政府业绩计量和报告：一个受托责任观点

受托责任要求政府对公民负责，说明公共资金的筹集和使用。这要求政府对外披露业绩信息以评价其受托责任，对内提供业绩信息以改进决策。本文探讨了受托责任的内涵及其与业绩报告的关系，分析如何计量和报告业绩，并根据我国的实际情况提出了改进我国政府业绩计量和报告的建议。     

股份有限公司监督机制的发展趋势

20世纪八十年代以来，世界主要国家开始股份有限公司监督模式的变革。这种变革使公司监督机制正发生首一系列重要的变化，其基本趋势为：政府和法律对公司监督的干预增强；职工参与监督日益得到认同与重视；银行等金融机构在公司监督中的地位和作用日益突出。作为“入世”不久的我国，应当顺应这一发展趋势，制定出具有前瞻性的相关政策和法律，以完善我国公司监督机制。     

基于边缘层活动的战略决策模式

安东尼—安索夫—安德鲁斯范式确定了经典的战略决策模式，高层管理者成为战略决策的权力中心、信息中心与知识中心，处于公司边缘层的员工行为对战略决策的影响常常被忽视。欧洲研究者提出“活动基础观”这一新的战略范式，边缘层行为对公司战略决策的重要意义日益受到重视。边缘层行为是市场导向的、反复试错的结果，公司总部常常在与边缘层的相互冲突、相互学习中发现新战略。     

高职教育实践性教学初探

加强高等职业教育的实践性教学,是高等职业教育教学改革的一个关键的突破口。只有加强实践性教学的探讨和创新,才能突出高职教育的特色。要积极探讨建立实践性教学为主的模式和运行机制,如实践性教学导师制、学生模拟实习公司等。同时,要处理好理论教学与实践教学的关系,处理好培养人才"宽"与"窄"的关系。     

贵州经济增长的影响因素研究:计量模型及实证分析

贵州目前的主要经济指标与全国平均水平相比仍有很大差距.借鉴C-D生产函数,选取物质资本、人力资本以及劳动力作为经济增长的主要影响因素,建立经济增长的模型并对这些因素进行实证分析,得出的结论是:贵州要保持经济的持续增长,需要从树立科学的发展观、加快产业结构调整、重视人力资本投资以提高劳动者素质、降低农村人口比重、加快城镇化进程以及进行制度创新等方面进行努力.     

西部地区形象塑造与设计模式探研

文章从西部地区形象塑造与设计模式应考虑的因素入手,探讨了西部地区形象塑造与设计的模式,并对西部地区形象塑造与设计的经济战略进行了分析,认为只有大力发展西部经济,以良好的经济发展势头,带动西部地区形象的塑造,其它问题才会迎刃而解.     

中国通货膨胀成因的实证分析

通过对可能影响我国通货膨胀的因素,包括经济增长、货币供应量、居民消费水平和工资的格兰杰因果分析和自回归分布滞后模型的拟合,可知我国通货膨胀和货币供应量、居民预期有密切关系,而和其他因素没有显著关系.     

“一带一路”倡议下我国重点省市物流绩效评价研究

物流建设是“一带一路”倡议发展的重点。通过物流设施建设、拓展物流业发展的新方向,促进地区融合、加强多边贸易、加速互联互通,是我国现行经济格局下“一带一路”重点建设省市物流发展的新走向。文章从政府行为、社会效益、服务水平三个维度构建了包含地区经济、物流政策、数字物流等14个指标的物流绩效评价指标体系,利用数据包络法对我国“一带一路”重点建设省市的物流绩效进行评价,发现我国物流业发展存在地区差异大、服务水平过低的现象。结合地方政府的政策解读,发现我国地区物流绩效水平呈现出一定的政策相关性,可通过合理的政策引导促进地区物流业的发展。     

香奈儿品牌形象对消费者购买意愿的影响分析

中国消费者为现阶段全球最大的奢侈品消费群体。自香奈儿进入中国市场以来,因其高贵、优雅、简约的设计风格受到中产阶级以上女性消费群体的欢迎和喜爱。在奢侈品行业中,品牌形象作为企业重要的无形资产,成为了品牌竞争的另一领域。基于上述背景,论文以“香奈儿品牌形象对消费者购买意愿的影响分析”为选题,以贝尔模型为研究基础,使用问卷调查法获取数据,运用SPSS 19.0统计软件对数据进行处理分析,并结合消费者行为学相关理论,研究品牌形象的不同变量对于消费者购买行为产生的影响。     

Prediction of the Indian summer monsoon using a stacked autoencoder and ensemble regression model

The study of climatic variables that govern the Indian summer monsoon has been widely explored. In this work, we use a non-linear deep learning-based feature reduction scheme for the discovery of skilful predictors for monsoon rainfall with climatic variables from various regions of the globe. We use a stacked autoencoder network along with two advanced machine learning techniques to forecast the Indian summer monsoon. We show that the predictors such as the sea surface temperature and zonal wind can predict the Indian summer monsoon one month ahead, whereas the sea level pressure can predict ten months before the season. Further, we also show that the predictors derived from a combination of climatic variables can outperform the predictors derived from an individual variable. The stacked autoencoder model with combined predictors of sea surface temperature and sea level pressure can predict the monsoon (June-September) two months ahead with a 2.8% error. The accuracy of the identified predictors is found to be superior to the state-of-the-art predictions of the Indian monsoon.