基于改进分层博弈交叉效率模型的政策评价

政策评估作为政策实施过程中的关键环节,是检验政策效果的基本途径与实现资源优化配置的重要依据.在复杂博弈情境下,决策单元群体间竞合关系不变的假设已经不能满足现实中效率评价的需求,考虑群体间动态变化的合作与竞争关系至关重要.本文将外界冲击下主体间竞合关系演变纳入效率评价框架,提出改进分层博弈交叉数据包络分析方法:从公平的视角出发,基于二次目标模型构建多层次效率矩阵,结合Shapley值对决策单元动态关系演变进行效率评价,进而,以水权交易市场试点政策为例,验证该模型的可行性.该方法放松了政策前后群体竞合关系稳定的假设,验证了水权交易市场政策的有效性和外溢性,为能源与环境领域试点政策效果评价提供了新方法.

投入固定视角下的中国城市节能减排分析

基于最小调整策略的固定投入和DEA模型得到均衡前沿面,提出了节能减排绩效测量模型和综合效率测量模型,对中国城市节能减排效率开展了研究.结果表明,在考虑土地利用的情况下,中国城市的节能减排效率显著降低;中国城市土地供不应求问题逐步得到改善,但土地供需缺口依然较大;五线城市的土地利用效率不高,但是节能减排效率却呈逐年递增;85%的样本城市没能实现土地利用和节能减排的双赢.研究结果为政府在宏观和中观层面制定城市经济可持续发展政策提供了一定的理论和现实依据.

面向水质目标管理的城镇河湖排口雨水径流控制方法与技术

为解决城镇雨水径流管理与市河湖水环境衔接不紧密、雨水径流管理目标设置缺乏依据、水体雨季污染和部分水体返黑返臭等系列问题,构建了面向城镇河湖水体水质目标的雨水径流控制整装成套技术体系,并基于雨期、非雨期不同阶段重点分别提出了技术体系中雨水径流控制方案的相应工艺选择,克服传统快速净化技术处理效果不佳以及高效处理工艺在雨期、非雨期运维不稳定的问题,为实现城镇雨水径流快速净化及河湖水体高品质长效运行提供了科学支撑.

融合机器学习与SHAP值算法的居民需求响应个体异质性因素挖掘与应用研究

本研究基于大规模居民电力需求响应(EDR:electricity demand response)实验以及家庭用电调查数据,利用机器学习和SHAP(Shapley additive explanatory)值算法从全局和个体两个层面对影响居民参与需求响应的影响因素进行了识别和异质性分析.研究发现,居民是否参与需求响应活动是外部激励,家庭结构,用电规律与习惯倾向,用电知识等因素共同作用的结果,其效应的大小和极性存在着丰富的异质性.其中,电话营销等外部激励对用户参与需求响应影响最大,其效果在年龄较大以及受教育程度较高的群体较为明显;响应时段基准用电量在1度左右的用户参与倾向较大;节能环保意识较强且具有较高节电条件的家庭参与概率更高.同时,依据SHAP值的交互以及分解性质,在后续需求响应活动中对用户进行分类营销,可以节省93.9%的营销成本,并提高46.4%的参与人数.本研究对不同群体的异质性进行了更为细致的分析研究,为未来新型电力系统下进行更为精确和智能的需求响应提供了重要支撑.

竞争环境下SaaS提供商的定价策略选择及其社会福利分析

现有关于传统软件提供商和SaaS提供商竞争问题的研究,大都给定SaaS定价方式,或局限于垂直差异化模型。本文同时考虑两种提供商之间的垂直差异和水平差异,以及不同用户在产品使用量和产品偏好两个维度上的异质性,研究了SaaS提供商的最优定价策略选择及其对社会福利的影响。结果表明:(1)当SaaS提供商与传统软件提供商之间的垂直差异相对较小、水平差异相对较大时,应该按订阅收费,从锁定的细分市场榨取更多剩余价值;否则,应该按使用量收费,以缓解竞争并吸引使用量小、价格敏感的低端用户。(2)传统提供商的产品定制化水平越高,SaaS提供商越应该按使用量收费。(3)SaaS按订阅收费总能实现社会福利最优,因此,要想提供商策略选择与社会福利最大化目标相一致,政府机构应该引导提供商进行产品多样化,防止同质化竞争或价格歧视。