数学建模-数据新动能驱动中国经济增长的统计研究-基于数字产业化和产业数字化的经济贡献测度

本文主要是介绍数学建模-数据新动能驱动中国经济增长的统计研究-基于数字产业化和产业数字化的经济贡献测度,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

数据新动能驱动中国经济增长的统计研究-基于数字产业化和产业数字化的经济贡献测度

整体求解过程概述(摘要)

  伴随着数据要素化进程的不断加深,对于数据如何作用于经济发展,数据与其他要素结合产生的动能应该如何测度的研究愈发重要。本文将数据新动能分解为“数字产业化”与“产业数字化”两个角度来对其进行统计测度,以更好地去理解数据是如何赋能与其他要素,助力我国数字经济高质量发展。
  本文首先进行了文本分析,利用爬虫从知网、百度资讯上抓取相关文献,经过预处理、清洗、分词后,从词云图获取到文献聚焦的热点。在对分词后的建立“文档-词项”矩阵与 TI-IDF,并根据 TI-IDF 的结果建立 lda 主题模型,最终得到“数据要素”“技术创新”“宏观政策”“转型升级”“交易模型”“数据监管”六大主题,为后续问题的探讨明确了方向。
  之后我们选择依据经济原理,通过综合评价来构建与“数字产业化”与“产业数字化”相对应的指标体系并使用柯布-道格拉斯生产函数,对“数字产业化”进行投入产出分析,通过 bootstrap 方法拟合方程计算得出各种生产要素在数据产业中的贡献率,并计算出相对应的“产业数字化”生产函数,通过数学变换分析得出了相应的数据要素对于劳动力,资本,科技的作用,来使得我们以更好地理解、分析“数字产业化”和“产业数字化”共同作用下的经济合力——数据新动能。

问题分析

  本次建模所要研究的主要问题,就是探索测度数据赋能经济而产生新动能的方式,希望能够寻找到部分具有较强代表性,较高准确性的测度指标,找到一种合适的方式,来对数据要素这一新兴生产要素在对经济赋能过程中所产生的价值进行测度,助力数字产品与服务市场规范化,激发数据产业新动能,更好的发挥数据驱动新消费的作用,推动我国数字经济新发展。

  本文接下来将进行数据新动能驱动经济增长的机理探索,基于文本挖掘的方法来对数据新动能进行解析,并对数据新动能及相关概念界定,分析数据新动能、“数字产业化”和“产业数字化”的关系与相互作用。之后我们将进行数据要素赋能中国经济增长的统计模型构建,并将其分为“数字产业化”评价指标体系和“产业数字化”评价指标体系进行设计。
  基于这两个评价指标体系,我们将构建“数字产业化”和“产业数字化”的生产模型进行分析,并利用这一模型来进行数据要素赋能中国经济增长的测度分析,最后我们将根据我们研究的结果得出相关结论,并提出相关建议,助力数字化要素发展,让数据新动能使我国经济发展迸发出新的活力。

模型的建立与求解

  为了更好的了解和界定数据新动能,本文进行了文本分析,利用 Python 爬虫从知网、百度资讯上抓取相关文献,经过预处理后,共计获得文章 622 篇。在对文本进行清洗、分词后,按照词频制作词云图,从词云图获取到文献聚焦的热点。在对分词后的建立“文档-词项”矩阵与 TI-IDF,并根据 TI-IDF 的结果建立lda 主题模型,以便从中获取主题,为后续问题的研究提供思路。通过文本分析后我们发现数据新动能由于各方面存在的很大的宽泛性和不确定性,直接测度没有标准,测度难度较大,所以我们选择使用综合评价体系来进行指标设计,从侧面进行测度。通过数据新动能作用方式将其划分为“数字产业化”“产业数字化”两部分分别进行测度,并将其拟合成生产函数的形式,利用数学变换来进行数据赋能的测度。
  在拟合生产函数的过程中,由于数据量过少,部分指标统计近些年来才开始统计,我们使用了插值法来进行空值补全。为了解决模型拟合中由于数据量过少,大部分变量不显著的问题,我们通过 R 语言使用了对样本及其分布要求较低的bootstrap 方法来近似扩大样本的过程,进行 1500 次重抽样来进行方程参数的估计。最终拟合出较为准确的回归方程,并进行下一步的灰色预测来对指标体系中的指标进行进一步预测。
  最后,我们根据上述结果进行分析并提出了相关的建议,希望能助力于我国数字经济的发展,使我国经济迸发出更多的数据新动能。
在这里插入图片描述

模型的建立与求解整体论文缩略图

在这里插入图片描述
在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

(代码和文档not free)

import os
import numpy as np
import numpy.linalg as nplg
import scipy.optimize as spopt
import matplotlib.pyplot as plt
import scipy.interpolate as spidef zje_dp_objective(x,alpha, beta, delta,kgrid,pp, pp2, pp3):c = np.power(kgrid, alpha) + (1 - delta) * kgrid - xy = - np.sum(np.log(c) + beta * pp(x))return ydef zje_dp_objective_jac(x,alpha, beta, delta,kgrid,pp, pp2, pp3):c = np.power(kgrid, alpha) + (1 - delta) * kgrid - xyp = np.power(c, -1) - beta * pp2(x)return ypdef zje_dp_objective_hes(x,alpha, beta, delta,kgrid,pp, pp2, pp3):c = np.power(kgrid, alpha) + (1 - delta) * kgrid - xydp = np.diag(np.power(c, -2) - beta * pp3(x))return ydpdef zje_dp_pchip(alpha, beta, delta,m_kgrid, m_kgrid2,iternum,figurepath=None):'''dynamic programming with pchip'''kbar = np.power(alpha * beta / (1 - beta * (1 - delta)), 1 / (1 - alpha))kl = 0.75 * kbarkh = 1.25 * kbarkgrid = np.linspace(kl, kh, m_kgrid)v2 = np.log(kgrid)optk2 = kgridlb = np.ones(m_kgrid) * kgrid[0]ub = np.power(kgrid, alpha) + (1 - delta) * kgrid - 1e-06for kkk in range(iternum):v = v2optk = optk2pp = spi.pchip(kgrid, v)pp2 = pp.derivative(1)pp3 = pp.derivative(2)x0 = optkres = spopt.minimize(zje_dp_objective, x0,jac=zje_dp_objective_jac,hess=zje_dp_objective_hes,method="trust-exact",bounds=(lb, ub),args=(alpha, beta, delta, kgrid, pp, pp2, pp3,))optk2 = res.xoptc = np.power(kgrid, alpha) + (1 - delta) * kgrid - optk2v2 = np.log(optc) + beta * pp(optk2)vdiff = nplg.norm(v2 - v)kdiff = nplg.norm(optk2 - optk)if (vdiff < 1e-08 and kdiff < 1e-08):breakkspace = np.linspace(kgrid[0], kgrid[m_kgrid - 1], m_kgrid2)pp = spi.pchip(kgrid, optk2)kp = pp(kspace)c = np.power(kspace, alpha) + (1 - delta) * kspace - kpkpp = pp(kp)cp = np.power(kp, alpha) + (1 - delta) * kp - kppee = 1 - beta * np.power(cp, -1) * (alpha * np.power(kp,alpha - 1) + 1 - delta) / np.power(c, -1)fig = plt.figure(figsize=(16, 9))plt.plot(kspace, np.log10(np.abs(ee)))title = "zje_dp_pchip-eulereuqtionerrors.png"plt.title(title, fontsize=20)plt.grid()plt.show()if figurepath is not None:fig.savefig(os.path.join(figurepath, title), dpi=300)fig = plt.figure(figsize=(16, 9))plt.plot(kspace, kp)plt.plot(kspace, kspace, 'k--')title = "zje_dp_pchip-k&kp.png"plt.title(title, fontsize=20)plt.grid()plt.show()if figurepath is not None:fig.savefig(os.path.join(figurepath, title), dpi=300)return optk2, kspace, kp, kpp, c, cp, eeif __name__ == "__main__":alpha = 0.36beta = 0.99delta = 0.025m_kgrid = 31m_kgrid2 = 10001iternum = 2000figurepath = "../figure"zje_dp_pchip(alpha, beta, delta,m_kgrid, m_kgrid2,iternum,figurepath=figurepath)
全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

这篇关于数学建模-数据新动能驱动中国经济增长的统计研究-基于数字产业化和产业数字化的经济贡献测度的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/457192

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

跨国公司撤出在华研发中心的启示:中国IT产业的挑战与机遇

近日,IBM中国宣布撤出在华的两大研发中心,这一决定在IT行业引发了广泛的讨论和关注。跨国公司在华研发中心的撤出,不仅对众多IT从业者的职业发展带来了直接的冲击,也引发了人们对全球化背景下中国IT产业竞争力和未来发展方向的深思。面对这一突如其来的变化,我们应如何看待跨国公司的决策?中国IT人才又该如何应对?中国IT产业将何去何从?本文将围绕这些问题展开探讨。 跨国公司撤出的背景与

hdu1496(用hash思想统计数目)

作为一个刚学hash的孩子,感觉这道题目很不错,灵活的运用的数组的下标。 解题步骤:如果用常规方法解,那么时间复杂度为O(n^4),肯定会超时,然后参考了网上的解题方法,将等式分成两个部分,a*x1^2+b*x2^2和c*x3^2+d*x4^2, 各自作为数组的下标,如果两部分相加为0,则满足等式; 代码如下: #include<iostream>#include<algorithm

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi