(一)后续研究计划
动态多区域投入产出部分:
1.多区域动态投入产出(dynamic MRIO)数据完善
目前多区域动态投入产出的方法部分大体研究完毕,利用Python编写代码,并综合运用Shift-Share和SDA方法进行分解研究,计算出中国国内、一带一路与世界其他地区互相间的经济影响。下一步将进行数据的校对与完善。
2.加入环境变量
团队成员将基于之前研究的跳板对DMRIO进行研究创新,在DMRIO中加入环境变量,探究一带一路倡议下二氧化碳等污染物三大区域之间流量关系及其变化的影响因素。
3.数据分析
根据分解研究我们对增加值分解为八项,并分行业分年份进行比较分析,研究哪些项对增加值的增长有显著作用,并解读其背后的经济意义。接下来也将环境变量,根据二氧化碳等污染物在不同区域之间的流量关系,为碳减排提出针对性的建议。
4.撰写论文
根据研究数据,研究成果将以论文的方式进行呈现。
机器学习部分:
1.根据所需图挖掘算法寻找便于学习的相应代码以及程序包
经过对图挖掘算法的初步了解后,了解到图挖掘算法中的频繁子图和密集子图对于项目的研究有一定帮助,初步选定应用密集子图进行一带一路中国家之间的社团划分、寻找主要社团关系,应用频繁子图来确定长期情况下国家和集团之间关系的变化。由此,团队选定频繁子图与密集子图作为下一步的算法重点研究对象。为了便于使用频繁子图挖掘与密集子图挖掘进行研究,团队成员需要找到图挖掘算法的C、Java或Python对应代码或计算图挖掘算法的Python算法包,为下一步的研究做铺垫。
2.应用寻找到的代码以及程序包进行数据计算
理解并学习搜集到的代码或程序包,将代码化为本项目可用的形式,基于投入产出表数据,对一带一路及全球碳流量数据进行计算和分析,主要进行密集子图挖掘和频繁子图的挖掘,对碳净流动网络进行构建并挖掘出碳流量的主要社团关系,方便下一步的分析。
3.进行数据分析
由上一步的数据计算结果,分析研究数据。分析碳流动网络的主要特征和社团关系的特征,并结合多区域投入产出等方法进行原因的分析。
4.撰写论文
整理所得到的数据结果和分析结果,根据研究数据撰写论文。
(二)后续研究重难点
动态多区域投入产出部分:
1.数据完善
由于代码和DMRIO方法过于复杂,引入环境变量之后数据的完善需要耗费较大精力。
2.环境变量的加入
环境变量的加入是本研究的创新点,对于团队成员而言是新的课题,必然会遇到许多的困难与挑战,需要团队成员耗费较多精力研究方法,并深入研究如何将方法用到实际。
3.数据分析角度选取
作为论文的重点部分,数据分析的重要性毋庸置疑,而数据分析的角度无疑决定着论文质量。如何全面而新颖地分析数据,也是小组成员必须面对的问题。为此在后续研究中团队成员要多读文献,不断学习别人的分析角度,并以此进行思考与创新,形成自己的分析角度。
4.政策提出
科研结果必须落到实处,而政策的提出是科研的最终落脚点。找准落脚点,科研结论才不至于成为空中楼阁,这也是进行科研的最终目标和现实意义。根据研究得到的结果,团队成员要联系现实,提出一些解决现实问题的政策建议。
机器学习部分:
1.代码和程序包稀缺,查找较为困难
一方面,团队成员对图挖掘算法的了解比较初步,频繁子图挖掘和密集子图挖掘相关的资料较少,相较于其他常规方法较难获取相应教学资料,给成员的深入学习造成了一定的困难。另一方面,作为一个资料较少的机器学习算法,图挖掘算法的代码和数据包比较难寻找,为代码的学习也造成了一定阻碍。
2.代码修改以及数据计算需要反复试错
团队成员不仅需要时间学习新算法,同时也需要大量的试错计算数据结果。图挖掘算法的资料和符合学习要求的代码相对较少,在进行实践运行和数据计算的过程中势必会产生许多问题,因此在算法使用和代码修改中需要反复试错和修正。
3.数据分析角度选取
数据计算是数据分析的基础,只有找到正确而切实的分析角度才能发现问题。因此,在数据计算后的数据分析过程中需要找到合适的角度进行分析。
|