基于fsQCA方法的江西省跨境电商发展政策研究

随着生产全球化的发展及跨国公司的全球性扩张,从跨境电商9710新模式开单到跨境电商国际快递补贴政策的印发,中国跨境电商飞速发展。结合中国跨境电商发展实际,选择货物进出口总额、人才量、货运承受能力、技术支持、电子商务企业数量、一般公共预算支出、地区生产能力等7个指标,以中国31个省域为研究对象,采用模糊集定性比较分析(fsQCA)方法,探究跨境电商发展各个指标之间相互作用的逻辑关系。研究发现,存在3条不同的因素组态促进地区跨境电商发展,核心指标是货物进出口总额和电子商务企业数量。因此,依据3条不同政策路径的边缘因素作用,将促进跨境电商发展的路径分为距离导向型、经济导向型和政府全面引导型,并说明各路径适应地区的特点。最后为促进江西省跨境电商进一步发展提出相应建议。     

“撤县设区”能促进区域发展吗——基于浙江省1993-2013年县际面板数据的分析

本文通过对国内外学者在县（区）域经济领域十几年研究成果的梳理,整理浙江省原69（现58）个县（市）近30年经济发展的数据,对县域经济进行规模分析和产业结构分析。首次对柯布-道格拉斯生产函数模型改进,把技术增长中重要的因素,即劳动力要素的受教育程度内生化分析,并运用该模型对县域经济和＂撤县设区＂后区（以余杭市等为例）经济作对比研究,证明＂撤县设区＂的政策并没有促进区域经济的发展。     

“动态能力集”人才培养模式的研究与实践——电子商务特色专业人才培养方案创新

根据高职教育构建“工学结合”人才培养模式,增强创新、创业素质教育的指导思想,结合江苏省级示范院校重点特色专业建设标准和江苏经贸职业技术学院电子商务专业的实际,阐述了“动态能力集”人才培养模式的构建理念和思路,并分析和总结了该模式在电子商务专业人才培养方案制订和专业建设实施过程中的具体应用和效果。该模式的实施可动态跟踪行业企业的发展,并显示出预见的主动性,体现了创业和就业的深度融合,对我国高职院校各专业特别是电子商务专业的建设和教学改革有借鉴意义。     

基于粗糙集条件信息熵的区域创新驱动能力评价研究——以河南省为例

创新驱动能力是实施创新驱动战略的关键,找出影响创新驱动能力的关键因素显得尤为重要。通过建立创新驱动能力评价指标体系,运用熵值法对各省市2015年创新驱动能力进行评价,在此评价结果的基础上,利用粗糙集条件信息熵方法找出影响区域创新驱动能力的关键因素,为提升区域创新能力提供决策参考。以河南省为例进行实证研究,分析找出制约河南省创新驱动能力的关键因素,为其进一步提升创新驱动能力提供决策参考。     

集对分析在常规公共交通服务水平评价中的应用

在综合分析已有城市公共交通服务水平评价方法基础上,考虑到公交系统评价过程中的不确定性和复杂性因素,从站点、线路、公交系统三个方面建立服务水平评价指标体系,引入集对分析理论计算能体现系统确定性与不确定性的同异反联系度,建立了公共交通服务水平系统评价的集对分析模型。用层次分析法确定指标权重,通过指标间联系度的计算确定评价系统的等级。最后给出一个实例来证明方法的有效性。     

高校后勤公司设立中的法律问题

高校后勤法人型公司可以选择多种类型,但有限责任公司是最佳选择,公司股权结构有多种模式,高校应该尽量避免对公司控股;公司股东出资形式有多种,采取现金出资方式,可以满足公司流动资金的需求,避免国有资产的流失;原后勤职工安置的方式有多种,但各有利弊,应因校、因时制宜。     

模糊加权群决策方法在汽车配件供应商选择中应用

文章提出了一种考虑主客观属性的模糊多属性群体决策方法。考虑了决策数据的模糊性,在群决策过程中,语言变量使用梯形模糊数表示,评定各个候选对象的属性权重。该方法结合模糊集理论和简单线性加权,由异质的决策委员会得出的评价总分。该方法应用于汽车行业的零件供应商及合作伙伴选择问题,并验证了方法的可行性。     

中小企业集合债券发行前期工作应注意的事项

本文从中小企业集合债券的含义谈起,先后阐述了中小企业集合债券的特点、发行意义、目前发行情况和发行前期工作应注意的事项,着重对发行前期工作应注意的事项进行了阐述。     

Data mining framework based on rough set theory to improve location selection decisions: A case study of a restaurant chain

Location selection plays a crucial role in the retail and service industries. A comprehensive location selection model and appropriate analytical technique can improve the quality of location decisions, attracting more customers and substantially impacting market share and profitability. This study developed a data mining framework based on rough set theory (RST) to support location selection decisions. The proposed framework consists of four stages: (1) problem definition and data collection; (2) RST analysis; (3) rule validation; and (4) knowledge extraction and usage. An empirical study focused on a restaurant chain to demonstrate the validity of the proposed approach. Twenty location variables relevant to five location aspects were examined, and the results indicated that latent knowledge can be identified to support location selection decisions.