【摘 要】
：
改革开放以来,我国主要依赖于投资和要素投入完成了跨越式发展,但是这段时期经济的快速增长主要以对人口红利、资本、自然资源和环境等要素的大量消耗作为代价。为解决这种粗放式增长的模式所带来的资源配置效率降低、产业结构不协调、严重破坏环境、发展不平衡等问题,寻求新的经济增长动力、转变经济增长的发展模式是实现经济高质量发展必须解决的问题。伴随大数据和数字经济的蓬勃发展,数据逐渐成为我国基础性的战略资源,拉动
论文部分内容阅读
改革开放以来,我国主要依赖于投资和要素投入完成了跨越式发展,但是这段时期经济的快速增长主要以对人口红利、资本、自然资源和环境等要素的大量消耗作为代价。为解决这种粗放式增长的模式所带来的资源配置效率降低、产业结构不协调、严重破坏环境、发展不平衡等问题,寻求新的经济增长动力、转变经济增长的发展模式是实现经济高质量发展必须解决的问题。伴随大数据和数字经济的蓬勃发展,数据逐渐成为我国基础性的战略资源,拉动经济增长的关键动力也开始变为数字经济。随着中国经济的发展进入“新常态”,内生型发展模式将会成为支撑中国经济持续增长的关键途径,即促进全要素生产率提升进而助推经济发展的模式,其关键在于促进产业结构升级,提高资源配置效率,而产业聚集对于产业结构升级有重要作用。因此,从数字化产业聚集的角度入手,研究中国的全要素生产率,对于实现产业结构优化,助推我国经济发展在现实情况下有一定意义。基于上述背景,考虑到我国不同地区的情况存在差异,本文从城市层面出发,利用相关产业的企业微观数据分析数字化产业主要行业（包括制造业、信息传输、软件和信息技术服务业、文化、体育和娱乐业与批发和零售业）聚集与全要素生产率之间的关系,主要内容包括四个部分:一是对国内外现有产业聚集与全要素生产率相关文献进行梳理总结;二是就产业聚集对城市全要素生产率通过何种机制产生影响进行阐释;三是收集整理2007-2016年我国279个城市的面板数据,运用DO指数和DEA-Malmquist指数测算和分析数字化产业主要行业的聚集水平和全要素生产率;四是利用城市面板数据,对数字化产业主要行业聚集与城市全要素生产率之间的关系进行实证分析,并得到以下结论:（1）现阶段我国数字化产业聚集可以显著推进城市全要素生产率的提升,且主要是通过技术效率改善和技术进步两种途径共同作用而实现的;（2）在数字化产业中,制造业聚集主要通过技术进步实现全要素生产率的提高,批发和零售业聚集主要通过技术效率改善来实现全要素生产率的提高,而信息传输、软件和信息技术服务业聚集与文化、体育和娱乐业聚集则通过二者共同作用实现全要素生产率的提升;（3）各行业聚集对全要素生产率、技术效率和技术进步的正向影响可以通过人力资本和基础设施等途径进一步强化。最后,根据上述研究结论提出以下政策建议:（1）优化发展环境,根据各地区自身发展情况和优势推动数字化产业的集群式发展;（2）加强技术创新,推动数字化产业的发展;（3）重视人力资本,激发“人才红利”;（4）积极嵌入全球价值链,减少FDI的技术“挤出效应”;（5）进一步加强基础设施建设,助推区域经济的协调发展。
其他文献
物联网在传感器、智能家居和工业等多个领域快速发展。然而物联网设备复杂多样,在应用到各个领域时,物联网攻击事件频繁大量发生。确保物联网安全是国家持续发展的必要工作。物联网入侵检测技术可以有效地检测到攻击,提前发现威胁,有效的防止物联网设备破坏。如今,深度学习相关技术在物联网入侵检测方面得到有效的应用。传统的物联网入侵检测系统存在一些缺点,物联网所收集的正常样本数据的数量远远大于异常样本数据的数量,在
当下,我国正处于社会发展的转型期,新旧思想不断发生碰撞,也对人们提出了更多新的要求,为了更好地融入社会,个人需要不断地进行角色调试。农村妇女作为社会整体的重要组成部分,在角色调试过程中难免会出现不适应的情况,导致个人产生无力感,需要专业的社会工作者帮助其解决所面临的问题,激发内在潜能,提升抗逆力,能够以积极的心态来面对生活。本文使用参与观察、深入访谈等方法对D村妇女的基本信息以及面临的问题进行初步
网络入侵检测（NID-Network Intrusion Detection）是通过动态检测网络流量中的攻击型数据来保障网络安全的重要技术。对于未知或新型攻击,传统NID的检测效果可能无法满足实际需要。在传统入侵检测模型的基础上,相较于结合机器学习方法的入侵检测模型,结合卷积神经网络（CNN）的入侵检测方法能够显著提高分类任务的准确率,但是CNN模型训练时存在泛化能力差、收敛速度慢等问题,导致了检
群体智能算法是应用广泛的优化算法,然而其种群多样性会由于群体陷入局部最优区域而快速减少,导致算法收敛精度差,针对此问题提出一种新颖的反向学习策略来改进算法性能。长短期记忆网络为当前研究的热门领域,其模型超参数众多且需要人工设定及调试,本文将群体智能算法用于优化长短期记忆网络超参数组合,搭建自动化调参模型,并通过实验验证模型有效性,具体研究内容如下:（1）提出一种基于正交补空间的反向学习策略,该策略
目的 探讨非酒精性脂肪性肝病（NAFLD）合并2型糖尿病（T2DM）患者肝脏脂肪受控衰减参数（CAP）以及肝脏硬度值（LSM）的变化。方法 选择2018年1月至2020年12月T2DM患者128例（男57例，女71例），年龄（52.6±8.2）岁。其中合并NAFLD44例，单纯T2DM组84例。计量资料采用t检验，计数资料采用卡方检验。结果 合并NAFLD组ALT、AST、TG、LDL、FBG、F
随着信息化时代的来临,科学技术研究以前所未有的速度迅猛发展。通过模拟自然界生物的生存方式抽象而成的自然计算方法具有强大的复杂信息处理能力,适用范围广、鲁棒性强,受到广大学者的喜爱。但是传统的自然算法方法也存在一些问题,即算法后期收敛速度较慢,种群的多样性减少,陷入局部最优时无法逃脱导致优化结果不够理想。所以为提升算法性能,各种各样的优化策略被提出。本文在自然计算方法的基础上,对种群个体之间的相似程
期权—重要的金融衍生品,对应有着不同的到期日和行权日.研究期权的重点问题在于其定价理论.持有人依据市场情况如果想拥有在到期日前可以实施的权力,美式期权则当仁不让.鉴于美式期权可以提前实施的优点,这使其更受人们青睐.由此,研究讨论美式期权显然服从实际金融市场和理论研究的发展趋势.不言而喻,停止美式期权的时刻与期权的价格有极强的联系.基于金融衍生品的应用性,对美式期权进行理论研究时要以贴近现实情况为基
教育数据挖掘（Educational Data Mining,EDM）是数据分析中的重要领域,伴随网络教育的新环境,近些年来,EDM逐渐成为计算机科学中丰富的研究领域。EDM关注的是探索教育数据中的内部隐藏信息,用于预测学生状态,及时提供指导,帮助教师和管理人员,科学有效的获取学习中,学生状态的过往趋势和优劣情况。成绩预测是EDM研究的重要方向,针对该领域,研究人员从现有的数据分析算法（SVM、C
物理学科的特点是具有实验性、逻辑性和数学性,物理学科的学习对学生的物理思维、实验探究以及知识的创新都有很高的要求,这是造成学生认为物理难学的主要原因。如何使教学中原本复杂抽象的物理现象、概念变得直观生动,有助于学生更好的理解这些概念、现象,使学生很容易发现问题的本质,利用GeoGebra软件是一种很好的教学手段。人民教育出版社开发的人教智慧教学平台在2018年发布,首次将GeoGebra软件嵌入到
视唱练耳是音乐教学中专业性、综合性较强的学科,对提高学生音乐技能和音乐素养具有重要意义。然而,在以往的高中音乐学习中,学生将视唱练耳学习摆在无足轻重的位置,导致视唱练耳教学效果欠佳,在音乐的整体教学结构中长期处于被人忽视的地位。因此,如何更好的激发学生主动学习视唱练耳的兴趣、提升视唱练耳在音乐教学中的重要性,是当代教育者值得深思的问题。随着科技水平的不断革新,数字化学习资源的发展日新月异,在教育教