导读:本文包含了指数分解模型论文开题报告文献综述及选题提纲参考文献，主要关键词:污染排放,因素分解,拉氏指数,西部地区
指数分解模型论文文献综述
童思聪,高志刚[1]（2019）在《西部地区污染排放强度及其因素分解——基于拉氏(Laspeyres)指数完全分解模型》一文中研究指出随着生态文明建设的推进,人们越来越重视污染排放问题。西部地区的生态环境本身较为脆弱,无法承受过量的环境压力。要想寻找污染减排的有效途径,就需要准确掌握和分析促使污染排放的因素所在。文章通过拉氏指数分解模型测算了西部11个省区及直辖市2007-2016年的污染排放强度,将其分解为结构效应和效率效应并分析各省在研究期间的变化,从而寻找促进减排的可行性方法。研究发现:(1)从西部地区整体污染排放强度来看,其污染排放强度逐年下降,且效率效应是其污染排放强度下降的主要因素。(2)从各省区污染排放强度来看,广西在呈现上升趋势,内蒙古、云南、新疆以及甘肃表现为下降趋势,而其他地区保持不变。(3)从结构效应与效率效应分析来看,污染排放强度的变化大多数地区归因于效率效应的影响,只有少数地区归因于结构效应。(本文来源于《新疆农垦经济》期刊2019年09期）
邱怡慧,王璞,苏时鹏[2]（2019）在《中国农地利用碳排放时空演变特征及驱动因素研究——基于IPCC法与LMDI指数分解模型》一文中研究指出基于灌溉、翻耕、农药、农用化肥、农膜、农用柴油等6大主要碳排放源,利用IPCC法、标准差和变异系数法对2004—2016年我国农地利用碳排放总量及碳排放强度的时序与空间演化进程进行测量,并运用LMDI指数分解模型对其影响因素进行探究。结果表明:我国农地利用碳排放量总体呈现出"低速上升—低速下降"的趋势,碳排放强度变化具有"双峰"特点;农地利用高碳排放区基本覆盖我国主要的粮食作物产区,而碳排放高强度区则大致与我国农地资源匮乏、经济发展程度高且人口众多的地区重迭。13年来,我国31个省(市、区)的农地利用碳排放量的相对差异表现出先扩大后缩小的趋势,绝对差异逐步减少,碳排放强度的相对差异与绝对差异均在2008年后保持先缩小后扩大的趋势;农业效率、农业结构与农业劳动力对农地利用碳排放起抑制作用,农业经济是促使农地利用碳排放增长的主要因素。(本文来源于《资源开发与市场》期刊2019年05期）
王春春[3]（2019）在《基于指数分解与LEAP模型的福建省能源需求及CO_2排放预测研究》一文中研究指出能源是人类生产生活重要的物质基础,改革开放以来福建经济取得了巨大的进步,与此同时能源消费量也显着增加。随着工业化和城市化的持续深入推进,福建能源消费量在未来相当长的时间内仍将保持快速增长。然而,能源消费的快速增长,不仅给能源供应系统带来巨大挑战,也产生大量CO2造成全球变暖。为此,我国制定了一系列的能源环境发展目标,如2020、2030年CO2排放强度在2005年的基础上下降40%-45%和60%-65%,争取在2030年之前尽早达峰等。福建省也结合自身条件,制定了“十叁五”期间CO2排放强度下降19.5%,能源消费总量控制在1.45亿吨标煤左右,提高非化石能源占比等目标。通过对福建能源环境系统进行全面研究,挖掘福建省能源生产与消费不合理之处,科学预测能源消费和CO2排放总量,这对福建科学制定能源和环境发展规划,实现相应发展目标具有重要的理论和现实意义。本文首先从总量、强度、结构等层面对能源消费现状进行分析,借鉴IPCC清单指南推荐的方法2,核算福建省能源消费产生的CO2排放总量。而后采用多层对数平均迪氏分解模型(Multilayer-hierarchical Logarithmic Mean Divisia Index,M-H LMDI),对福建省2000到2015年间的能源消费和CO2排放总量变化进行回顾性分解分析,找出能源消费和CO2排放总量变化的关键影响因素。最后耦合因素分解结果,对关键不确定性因素进行科学设定,借助长期能源规划替代模型(Long-range Energy Alternatives Planning System,LEAP),运用情景分析法设置低模式(Low Development Scenario LDS)、中模式(Medium Development Scenario MDS)和高模式(High Development Scenario HDS)叁种发展情景,对福建省2016到2030年的能源消费及C02排放进行情景预测。通过多种发展路径的对比,评估福建省的节能减排潜力,探索节能减排的新领域和新方向,为福建省能源-经济-环境系统协调发展提供路径选择和政策建议。研究结果表明:2000-2015年间,能源消费总量的关键影响因素主要包括:经济规模、终端能源强度、经济结构、终端能源结构,它们贡献度分别为143.89%、-62.86%、10.09%、13.42%;C02排放总量的关键影响因素主要包括:经济规模、终端能源强度、一次能源结构、经济结构、终端能源结构,它们的贡献度分别为149.04%、-60.56%、-5.25%、9.85%、11.26%;2005-2015年间福建节能减排取得了明显的成效,能源强度和CO2排放强度分别下降了34%、38%;HDS、MDS和LDS叁种发展情景下2020年福建省能源消费量分别为1.46、1.40、1.37亿吨标准煤,CO2排放强度分别下降20%、22%和26%,福建很有可能实现“十叁五”期间的能源总量及CO2排放强度控制目标;叁种情景下福建2030年的一次能源消费量分别为:1.79、1.55、1.36亿吨标准煤,CO2排放总量分别为2.85、2.33、1.96亿吨,其中LDS和MDS分别在2020和2025年实现了CO2排放达峰的目标;研究还发现随着福建产业结构和一次能源结构的优化,结构性节能减排具有较大的发展潜力,在2016-2030年间对CO2排放总量的相对贡献度分别为-7.68%、-6.38%,成为CO2减排的第二、第叁驱动因素。经过以上分析,研究最终为福建能源供应与消费体系提出以下政策建议:合理设定经济发展目标,避免过度追求经济的快速发展;大力发展核电、风电和光伏发电提高清洁能源供给;积极推广热电联产,提高热电厂的能源转换效率;持续推进节能减排技术,降低终端能源强度;积极主动发展第叁产业,优化国民经济结构。(本文来源于《南京大学》期刊2019-05-01）
许冬兰,张敏[4]（2018）在《中国工业低碳全要素生产率的测算及分解——基于动态EBM-MI指数模型》一文中研究指出采用动态EBM-MI指数模型测度2000—2015年中国33个工业行业的低碳全要素生产率,并将低碳全要素生产率分解为规模效率变动(SEC)、动态进步(DPC)、纯技术进步(TPC)、纯技术效率变动(PTEC)以及环境效率变动(EC)五项。研究结果表明:1.中国工业低碳全要素生产率的年均增长率为4.3%,其历年指数大都围绕1波动。在五个分解项中,技术进步对低碳全要素生产率增长发挥的作用最大。2.绝大多数工业行业的低碳全要素生产率是增长的,且增速具有较为明显的行业异质性,技术密集型、清洁型工业的增速明显高于其他行业,污染密集型工业的增速最为缓慢。(本文来源于《青岛科技大学学报(社会科学版)》期刊2018年04期）
于丽英,施明康,李婧[5]（2018）在《基于DEA-Malmquist指数模型的长江经济带物流效率及因素分解》一文中研究指出文章采用DEA作为评价模型,以2008-2015年长江经济带物流业为研究对象构建评价指标体系,首先从纯技术效率和规模效率对长江经济带11个省市的物流业投入产出效率进行静态分析,然后运用Malmquist指数法从总效率变动、技术效率变动以及技术进步变动对长江经济带物流效率的发展进行动态分析,并绘制空间分布图反映物流效率的变化特征。研究发现,长江经济带中上游地区物流业发展较不平衡,下游地区物流效率情况较好但增速放缓,中上游地区物流效率相对滞后,但有很大的提升空间;整体来看,技术进步是总效率变动的重要影响因素。针对长江经济带物流产业发展现状以及静态分析与动态分析的结果,论文提出了相应的对策建议,为长江经济带的物流效率提升提供参考。(本文来源于《商业经济与管理》期刊2018年04期）
申鹏鹏,周年兴,张允翔,王坤,李在军[6]（2018）在《基于DEA-Malmquist指数二次分解模型的江苏省旅游产业效率时空演变及影响因素》一文中研究指出旅游产业生产效率是衡量旅游资源合理利用与旅游经济发展水平的重要依据。基于DEA-Malmquist指数二次分解模型,对2000~2015年江苏13个地市旅游产业效率的时空演变特征及影响因素进行探究。结果显示:(1)2000~2015年全省旅游全要素生产率总体上有所上升,但上升幅度不大,年平均值为1.020;空间分布上,旅游全要素生产率水平呈现明显的地区差异性,南部城市普遍高于北部城市,东部城市优于西部城市。(2)各地市旅游全要素生产率增长主要归功于技术进步变化,其中,规模技术进步变化是影响各地市旅游全要素变化的最主要因素,纯技术进步变化次之,纯技术效率变化和规模效率变化对旅游全要素的影响最小。(3)面板回归结果表明,产业结构、对外开放水平、经济发展程度、交通、劳动力是各地市旅游产业生产效率变动的主要影响因素。因此,不同地区应采取不同的旅游发展政策,推进旅游产业技术进步,大力提升旅游产业生产效率。(本文来源于《长江流域资源与环境》期刊2018年01期）
何砚,赵弘[7]（2017）在《京津冀城市可持续发展效率动态测评及其分解研究——基于超效率CCR-DEA模型和Malmquist指数的度量》一文中研究指出本文借助超效率CCR-DEA模型和Malmquist指数对2008年至2015年京津冀城市可持续发展效率进行了动态测评和对应项分解。研究结果表明:第一,北京与津、冀各城市的可持续发展效率极为不平衡,北京大幅领先于津、冀各城市并有逐年扩大的趋势;津、冀城市可持续发展效率的差距有逐年缩小的趋势。第二,以京津冀城市群作为一个整体其可持续发展效率在提高,但各城市可持续发展效率意义上的纯技术效率几乎没有提高。第叁,京津冀城市的投入-产出系统均处于可持续发展效率意义上的规模经济阶段但不具有持续性。本文不仅丰富了京津冀城市可持续发展效率测度的文献,还有助于加深对我国正不断推进并深化的京津冀协同发展战略的认识。(本文来源于《经济问题探索》期刊2017年11期）
滕洁,赵先超[8]（2017）在《基于LMDI指数分解模型的湖南省旅游业碳排放影响因素分析》一文中研究指出旅游业碳排放的动力演进机制与驱动效应分析是研究低碳旅游业的重要一环。采用投入产出法估算了2008—2014年湖南省旅游业的直接碳排放,构建LMDI指数分解模型分析了湖南省旅游业碳排放的影响因素及其驱动效应与贡献率。研究结果显示:(1)2008—2014年,湖南省旅游业直接碳排放由295.25×10~4t增长到783.14×10~4t,年均增长率为17.45%;(2)2008—2014年,由旅游能源强度、旅游收入结构、旅游消费水平、旅游人数规模与区域人口规模等因素所引起的湖南省旅游业碳排放的变动量分别是-167.91×10~4t、14.81×10~4t、41.48×10~4t、513.63×10~4t、25.18×10~4t,贡献率分别为-39.3%、3.5%、9.7%、120.2%与5.9%;(3)旅游能源强度效应是抑制湖南省旅游业碳排放增长的最主要因素;旅游人数规模效应是湖南省旅游业碳排放增加的最主要原因;旅游收入效应、旅游消费水平效应与区域人口规模效应对湖南省旅游业碳排放的影响呈正向,且并不是十分显着。(本文来源于《第十九届中国科协年会——分6生态文明建设与绿色发展研讨会论文集》期刊2017-06-24）
孔令英,李倩楠[9]（2017）在《新疆能源强度变动的结构与效率因素贡献——基于Laspeyres指数及其分解模型》一文中研究指出运用Laspeyres指数及其分解模型对1993—2013年新疆能源强度进行分解,并对各产业结构与效率因素进行分析比较,得出影响新疆能源强度变动的主要因素是各产业内部能源效率的变动,其中第二产业能源效率的提高对整体能耗下降起着重要作用;结构因素贡献率较小,甚至出现反向作用,其中第二产业结构因素对能源强度影响波动较大,多数年份起到阻碍作用,而第叁产业结构调整有助于能源强度下降;与全国相比,新疆结构节能水平较低,调整新疆产业结构,挖掘节能潜力迫在眉睫。该文从挖掘技术性节能、推进产业结构调整、实行能源多元化战略叁个方面提出降低新疆能源强度,促进节能减排的对策建议。(本文来源于《石河子大学学报(哲学社会科学版)》期刊2017年01期）
刘畅[10]（2016）在《基于小波分解混合模型的股票指数预测研究》一文中研究指出股票市场作为金融市场的主体,在国家的经济发展中起着至关重要的作用。股票价格指数是对整个股票市场总的股票价格水平和波动情况进行描述的指标,预测分析股票价格指数(简称股票指数),从微观方面看,影响投资者们的投资策略,从宏观方面看,为国家的宏观决策提供依据。因此,很多海内外的研究者们对股票指数进行了预测研究,并且证明了从时间序列角度对股票指数进行分析是较为有效的方法。当前对股票指数时间序列的研究,主要有传统时序模型法和数据挖掘法。在传统的时间序列模型中,自回归积分移动平均模型(Autoregressive Integrated Moving Average Model,简称ARIMA模型)一直是最广泛使用的线性模型之一,而极限学习机模型(Extreme Learning Machine Model,简称ELM模型)则是数据挖掘中应用于非线性时间序列预测较普遍的模型。本文首先分别采用单一的自回归积分移动平均模型和极限学习机对具有代表性的上证180股指进行了预测与分析,实验结果和深入地分析均表明:对于复杂不稳定、随机性强等特点显着的股票指数时间序列,采用单一模型很难实现准确预测,即不能很好地捕捉股票指数时间序列的特征,研究和构建混合模型与算法是提升股票指数时间序列预测质量与水平的发展趋势。股票指数时间序列受多种因素影响,具有复杂不稳定、随机性强等显着特征。为了更好地捕捉股票指数时间序列特征,充分发挥线性与非线性模型各自的优点,我们将股票指数时间序列视为低频与高频时间序列的复合,而小波分析理论与技术的发展为将这一复合的时间序列分解为低频和高频分量提供了行之有效的解决方案。基于此,本文提出了基于小波分解的自回归积分移动平均和极限学习机的股票指数预测混合模型,该模型首先应用小波理论,将股票价格指数时间序列分解为低频趋势分量和高频随机分量,然后用线性的ARIMA模型对低频时间序列进行预测以捕捉股票指数中的线性规律,用非线性的ELM模型对高频时间序列进行预测以捕捉股票指数中的非线性规律,再将分别得到的低频序列和高频序列预测值进行合成获得最终的股票指数时间序列的预测结果。该模型中,线性的ARIMA模型用于预测低频趋势序列,非线性的ELM模型用于预测高频随机序列,模型各自的优势得以充分发挥,因而该模型针对股票指数时间序列理应获得改善的预测效果。利用本文提出的混合模型对上证180股指的预测实验表明,混合模型对所选样本预测结果的方均根误差和平均相对百分比误差较单一模型的预测结果均明显降低,即预测精度显着提高;并相对最近Yuan Lei提出的ARIMA+ LSSVM(最小二乘支持向量机)混合模型[25]和Zhang提出的ARIMA + ANNs(人工神经网络)混合模型[26]在预测精度上也都有较大幅度提升。在构建混合模型的过程和模型验证的实验中我们进一步发现,高频随机分量部分直接采用ELM模型预测尚未达到最佳效果,还有进一步探索与提升的空间。针对这种情况,本文在基于小波分解的ARIMA和ELM混合模型基础上进行了更进一步地扩展研究,即将高频时间序列分别用ARIMA模型和ELM模型预测,将这两个模型的预测结果再度输入ELM模型合成得到高频随机分量的预测结果,最后将低频与高频时间序列的预测结果复合得到最终的股指预测结果。实验验证的结果表明,扩展的混合模型能进一步提高预测的准确率。因此,本文所提出的股指时间序列混合预测方法与模型对于促进复杂时间序列预测的研究具有一定的理论意义,也具有一定的经济应用价值和推广应用前景。(本文来源于《广西师范大学》期刊2016-10-01）
指数分解模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于灌溉、翻耕、农药、农用化肥、农膜、农用柴油等6大主要碳排放源,利用IPCC法、标准差和变异系数法对2004—2016年我国农地利用碳排放总量及碳排放强度的时序与空间演化进程进行测量,并运用LMDI指数分解模型对其影响因素进行探究。结果表明:我国农地利用碳排放量总体呈现出"低速上升—低速下降"的趋势,碳排放强度变化具有"双峰"特点;农地利用高碳排放区基本覆盖我国主要的粮食作物产区,而碳排放高强度区则大致与我国农地资源匮乏、经济发展程度高且人口众多的地区重迭。13年来,我国31个省(市、区)的农地利用碳排放量的相对差异表现出先扩大后缩小的趋势,绝对差异逐步减少,碳排放强度的相对差异与绝对差异均在2008年后保持先缩小后扩大的趋势;农业效率、农业结构与农业劳动力对农地利用碳排放起抑制作用,农业经济是促使农地利用碳排放增长的主要因素。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
指数分解模型论文参考文献
[1].童思聪,高志刚.西部地区污染排放强度及其因素分解——基于拉氏(Laspeyres)指数完全分解模型[J].新疆农垦经济.2019
[2].邱怡慧,王璞,苏时鹏.中国农地利用碳排放时空演变特征及驱动因素研究——基于IPCC法与LMDI指数分解模型[J].资源开发与市场.2019
[3].王春春.基于指数分解与LEAP模型的福建省能源需求及CO_2排放预测研究[D].南京大学.2019
[4].许冬兰,张敏.中国工业低碳全要素生产率的测算及分解——基于动态EBM-MI指数模型[J].青岛科技大学学报(社会科学版).2018
[5].于丽英,施明康,李婧.基于DEA-Malmquist指数模型的长江经济带物流效率及因素分解[J].商业经济与管理.2018
[6].申鹏鹏,周年兴,张允翔,王坤,李在军.基于DEA-Malmquist指数二次分解模型的江苏省旅游产业效率时空演变及影响因素[J].长江流域资源与环境.2018
[7].何砚,赵弘.京津冀城市可持续发展效率动态测评及其分解研究——基于超效率CCR-DEA模型和Malmquist指数的度量[J].经济问题探索.2017
[8].滕洁,赵先超.基于LMDI指数分解模型的湖南省旅游业碳排放影响因素分析[C].第十九届中国科协年会——分6生态文明建设与绿色发展研讨会论文集.2017
[9].孔令英,李倩楠.新疆能源强度变动的结构与效率因素贡献——基于Laspeyres指数及其分解模型[J].石河子大学学报(哲学社会科学版).2017
[10].刘畅.基于小波分解混合模型的股票指数预测研究[D].广西师范大学.2016