效率视角下的异质性企业模型研究

来源 :大连理工大学 | 被引量 : 0次 | 上传用户:yesyouok
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
国际贸易理论经历了古典贸易理论、新兴古典贸易理论、新贸易理论之后,进入了新新贸易理论的时代。随着跨国企业成为世界市场活动的主要承担者,传统贸易理论研究的两国产业间的贸易活动已经不再能满足实际需要,将研究层次推进到产业内,讨论企业间差异的新新贸易理论成为当下研究热点。新新贸易理论以Melitz的异质性企业模型为基础发展而来,该理论认为企业间的差异突出表现在生产率的差异上,并由此构建了以生产率为主要指标的模型。但是我们发现,在新新贸易理论中无论是理论模型构建或是实证计量分析,各个学者对生产率的定义五花八门,测算方法也多种多样,缺少统一性及内在联系,对生产率的使用充满随意性,甚至有因为不同的生产率函数计算方法得到相反结论的。因此,本文从效率的视角对企业异质性问题进行了重新研究。首先,从经济系统的整体投入与产出出发,给出了经济效率的定义,提出以效率为主要指标重新构建了异质性企业模型。从消费者需求及生产者供给两方面对模型的假设做了基本介绍与推导,得到了封闭经济市场与开放经济市场下的基于效率的均衡方程组及唯一均衡点,证明了效率指标的可行性。其次,基于效率模型,分别从宏观和微观的角度讨论了开放贸易对行业及企业产生的影响。将效率模型与异质性企业模型进行比较,得到的结论不仅与经典模型的各项结论具有一致性,同时还弥补了经典模型未涉及的方面,讨论了行业及企业的经济效率变化,使得基于效率的异质性企业模型具有更广的适用性。最后,进一步放松了异质性企业模型的假设,基于企业多重异质性的实际特点,考虑企业外生、内生效率,引入企业内生、外生比较优势,重新定义企业的异质性,构建了一个拓展的多维异质性企业模型来解释中国企业“出口—生产率悖论”的理论成因。为中国企业出口政策的制定提供了新思路。
其他文献
随着移动互联网的兴起和智能手机的普及,无线通信技术的发展也越来越受到人们的关注,人们对于移动通信质量的要求也越来越高。无线信道作为通信系统组成中的关键部分,一直以
景日昣天资聪颖,才学过人,少有大志且不流于世俗,颇受当时中州名流赏识。任职期间因政绩卓著,朝廷多次予以提拔,曾短期内得到数次擢升,官至礼部尚书。然而,就是这样一位恪守
大数据时代的到来导致通信过程中的数据量急剧增长,通信效率及其安全性受到了研究者的广泛关注。无证书多接收者签密使得发送者仅通过一次签密操作就可以为多个接收者生成相同的签密密文,而每一个接收者都能独立地解密该签密密文并进行验证,被认为是大数据时代下最有前景、最有效的安全一对多通信方式之一。然而,现有的无证书多接收者签密方案不能使得接收者解密密文前判断自己是否是授权的接收者,增加了接收者在非授权情况下不
民俗体育是民俗文化的重要组成部分,在我国具有悠久的历史。然而,如今的民俗体育发展形式较为严峻,其中作为闽南地区最有特点的“宋江阵”就是典型的案例。“宋江阵”是闽南
由于具有去中心化、数据不可篡改等特性,区块链在各个领域得到了广泛的应用,物联网就是其中之一。但是,目前的区块链系统在时延等方面不能满足物联网应用场景的性能要求。对
随着网络应用和探索的日益多样化,网络正被迫满足各种流量需求,并具有明确且关键的服务质量(Quality of Service,QoS)要求。QoS是网络通信的前提,而服务质量路由是保障QoS的重要部分之一,其在很大程度上直接影响着网络的性能。服务质量路由问题作为一种典型的多约束路由问题,主要是在多约束条件下找出源节点和目的节点之间的一条最优路径,该问题的解决需要依靠一种切实可行的路由算法来支持。本
目的:确定加速度计进行不同活动类型时的最佳佩戴部位,为实践中合理佩戴加速度计提供依据,提高其在能耗测量中的准确性;以帮助加速度计在科研中的系统应用,为健身喜好者合理
随着全球制造业的快速发展,产品的开发周期成为企业提高市场竞争力的核心要素,追求以最低的成本,在最短的时间内,发开生产出高质量的产品。逆向工程技术在产品开发中的应用使
设G=(V,E)是阶为n,边数为e(G)的简单图,令G的匹配数为m(G),团数为ω顶点覆盖数为τ,直径为d,Laplacian和无符号Laplacian特征值分别为μ1(G)≥μ2(G)≥…≥μn(G)=0和q1(G)≥
图像压缩作为图像处理领域相关研究内容之一,如何对包含庞大数据量的图像进行有效压缩具有重要研究意义。本文主要针对字典学习在图像压缩领域中的一些不足进行深入研究,主要工作概括如下:1.考虑到聚能量字典学习算法在去噪能力和算法复杂度方面存在局限性,研究了一种基于去噪自编码深度极限学习机和近似K奇异值分解的图像压缩算法。由于聚能量字典学习算法中存在去噪能力不足的问题,该算法利用去噪自编码深度极限学习机获取