The Benefit of Frequent Corporate Philanthropy

Applying behavioural economic theory, we argue that the frequency of philanthropic activity is important in determining corporate philanthropy's economic outcome. Using Chinese data from 2003 to 2016, we find that firms with more frequent philanthropic activities obtain more government subsidies than firms that only engage in one-off charitable donations. Firms with better corporate governance, such as higher management ownership and more independent directors, are more likely to adopt a strategy of frequent donation. Furthermore, firms are more likely to be frequent donors when management or local government officers have a long tenure. Our findings provide insight into the giving process and suggest that firms can maximize the benefit of corporate philanthropy if they strategically consider the donation frequency and donation amount simultaneously.     

疫情防控常态化下的世界经济战略走向

新冠疫情的出现冲击了世界经济,从经济全球化和全球经济治理体系两个维度分析疫情对世界经济的影响以及世界经济未来走向,研究发现:(1)新冠疫情通过影响全球价值链、贸易投资和就业环境阻碍经济全球化进程,中美矛盾升级、原有治理体系规则未与时俱进和激进政策的不确定性对全球经济治理体系提出新的挑战;(2)新冠疫情强化了世界各国对人类命运共同体的认识,将人类命运共同体融入全球治理体系将是未来治理的重要趋势;(3)新冠疫情可能会使世界经济格局出现新的变化,而中国在此次疫情中高效率的抗疫举措将进一步提升自身在世界经济格局中的地位和参与度。     

手机测评现状、问题与对策分析

随着智能手机快速更新换代,手机测评已成为引导消费者快速全面地了解手机性能和功能的有效载体.本文对手机测评的环境、技术、传播方式、传播内容、测评者情况进行分析,指出手机测评面临的问题,并提出相应对策.     

深度学习方法在作物遥感分类中的应用和挑战

[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。     

国家高新区设立能够提升城市全要素生产率吗？——基于261个地级市TFP分解数据的路径分析

国家高新区是培育经济增长新动能，实现区域经济高质量发展的重要政策载体，文章利用2001-2014年我国261个城市面板数据，通过渐进双重差分法研究国家高新区设立对城市全要素生产率的影响。研究发现：研究期内国家高新区的设立对城市全要素生产率造成显著的负面影响；从TFP的分解项来看，高新区设立促进了所在城市规模效率提高，却抑制了技术进步和技术效率提高；异质性分析结果表明上述作用具有显著城市等级异质性，在高行政等级城市设立高新区对城市全要素生产率具有促进作用。进一步运用工业企业数据库、微观土地转让数据、城市专利数据等进行机制分析发现，企业间资源错配和土地价格扭曲降低了技术效率，而技术创新下降和产业升级钝化是抑制技术进步的主要机制。     

金融资产配置与违约风险:蓄水池效应,还是逐利效应？

本文以2007—2016年中国A股上市公司为研究对象,检验了企业金融资产配置对违约风险的影响。实证研究发现:金融资产持有量越多,企业的违约风险越低,金融资产配置的“蓄水池效应”显著;在货币政策宽松时期,金融资产配置导致的代理冲突显现,宽松的货币政策会抑制金融资产投资对违约风险的降低作用。政府规制也会有一定的公司治理作用,将产业政策纳入讨论发现:对于产业政策支持的行业来说,企业金融资产配置能够降低违约风险,但是宽松的货币政策会刺激管理层的短视投资行为,抑制政府规制的公司治理作用。进一步地,本文提出会计稳健性的提升是企业金融资产配置降低违约风险的重要路径。本文的研究结论丰富了企业金融资产配置动机和违约风险影响因素的讨论,能够为政府部门防范经济运行中的内在风险提供有益借鉴。     

人民币小面额现金供应需求管理量化研究

为实现人民币小面额现金科学、量化管理,推动货币发行业务转型发展,以满足市场对人民币各券别的需求,促进人民币投销平衡,以推动票面整洁度稳步提升为出发点,通过构建人民币小面额现金需求管理模型,量化分析并预测小面额现金需求量,为指导人民币现金投放回笼提供决策依据.     

生计资本对黄土丘陵区贫困人口生计活动的影响及评价*——以甘肃省榆中县为例

［目的］通过深入研究黄土丘陵区贫困人口生计资本对生计活动的影响，为解决农村贫困问题，提升农户生计资本存量、实现区域可持续生计发展提供科学依据。［方法］文章以甘肃省榆中县为例，基于对榆中县农户的调查数据，采用熵值法分析了东北部山区、中部川区和西南部山区贫困人口的生计资本状况和生计活动方式，并对其生计活动进行评价。［结果］从农户的生计资本组合来看，榆中县整体自然资本和人力资本相对物质资本、金融资本、社会资本3类资本较为富裕，尤其在西南部山区和东北部山区3类资本缺乏型农户比例较高。中部川区各乡镇人口的总体生计资本状况较好，总指数最高，而西南部山区次之、东北部山区最低，两者生计资本状况总体匮乏。农户的生计活动主要以种植、养殖和外出打工为主，生计活动多样性程度偏低； 中部川区人口的生计活动多样性指数最高，西南部山区次之、东北部山区最低，且整体受教育程度偏低，加之物质资本、金融资本、社会资本缺乏进一步限制了当地农户的生计多样性。［结论］（1）针对不同生计资本水平和生计活动多样性程度偏低的贫困地区，需要进一步发挥民族文化产业扶贫优势，开启地域产业扶贫新模式，打造地域无公害特色农业产业品牌，提高农户物质资本边际贡献； （2）发展小额信贷金融服务，改善农户金融资本存量，预防村际农户金融资本二元极化； （3）实施免费教育培训技能学习，打造教育培训脱贫示范村，提高人力资本存量，缓解贫困人口生计压力等提高经济发展水平的扶贫政策措施。