我国高质量发展水平的演变特征及其影响因素识别

文章从时间维度出发,基于高质量发展的前后相依特征,通过构建一类动态因子模型,分析高质量发展水平的动态演变特征及变动原因,并依据模型估计结果和高维变量选择方法,对各影响因素的相对重要性进行识别。结果显示:1984—2019年,我国高质量发展水平在整体上有所提升。自20世纪90年代逐渐降低并于2003年达到最低水平之后,高质量发展水平进入一个持续提升阶段,并在2008年达到最高水平,随后进入了振荡调整阶段,2016年之后高质量发展水平又出现上升的趋势。每个阶段高质量发展水平变动的原因各不相同。高质量发展中五大发展理念处于同等重要的地位,不同维度的协同提升才是高质量发展应有的内涵。每个理念中都存在相对关键的具体指标,这些关键指标有利于加深对高质量发展机理的理解,对推动高质量发展具有重要的政策启示作用。

基于Model-X Knockoffs的非概率样本倾向得分模型推断方法

大数据下的样本大多为非概率样本,其入样概率未知,同时可能面临着协变量较多甚至是高维的情况,那么如何对这种情况下的非概率样本进行推断值得探索。针对该问题,文章考虑到Model-X Knockoffs的降维特点,提出采用Model-X Knockoffs筛选出重要变量,建立Logistic倾向得分模型来估计非概率样本的入样概率或倾向得分,对总体进行推断,从而提高估计的精度,同时可控制变量选择的错误发现率与功效。模拟与实证研究结果表明:基于Model-X Knockoffs的Logistic倾向得分模型的总体均值估计相比一般的Logistic倾向得分模型和广义线性回归模型的总体均值估计,偏差更小、效率更高、估计效果更好,并且能很好地控制错误发现率的水平,功效值也接近1。