XiaoMi-AI文件搜索系统
World File Search System实证分析
美国经济产能利用率有下降趋势吗？一些新证据
一方面，Skott & Zipperer (2012)、Dum´enil & L´evy (2012, 2014)、Kiefer & Rada (2015)、Blecker (2016)、Setterfield (2018)、Pierce & Wisniewksi (2018)、Fiebiger (2018)、Nersisyan & Wray (2019) 和 Setterfield & Avritzer (2019) 都认为美国的产能利用率呈下降趋势：他们都依赖美联储委员会 (FRB，以下简称 FRB) 的估计。另一方面，Shaikh (1987, 1989, 1992, 1999, 2016) 和 Nikiforos (2016, 2018) 基于测量误差论证不同意这一观点，这意味着 FRB 估计值没有正确捕捉产能利用率的真实值。首先，我们将实证分析 FRB 时间序列及其评论。之后，我们将分析美国产能利用率的不同估计值，以回答我们的询问。最后将得出一些结论。
使用 ARIMA 模型分析和预测 GDP
摘要：国内生产总值（GDP）是衡量国民经济发展的重要指标，对于促进经济增长、辅助有关部门进行经济决策具有重要意义。本文采用ARIMA时间序列模型对1978—2022年中国GDP进行实证分析。结果表明，预测的GDP值与实际值吻合较好，即ARIMA（0，2，0）模型具有较高的预测精度。基于建立的ARIMA（0，2，0）模型对2023—2027年中国GDP进行顺序预测。从预测结果可以看出，中国GDP仍将保持平稳增长。为促进中国经济增长，提出以下建议：（1）吸引高科技人才和复合型人才；（2）优化升级产业结构；（3）坚持创新驱动；（4）加强深化对外经济合作。
汉密尔顿食物份额饥饿统计报告 2023.ai
1 (2022) “谁最容易面临家庭粮食不安全” 多伦多大学粮食不安全政策研究证明。2 Uppal, Sharanjit (2023) “物价上涨对最脆弱人群的影响：家庭收入最低五分之一人群的概况”，加拿大统计局。3 Wahoush, Olive (2022) “汉密尔顿食品份额：影响分析” 加拿大社会科学和人文研究委员会、麦克马斯特大学健康与社会科学学院和麦克马斯特大学安全实证分析实验室 (SEAL 数据实验室) 资助的合作伙伴参与资助。4 加拿大抵押贷款和住房公司 (2016 年 3 月 23 日)。“什么是核心住房需求？”，住房观察员在线。
逃税、教育和影子经济
摘要 本文旨在评估教育对逃税的影响。本研究提出了一个理论模型，其中主体可以选择在两种生产技术之间分配其劳动努力。更高的教育水平会带来更多熟练和专业的工人，税务机关可以观察到先进工具和设备的使用情况。主要结果是，总体教育水平的提高会导致劳动力替代效应，表明高等教育可以减少逃税和影子经济的规模。使用 2001 年至 2020 年期间的 133 个国家的样本，采用静态和动态估计技术来检验理论结果。实证分析证实了教育与影子经济之间存在显著的负相关关系。
人工智能可以改善心理治疗研究和实践吗？
摘要 Leonard Bickman 的关于人工智能 (AI) 在心理治疗研究中的未来的文章描绘了一幅令人鼓舞的图景，表明该领域将取得进展。我们支持他的观点，但我们也对人工智能可以提供的推动力提出了一些警告。我们认为人工智能不太可能像药理学和医学那样改变心理治疗研究或实践，因为这些领域中影响治疗反应的因素彼此之间差异很大，而且不利于心理治疗的进步。尽管存在这种局限性，但人工智能似乎很可能会产生有益的影响，通过数据驱动的模型开发、解决传统回归方法局限性的工具和个性化治疗的新方法来改进实证分析。此外，人工智能还有潜力扩大研究人员和治疗师的覆盖范围，扩大我们收集数据和在实验室或临床办公室之外提供干预的能力。
对外贸易冲击通过国内供应链网络传播：来自土耳其企业的证据
本研究调查了外贸相关冲击通过国内供应链网络的传播。通过将企业层面的海关数据与国内企业间交易数据相结合，我们表明进出口企业在土耳其国内供应链网络中占据着中心地位。这些企业与众多其他企业互动，占国内贸易总额的很大份额，促进了外部冲击通过供应链的传播。我们的实证分析表明，土耳其企业通过供应商或客户间接受到汇率波动、进口投入价格变化和外国需求冲击的影响，在解释总盈利能力变化方面至少与直接受到的影响一样重要。鉴于总盈利能力与增加值之间的密切关系，我们的结果表明，外贸相关冲击会直接和间接地显著影响国内生产总值 (GDP)。
供应链优化和风险管理中的大数据分析：亚马逊的案例研究
摘要：本研究旨在探索大数据技术在供应链管理中的应用，特别是在应对复杂的市场需求和供应链风险方面的作用。本研究从理论和实践案例两个层面出发，系统地掌握大数据在供应链管理中的关键技术，包括需求预测、库存管理、生产优化、供应商管理等应用场景。通过以亚马逊为例的实证分析，本研究揭示了大数据分析如何显著提高供应链的敏捷性、效率性和抗风险能力，具体表现为库存周转率的提高、供应链成本的降低、物流效率的优化，并提出了一系列优化策略。本研究系统地掌握大数据在供应链管理中的核心技术，并分析其在需求预测、库存管理、生产优化、物流配送、供应商管理等场景的实际应用效果。
国际疾病流行与影子经济
本文补充了与当前冠状病毒危机相关的大量研究，研究了疾病流行对影子经济或地下经济在世界范围内的流行程度的影响。非正规部门破坏了对政府法规的遵守，并降低了税收。我们的主要假设是流行病对影子经济的传播产生了积极影响。利用近 130 个国家的数据，并结合更广泛文献中关于影子部门驱动因素的实证分析，我们发现流行病的发生率和强度都对地下部门的传播产生了积极而显著的促进作用。从数字上看，流行病强度每增加 10%，影子经济的流行程度就会增加约 2.1%。这些关于流行病溢出效应的发现对当前冠状病毒时代的经济政策具有重要意义。
建议引用：Gramegna, Alex；Guidici, Paolo (2020)：为什么要买保险？一种可解释的人工智能方法，Risks，ISSN 2227-9091，MDPI，巴塞尔，第 8 卷，Iss。4，第 1-9 页，https://doi.org/10.3390/risks8040137
摘要：我们提出了一个可解释的人工智能模型，该模型可用于解释客户购买或放弃非寿险的原因。该方法包括将相似性聚类应用于从高精度 XGBoost 预测分类算法获得的 Shapley 值。我们提出的方法可以嵌入到基于技术的保险服务 (Insurtech) 中，从而可以实时了解对客户决策影响最大的因素，从而主动洞察他们的需求。我们通过对保险微保单购买数据进行的实证分析证明了我们模型的有效性。研究了两个方面：购买保险单的倾向和现有客户流失的风险。分析结果表明，可以根据一组相似的特征有效、快速地对客户进行分组，这可以很好地预测他们的购买或流失行为。