论文部分内容阅读
中国式分权下基本公共服务供给激励机制设计——基于多任务委托代理理论
【机 构】
：
山西财经大学
【出 处】
：
山西财经大学
【发表日期】
：
2021年期
【基金项目】
：
其他文献
农业从古至今都是我国的支柱型产业,在经济发展中发挥着重要的作用,但由于农业自身生产周期较长的特殊性,自然条件的变化以及市场价格的波动会对农业的生产情况产生很大影响。这也就意味着,农业的发展不能靠其自身的自给自足而需要国家给予大力的支持,以保证其健康持续的发展。广西作为西部少数民族地区和后发展欠发达地区,农业人口占比大,广西农业发展对财政支农资金的要求更为紧迫,任务更为艰巨。研究广西财政支农支出的效
学位
改革开放四十年来，中国经济发展取得巨大成就，规模庞大的流动人口是城市化、工业化进程的重要驱动要素，但他们在共享改革发展成果方面相对处于弱势，集中表现在基本公共服务的保障、合法权益的维护、生活条件的改善等方面，致使流动人口的城市融入问题备受关注。在流动人口财富积累水平偏低、缺乏财产性收入的情况下，工资性收入几乎构成了其收入的全部来源，成为流动人口融入城市发展的经济保障，因而工资收入水平直接影响到流动
学位
2020年中央农村工作会议强调：“加大财政涉农资金统筹整合力度，发挥财政资金的撬动作用，引导社会资本和信贷资金投入农业农村；深化农村金融改革，发展普惠金融，支持涉农金融机构的金融科技创新和应用，更好地服务农业农村”。同时，2021年中央一号文件指出：坚决把解决好“三农”问题作为工作的重中之重，加快农业农村现代化，实现农民生活富裕富足，农民增收增长继续快于城镇居民。在继续实施精准施策和帮扶机制的基础
学位
当数据量非常大或者数据以分布式的方式存储时,由于计算机存储和内存的限制以及通信成本等方面的考虑,传统的统计推断方法不再可行。为了有效地解决大数据情形下的分位数回归模型参数估计问题,本文基于分治策略的框架下提出了一种基于平滑经验欧氏似然的分位回归分布式估计量。分治策略的优势在于只需要在本地设备中计算并传输一些低维的统计量,然后利用渐近可以忽略的误差,就获得整个数据集分位数回归模型的参数估计。在一定条
学位
添加次序试验是一种研究材料或成分的添加顺序对结果有影响的试验,这种试验的主要目的在于预测和确定优化反应中反应物的最优添加次序。由于添加次序试验的广泛应用空间,许多学者提出了不同的模型和设计表,但当整个添加次序试验要考虑试验因子的因子效应对结果的影响时,相关的设计方法和理论变得复杂,现有的方法也较少。针对这种情况,本文提出了一种设计表构造方法,基本思想是将部分全添加次序设计表与两水平部分析因设计表通
学位
在疾病筛查的研究中,分组检测(Group Testing)是一种常用方法,该方法通过集合多个样本合并检测进行个体性状分类,替代了单体检测来筛选患病个体,具有节约成本的优势.1943年Dorfman提出的分组检测方法被认为是该领域的开创性发展,自那开始,该方法得到越来越多统计学者的关注,目前已经应用至公共医疗卫生、生物、化学、药物筛选、基因选择等领域,为大规模人群疾病筛查节约了成本.我们讨论的分组检
学位
超高维数据普遍存在于生物信息、图像处理和经济问题中.在这类数据中,协变量的维度远大于样本量,并且随着样本量的增加而增加,然而起到作用的变量却是少数,呈现出稀疏的特点.在统计建模的过程中,如果选入了与响应无关的变量,一来会干扰对变量间关系的理解,二来今后需要对该变量进行持续观察而加大成本.需要从中筛选出重要的变量以降低协变量的维度.在超高维数据中,传统变量选择方法计算代价高、统计精度和算法稳定性都受
学位
本文主要利用经验似然方法分别研究了非线性回归模型和Probit回归模型误差方差的估计问题,并在一定的假设条件下,证明了该估计量的渐近正态性,得出该估计量的渐近方差比传统估计的渐近方差更小.通过数值模拟验证了本文的主要结论,同时比较本文提出的估计与传统估计的功效.本文的主要内容为:第一章是绪论,对非线性回归模型的研究概况,Probit回归模型的研究概况,经验似然方法的研究概况以及本文研究的内容和创新
学位
在遗传学研究中,全基因组关联分析(GWAS)是研究复杂疾病与基因关系的一种常用分析方法,该方法通过研究目标基因与特定疾病之间的相关关系以此找出与疾病关联性较强的基因.自从2005年Klein等人通过基因关联分析成功找出影响黄斑变性的基因,已陆续帮助科学家筛选出与冠心病、肥胖、2型糖尿病、精神分裂症等复杂遗传疾病相关的基因点位.随着基因分型与测序技术快速发展,使得获取成千上万基因点位数据变为可能.这
学位
在大数据时代中,变点检测作为统计学中长期研究的课题之一,有着举足轻重的作用.本文研究模型中系数的变点,其中,该模型的误差是非对称的,模型中的解释变量的个数非常巨大,并且被解释变量存在滞后项的影响.针对这几种情况,本文在前人提出的线性期望分位数的基础上,进一步考虑加入被解释变量滞后项的线性期望分位数混合模型.基于此模型,通过期望分位数和adaptive LASSO估计方法导出对应的残差的CUSUM.
学位