XiaoMi-AI文件搜索系统
World File Search Systemgini
荷兰
国民帐户统计，https://doi.org/10.1787/na-data-en;劳动力参与率（15-64岁）：经合组织的就业和劳动力市场统计，https：//doi.org/10.1787/data-00310-en; NEET（15-29岁，所有教育水平）：经合组织2022年，https：//doi.org/10.1787/199991487;贫困率（税收和转让后，贫困线50％）：经合组织社会和福利统计（数据库），https：//doi.org/10.1787/data-00654-en; Gini系数（可支配收入，税后和转让）：经合组织收入分配数据库，https：//www.oecd.org/social/income/income-distribution-database.htm;农村人口（OECD）：经合组织，CFE地区和城市数据库，http：//oe.cd/geostats;利益相关者参与制定法规：OECD Better Life Index，https：//www.oecdbetterlifeindex.org/#/1111111111;公共社会支出：经合组织社会支出数据库（SOCX），http：//dotstat.oecd.org// index.aspx？queryID = 26920;社会保护公共采购的份额（占政府总体政府总采购的百分比）：OECD（2022），“一眼政府-2021版”，http：//dotstat.oecd.org//index.aspx?queryID=107598;公共支出无能力：OECD（2022）；公共支出无能力（指标），https://doi.org/10.1787/f35b71ed-en（公共支出无行为能力是指疾病，残疾和职业伤害引起的支出）；教育支出（初级到第三级，GDP的百分比）：OECD教育统计数据（数据库），https：//doi.org/10.1787/c4e1b551-en;参加正式的志愿活动（人数的百分比）：基于2015年EU-SILC Ad-Hoc模块的Eurostat Table [ILC_SCP19]。
英国
国民帐户统计，https://doi.org/10.1787/na-data-en;劳动力参与率（15-64岁）：经合组织的就业和劳动力市场统计，https：//doi.org/10.1787/data-00310-en; NEET（15-29岁，所有教育水平）：经合组织2022年，https：//doi.org/10.1787/199991487;贫困率（税收和转让后，贫困线50％）：经合组织社会和福利统计（数据库），https：//doi.org/10.1787/data-00654-en; Gini系数（可支配收入，税后和转让）：经合组织收入分配数据库，https：//www.oecd.org/social/income/income-distribution-database.htm;农村人口（OECD）：经合组织，CFE地区和城市数据库，http：//oe.cd/geostats;利益相关者参与制定法规：OECD Better Life Index，https：//www.oecdbetterlifeindex.org/#/1111111111;公共社会支出：经合组织社会支出数据库（SOCX），http：//dotstat.oecd.org// index.aspx？queryID = 26920;社会保护公共采购的份额（占政府总体政府总采购的百分比）：OECD（2022），“一眼政府-2021版”，http：//dotstat.oecd.org//index.aspx?queryID=107598;公共支出无能力：OECD（2022）；公共支出无能力（指标），https://doi.org/10.1787/f35b71ed-en（公共支出无行为能力是指疾病，残疾和职业伤害引起的支出）；教育支出（初级到第三级，GDP的百分比）：OECD教育统计数据（数据库），https：//doi.org/10.1787/c4e1b551-en;参加正式的志愿活动（人数的百分比）：基于2015年EU-SILC Ad-Hoc模块的Eurostat Table [ILC_SCP19]。
Auswakeup Media
让我们回到增长分布问题。自曲棍球毫无前所未有地将其脱离了2014年的MyEFO报告以来，大多数官方经济报告都没有Gini系数。GDP作为整个经济的衡量标准，无需考虑不平等或经济矩阵（财富）或人均措施的不平等现象。因此，由于完全可预测的大流行而导致的完全可预测的衰退加速了，这是可以追溯到2014年的人均隐性指标（尽管在2018年更加一致）。任何建议在过去十年中发生的一切都是不可预测的。它表明了完全不关注新古典一般均衡模型的无数欺骗性宣传主义意识形态经济框架的无数指标。这应该在早期的金融危机期间被放弃。昆士兰州大学经济学教授约翰·奎金（John Quiggin）在这十年之前一直在写这篇文章。大流行是在Covid之前几年的医学和纪录片警告和分析的主题。GDP数十年来一直被批评为一种不足的措施。如果政府确实“致力于衡量改善所有澳大利亚人生活的重要性”，那么即使是哈佛商业评论也认识到GDP是错误的措施。在所有这些方面，近年来，在阳光下没有什么新的东西，尚未得到解决和预测，但是在这里，我们在这里提出有关我们的意识形态方法的问题，好像这是未知的领土。
Zhang，Y.-M。，Jia，Z。和Dunwell，J。M. Orcid：https：//orcid.org/0000-0000-0003-2147-665X，编辑。 （2023）新的多洛克斯GWAS方法的应用
8在英国（英国），22％的人口是粮食不安全的（Butler，2023年）。 9个国家是欧洲收入不平等的最高水平之一（使用GINI系数）（Francis-10 Devine and Orme，2023年），在过去的十年中，对食品银行的依赖性（Trussell Trust，Trussell Trust，11 2022年）。 英国的粮食不安全不安全感并非独特，因为它反映了其他12个国家的情况，即受影响最大的亚人群。 因此，有呼吁将食品13制度转化为改善社会环境可持续性。 Benton等。 （2022）提出了14个政策，以使粮食浪费和供应适合弱势家庭的社会安全网。 尽管英国食品供应链（FSC）中的食物废物含量相对较低，但几乎没有剩余食物16重新分配以供人类消费。 然而，盈余食品再分配（SFR）已成为欧洲许多人的关键食品17。 sfr用于人类消费涉及收集和分配18个盈余食物（否则将用于替代目的或处置的食用食品）向19个组织，社区或个人用于消费（Midgley，2020年）。 因此，它被视为一种“获胜20胜”解决方案，因为它同时解决了食物浪费和食物不安全感，同时挽救了食物的21份能量和营养含量。 它还确保食品生产中产生的经济和环境成本并不徒劳。 但是，为弱势群体优化SFR 25供应链操作的研究是有限的。8在英国（英国），22％的人口是粮食不安全的（Butler，2023年）。9个国家是欧洲收入不平等的最高水平之一（使用GINI系数）（Francis-10 Devine and Orme，2023年），在过去的十年中，对食品银行的依赖性（Trussell Trust，Trussell Trust，11 2022年）。英国的粮食不安全不安全感并非独特，因为它反映了其他12个国家的情况，即受影响最大的亚人群。因此，有呼吁将食品13制度转化为改善社会环境可持续性。Benton等。（2022）提出了14个政策，以使粮食浪费和供应适合弱势家庭的社会安全网。尽管英国食品供应链（FSC）中的食物废物含量相对较低，但几乎没有剩余食物16重新分配以供人类消费。然而，盈余食品再分配（SFR）已成为欧洲许多人的关键食品17。sfr用于人类消费涉及收集和分配18个盈余食物（否则将用于替代目的或处置的食用食品）向19个组织，社区或个人用于消费（Midgley，2020年）。因此，它被视为一种“获胜20胜”解决方案，因为它同时解决了食物浪费和食物不安全感，同时挽救了食物的21份能量和营养含量。它还确保食品生产中产生的经济和环境成本并不徒劳。但是，为弱势群体优化SFR 25供应链操作的研究是有限的。因此，有效的SFR可以有助于实现联合国（UN）23可持续发展目标（SDG）2（零饥饿），12（负责消费和生产，24个，尤其是目标12.3（减半食物浪费）和13（气候行动）。
从电子预算到智能预算：探索人工智能在政府资源配置决策中的潜力
人工智能已成为世界各国政府的重要工具。然而，人工智能能在多大程度上改善决策尚不清楚，而且一些政策领域并不是最近大多数研究的重点，包括公共预算流程。更具体地说，预算分配是人工智能可能最具潜力的领域之一。因此，本研究试图通过回答以下研究问题来弥补我们现有知识中的这一空白：人工智能技术在多大程度上可以帮助分配公共支出以增加GDP，降低通货膨胀和降低基尼系数？为了回答这个问题，本文提出了一种算法方法，用于处理预算投入（特定支出）以产生某些输出（经济，政治和社会结果）。作者使用多层感知器和多目标遗传算法分析了1960年至2019年的世界银行开放数据，包括217个国家。在公共支出分配中实施此类决策支持系统的优势在于能够处理大量数据并找到不易检测的模式，其中包括多种非线性关系。借助这些技术，可以改进支出分配过程的某些技术方面。此外，基于人工智能的方法的结果与使用传统统计技术的公共预算科学文献的发现一致。
停电将如何影响国家经济增长
气候变化、自然灾害和网络攻击等因素导致电力系统安全面临严峻挑战。尽管人们对停电对经济产出的微观经济影响进行了深入研究，但对其宏观经济影响的认识不足，因此无法有效地支持电力可靠性政策。基于此，本研究首先基于经典生产函数构建理论模型，分析停电与经济增长之间的机制。然后，从理论分析的基础上发展出一个实证计量经济模型，并应用于152个国家。为了解决潜在的内生性问题，利用遥感数据计算出一个国家年雷电密度指数，并将其作为停电的工具变量。我们的主要发现是：（1）系统平均中断持续时间指数（SAIDI）每下降1%，全球经济增长将增加2.16%。（2）停电的影响在不同国家之间存在差异，收入较低、土地面积较大、电气化率较低的国家影响较大。 （3）低收入国家电力基础设施质量的提高可以显著缩小世界贫富差距，如果低收入国家的SAIDI降低到高收入国家的10%，基尼系数将下降9.55‰。结果为电力系统运营投资和供电质量改善提供了依据。
“共享经济”如何共享？来自 97 个 Airbnb 市场的证据
近年来，Airbnb 等数字平台已成为一股重要的经济和政治力量，它们将自己标榜为“共享经济”——一种新的、更公平的社会和经济活动组织方式，同时又扮演着自有市场的所有者和管理者的角色。近年来，这些平台受到各种各样但日益严格的监管，这不禁让人想知道这些监管如何影响它们的平台市场。本文通过对 97 个城市和地区的 Airbnb 市场收入分配进行大规模国际比较分析来检验这些说法，重点关注收入不平等的水平及其演变，并使用机器学习对房东头像进行分类来估算种族和性别收入差距。通过研究 834,722 个房源、513,785 名房东和 13,466,854 条评论，本文发现平均基尼系数为 0.68，这意味着市场收入的大部分往往流向大约 10% 的房东。各个城市的集中化程度差异很大，但随着时间的推移，集中化程度不断提高，政府监管似乎是一个抵消因素，但这只能暂时减缓少数大型房东日益增长的主导地位。该论文还发现，性别和种族收入差距很大，黑人房东的平均房源收入比男性少 22%，女性房东的平均房源收入比男性少 12%。这些发现为正在进行的学术和政策辩论提供了重要数据，也为进一步研究共享经济中的不平等及其监管方式提供了一个起点。
墨西哥
国民账户统计，https://doi.org/10.1787/na-data-en ；劳动力参与率（15-64 岁）：OECD 就业和劳动力市场统计，https://doi.org/10.1787/data-00310-en ；NEET（15-29 岁，各教育水平）：OECD 教育一览 2022，https://doi.org/10.1787/19991487 ；贫困率（税后和转移支付后，贫困线 50%）：OECD 社会和福利统计（数据库），https://doi.org/10.1787/data-00654-en ；基尼系数（可支配收入，税后和转移支付后）：OECD 收入分配数据库，https://www.oecd.org/social/income-distribution-database.htm；农村人口（OECD）：OECD、CFE 地区和城市数据库，http://oe.cd/geostats ；利益相关者参与制定法规：OECD 美好生活指数，https://www.oecdbetterlifeindex.org/#/11111111111 ；公共社会支出：OECD 社会支出数据库 (SOCX)，http://dotstat.oecd.org//Index.aspx?QueryId=26920；用于无行为能力的公共支出：OECD (2022)；用于无行为能力的公共支出（指标），https://doi.org/10.1787/f35b71ed-en（用于无行为能力的公共支出是指因疾病、残疾和工伤而产生的支出）；教育支出（从小学到大学，占 GDP 的百分比）：经合组织教育统计数据（数据库），https://doi.org/10.1787/c4e1b551-en；参与正式志愿活动的人数（占人口的百分比）：欧盟统计局表格 [ilc_scp19]，基于 2015 年 EU-SILC 特设模块。
美国
国民帐户统计，https://doi.org/10.1787/na-data-en;劳动力参与率（15-64岁）：经合组织的就业和劳动力市场统计，https：//doi.org/10.1787/data-00310-en; NEET（15-29岁，所有教育水平）：经合组织2022年，https：//doi.org/10.1787/199991487（美国的数据排除15岁的孩子）；贫困率（税收和转让后，贫困线50％）：经合组织社会和福利统计（数据库），https：//doi.org/10.1787/data- 00654-en; GINI系数（可支配收入，税后和转让）：经合组织收入分配数据库，https：//www.oecd.org/social/social/income-income-distribution--database.htm;农村人口（OECD）：经合组织，CFE地区和城市数据库，http：//oe.cd/geostats;利益相关者参与制定法规：OECD Better Life Index，https：//www.oecdbetterlifeindex.org/#/1111111111;公共社会支出：经合组织社会支出数据库（SOCX），http：//dotstat.oecd.org//index.aspx?queryid=26920;社会保护公共采购的份额（占政府总体政府总采购的百分比）：OECD（2022），“一眼政府-2021版”，http：//dotstat.oecd.org//index.aspx?queryID=107598;公共支出无能力：OECD（2022）；公共支出无能力（指标），https://doi.org/10.1787/f35b71ed-en（公共支出无行为能力是指疾病，残疾和职业伤害引起的支出）；教育支出（初级到第三级，GDP的百分比）：OECD教育统计数据（数据库），https：//doi.org/10.1787/c4e1b551-en;参加正式的志愿活动（人数的百分比）：基于2015年EU-SILC Ad-Hoc模块的Eurostat Table [ILC_SCP19]。
算法组织的未来：分散自治组织（DAOS）的大规模分析
分散的自主组织（DAOS）类似于早期的在线社区，尤其是围绕开源项目的社区，并通过在区块链上“智能合约”中编码治理规则来为复杂的社会计算系统提供潜在的经验框架。DAO的关键功能是集体决策，通常是通过一系列建议进行的，其中成员使用治理令牌对组织事件进行投票，表示DAO内的相对影响。在短短几年内，Daos的部署飙升，总库库为245亿美元，而1110万个治理令牌持有人则截至2024年，持有人会共同管理13,000多名DAO的决策。在这项研究中，我们检查了100个Daos的操作动力学，例如Pleasrdao，Lexdao，Lootdao，乐观集体，UNISWAP等。通过对多样化的DAO类别和智能合约的大规模经验分析，并通过利用链（例如投票权）和离链数据来利用链子，我们研究了诸如投票能力，参与和DAO特征之类的因素，这些因素决定了结构化的水平，从而决定了管理结构的效率。因此，我们的研究强调了基层参与与DAO中较高的分散化的相互作用，而DAO内的投票能力的差异较低，与Gini Metrics始终如一地衡量，DAO中的投票能力与更高水平的分散水平相关。这些见解与政治学的关键主题紧密相符，例如决策中的权力分配和各种治理模型的影响。我们通过讨论对研究人员和从业人员的影响来结束，强调这些因素如何为新兴的民主治理体系的设计提供信息