中国木本食用油料价格波动规律分析——以油茶、核桃为例

以木本食用油料油茶、核桃为例,利用季节调整法、H-P滤波等方法对2002²010年油茶、核桃的季度收购价格进行波动性分析结果表明:这两种木本食用油料的收购价格均呈现出上升的长期趋势,具有明显的季节性波动,且易受到外部因素的冲击;20022010年油茶、核桃的季度收购价格进行波动性分析结果表明:这两种木本食用油料的收购价格均呈现出上升的长期趋势,具有明显的季节性波动,且易受到外部因素的冲击;2002²010年油茶籽、核桃收购价格均经历了5次明显的周期波动,同时波动周期具有不可重复性和非对称性。木本食用油料自身的季节供应以及物理属性、自然因素等随机冲击、技术进步和消费者对绿色、健康的木本食用油需求的拉动效应以及木本食用油生产成本的推动效应影响木本食用油料价格的波动。     

财政民生支出对城镇居民消费影响的研究——基于湖南省的实证分析

居民消费是未来拉动中国经济增长的核心动力,而影响居民消费的一个重要因素是政府在教育、医疗及社会保障等民生方面的财政支出是否能够降低居民进行预防性储蓄的预期。本文对湖南省1990~2012年度城镇居民消费、可支配收入、储蓄和财政民生支出之间关系的实证研究结果表明,湖南省居民消费与收入、储蓄和财政民生支出存在长期稳定的均衡关系,但财政民生支出的增加并未带动居民消费增长。而这种"挤出效应",根本上源于我国改革进程中社会福利制度的不完善,基于此笔者提出了拉动居民消费的政策建议。     

我国食品行业波动特征与周期划分

根据增长型经济波动定义,本文利用基于增长率变化的时间序列数据,描述了我国食品行业结构、价格、固定资产净值、产值、增加值、利润等指标的波动变化过程,发现我国食品行业不仅存在波动,而且波动的频率和波动幅度都要明显于我国GDP的波动。通过H-P滤波法对食品行业产出进行趋势成分和波动成分的分解,结果表明我国食品行业从1980-2009年出现过8个波动周期,且外部冲击因素增加,波动幅度加强。     

产业结构变动与我国宏观经济波动

采用结构变动值K和Moore指数作为我国三次产业结构变动的测量指标,并以总产出增长率和HP滤波后的波动成分作为衡量经济波动的指标,文章对我国产业结构变动与宏观经济波动之间的关系进行了格兰杰因果关系检验。结果显示：产业结构变动不是我国经济波动的格兰杰原因,而经济波动是产业结构变动的格兰杰原因;这说明产业结构变动不是我国经济波动的主要冲击来源,而我国的产业结构变动却受到了经济发展的影响。     

陶瓷过滤机排液装置的研究与发展

介绍陶瓷过滤机脱水系统三种排液装置的工作原理与结构,说明自排液装置改进设计要点和工作原理,经对比分析,改进后的自排液装置性能稳定,故障率低;并从四个方面阐述了陶瓷过滤机的发展方向。     

多功能R有源滤波器电路

本文给出了能同时实现低通（ＬＰ）、高通（ＨＰ）、带通（ＢＰ）的Ｒ有源滤波器电路及电路的设计方程，对其中的一个电路进行了机辅分析和设计，实验结果验证了理论的正确性。     

滤波技术在卫星精密定轨应用中的关键问题分析

本文在分析了卡尔曼滤波技术在卫星精密卫星定轨中应用优势后,结合实际指出了该技术在实践中存在的问题,并具体给出了相应的解决方法。这些方法给卫星定轨工程实践带来一定的借鉴作用。     

中国水果收购价格波动性研究——以苹果、香蕉和橙子为例

价格是市场的信号,水果收购价格对果农的生产决策和市场供给具有重要的指示作用。本研究利用Census X12法、H-P滤波法和变异系数法对2002～2010年中国苹果、香焦和橙子的季度收购价格的波动特征进行分析。研究结果显示:三类水果收购价格具有上升的长期趋势,季节性波动特征表现非常明显,而且较易受到外部因素的冲击;三类水果收购价格波动周期都具有不可重复性和非对称性;同时发现,苹果和香焦的收购价格有5个波动周期,平均波动周期为7.2个季度;而橙子的收购价格有3个波动周期,平均波动周期为12个季度。     

中国粮食实现稳定增产了吗?——基于1978—2009年粮食主产区粮食产量的H-P滤波分解

为从定量视角检验中国粮食是否实现稳定增产,通过收集1978—2009年12个主要产粮省份粮食产量和播种面积数据,计算各省粮食单产,同时构建H-P滤波分解模型,测算中国粮食主产区粮食产量的长期趋势与短期波动,并对短期波动的收敛性进行Mann-Whitney检验。研究发现:就长期趋势来看,中国粮食主产区粮食产量自1978年以来保持持续、稳定增产,但是进入2000年以后粮食增产趋势趋于平缓;就短期波动来看,粮食生产波幅总体较为稳定,但自2004年以来粮食短期波动呈现收敛性,粮食增长强度弱于上世纪80年代水平。     

Calendar effects in structural time series models with trend and season

Calendar effects are analysed in the class of structural time series models one of the two main model based approaches in time series decomposition. While Bell and Hillmer (1983) modeled calendar variation in the ARIMA model based approach, we represent structural models in the generalized regression form which allows to apply classical estimation and test procedures. It turns out that the expected high computaional complexity 0(T ³) in the generalized regression model can be reduced to 0(T). As all parameters are estimated by maximizing the likelihood the Likelihood Ratio statistics can be used to test effects of the calendar composition.