短时记忆神经网络(LSTM)分别构建了两步预测模型和三步预测模型进行对比,并在网络结构中添加了Dropout模块,避免出现过拟合的情况,同时提高模型的预测能力。根据预测值和真实值的结果,使用平均绝对误差(MAE)、均方误差(MSE)、均方根误差(RMSE)指标来评价两个模型的优劣。经实验结果表明:LSTM两步预测模型在测试集样本中R2值可达到0.93,证明该模型预测结果拟合更好,有很强的泛化能力,可用于内蒙古自治区GDP的短期预测;应用LSTM两步预测模型预测内蒙古自治区2023—2024年的GDP值分别为24805.60亿元和25131.69亿元,能够看出该地区未来GDP增长良好,可为政府部门定制宏观经济计划提供参考。

中国GDP增长率概率分布的预测分析——基于分位数因子模型

研究GDP增长率的概率分布,可以掌握经济增长的可能范围和经济发展趋势的不确定性,有助于决策者评估经济增长的风险和挑战,制定有效的经济政策。本文基于分位数因子模型(Quantile Factor Models,QFM),从高维宏观经济变量中提取分位数因子,拟合以分位数因子为条件的GDP增长率概率分布。实证结果表明:第一,分位数因子可为经济预测提供额外解释信息,提高模型的预测精度;第二,样本期间条件概率密度拟合结果表明QFM对GDP增长率的短期预测效果较好;第三,对比以分位数因子为条件和以实际GDP增长率为条件的两种概率分布,分位数因子为条件的分布在经济受到冲击时不确定性增大。本文对GDP增长率分布预测的研究与传统的均值预测相比,能提供比较全面和精确的经济预测信息,为经济不确定性和下行风险研究提供新思路,为经济波动机制的深入理解提供支持。

Future changes in compound drought events and associated population and GDP exposure in China based on CMIP6

相较于一种类型的干旱,几种类型的干旱同时发生的复合型干旱事件对人类社会造成的危害更加严重.本研究采用CMIP6资料,研究中国复合型干旱事件及其相关社会经济暴露度的未来变化.结果表明,西北北部,西南和华南地区复合型干旱事件频次,持续时间和严重程度增加,而华北和东北地区则减少.复合型干旱事件的人口暴露度在长江流域南部大幅增加,在长江流域以北的东部大幅减少,其中气候和人口均对人口暴露度的变化有重要影响.由于GDP的快速增长,中国未来几乎所有地区复合型干旱事件的GDP暴露度增加,特别是在中国东部,GDP效应对GDP暴露度变化的相对贡献最大.

科技人才聚集、科技产出与绿色GDP的互动关系研究——以京津冀区域为例

构建了科技人才聚集、科技产出和绿色GDP的三变量结构向量自回归模型(SVAR),并应用该模型开展了针对京津冀区域的实证研究,探析了三者之间的互动关系。研究表明:绿色GDP总量正向影响科技人才聚集度变化;而科技人才聚集度不是引起绿色GDP总量变化的格兰杰原因;科技产出在短期内对科技人才聚集度变化有抑制作用,但长期来看科技产出正向影响科技人才聚集度变化;科技人才聚集度能够引起科技产出变化,长期来看不合理的人才聚集抑制了科技产出的发展;绿色GDP总量正向影响科技产出变化;科技产出正向影响绿色GDP总量变化,但强度较弱。进而,提出了促进京津冀区域经济高质量发展的建议。

基于SEEA的绿色GDP核算相关性及预测分析

[目的]探索环境变量与经济的相互影响关系,研究绿色GDP(GGDP)和GDP的趋势关系并预测未来趋势变化,分析GGDP替代GDP作为政策指标的可行性,为推进区域可持续发展提供科学指导。[方法]基于联合国综合环境与经济核算体系(system of integrated environmental and economic accounting,SEEA),采用相关性分析方法,根据经济结构、发展水平和政策制度的不同选取了6个具有代表性国家的环境因素,与GDP进行了相关性分析,并使用一元线性回归方程对各国的GDP与GGDP进行拟合分析;利用ARIMA,Holt-Winters和灰度GM(1,1)模型对GGDP和GDP数据进行预测分析。通过模型误差对比分析最优预测结果。[结果]在经济发展的前期,GDP与GGDP、环境呈现负相关。随着可持续发展的经济结构完善,负相关逐步趋于缓和,最终实现回暖,呈现U形趋势。预测分析结果得出ARIMA模型最适合预测GDP,Holt-Winters模型最适合预测GGDP,且两者均呈现增长趋势,但GGDP增速不及GDP增速。[结论]结合中国实际情况,建议中国经济核算指标从GDP转向GGDP,且应加大环境经济投入,有助于实现经济、社会和环境的可持续发展,建设资源节约型和环境友好型的可持续发展社会。