CN110443486A - 一种基于市场主体感知的营商环境评价分析方法和系统 - Google Patents

一种基于市场主体感知的营商环境评价分析方法和系统 Download PDF

Info

Publication number
CN110443486A
CN110443486A CN201910699083.0A CN201910699083A CN110443486A CN 110443486 A CN110443486 A CN 110443486A CN 201910699083 A CN201910699083 A CN 201910699083A CN 110443486 A CN110443486 A CN 110443486A
Authority
CN
China
Prior art keywords
business environment
index
analysis
main market
market players
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910699083.0A
Other languages
English (en)
Inventor
胡金晖
何耀彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
In New Electric Power Research Institute Wisdom City Co Ltd
Original Assignee
In New Electric Power Research Institute Wisdom City Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by In New Electric Power Research Institute Wisdom City Co Ltd filed Critical In New Electric Power Research Institute Wisdom City Co Ltd
Priority to CN201910699083.0A priority Critical patent/CN110443486A/zh
Publication of CN110443486A publication Critical patent/CN110443486A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于市场主体感知的营商环境评价分析方法和系统，方法包括如下步骤：S1、构建营商环境动态评价监测指标体系；S2、采用前沿距离构建营商环境指数评价模型；S3、基于地区数据构建城市地区内多层次、全方面营商环境分析指标体系；S4、地区关键薄弱指标挖掘；S5、采用灰色关联法构建营商环境指数预测模型；S6、通过所述步骤S2、S5输出的营商环境指数评价和预测模型对城市不同地区进行评估分析。本发明从结果导向出发，可实时监测的动态的营商环境指数；通过指标权重的大小比较，可确定营商环境改善的关键指标，并以此构建营商环境指数预测模型，权重的测度方法相比较于传统方法更为合理科学，更反映实际的变化趋势。

Description

一种基于市场主体感知的营商环境评价分析方法和系统
技术领域
本发明涉及营商环境评价领域，尤其涉及一种基于市场主体感知的营商环境评价分析方法和系统。
背景技术
营商环境是市场主体从开办、运行到结束影响主体整个生命周期的要素总和，涵盖了影响市场主体生产经营活动的政治、经济、文化、社会乃至环境等各方面的要素。
传统营商环境的评价基本基于世界银行营商环境评价指标体系，分为开办企业、申请建筑许可、获得电力供应、注册财产、获得信贷、投资者保护、缴纳税款、跨境贸易、合同执行和办理破产十个维度。这种评价标准对营商环境的评价比较狭义，且获得的数据方式主要依靠抽样问卷调查，调查对象的素质、理解能力、情绪偏好对调查结果产生较大影响。在指标的权重测度上，根据专家打分法、主成分分析方法等确定各指标的权重，忽略了市场主体是营商环境质量的第一感知体。而且传统的评价分析方法一般执行周期为一年，无法实现营商环境质量的动态监测。
为解决上述问题，本申请中提出一种基于市场主体感知的营商环境评价分析方法和系统。
发明内容
(一)发明目的
为解决背景技术中存在的技术问题，本发明提出一种基于市场主体感知的营商环境评价分析方法和系统，以实现同一城市不同地区内营商环境指数的动态监测、关键指标挖掘和指数预测。
(二)技术方案
为解决上述问题，本发明提供了一种基于市场主体感知的营商环境评价分析方法，包括如下步骤：
S1、构建营商环境动态评价监测指标体系；
S2、采用前沿距离构建营商环境指数评价模型；
S3、基于地区数据构建城市地区内多层次、全方面营商环境分析指标体系；
S4、进行地区关键薄弱指标挖掘；
S5、采用灰色关联法构建营商环境指数预测模型；
S6、通过所述步骤S2、S5输出的营商环境指数评价模型和营商环境指数预测模型对城市不同地区进行评估分析；
S7、进行营商环境指数预测。
优选的，在步骤S1中，通过城市地区内市场主体的历史规模、新增注册、新增发展和新增消退态势数据，构建营商环境动态评价监测指标体系，即：
Bindex＝f(p1，p2，p3，p4)，
其中p1，p2，p3，p4分别代表某地区市场主体历史发展规模(p1)、新增注册规模(p2)、新增发展规模(p3)和新增消退规模(p4)。
优选的，在步骤S2中，基于结果导向以及市场主体的新增、发展、消退态势，营商环境指数计算方法为：
其中为各指标的“最佳值”，通过计算同一城市内不同行政区域的营商环境指数并进行相互对比，分析营商环境指数差异，并按不同周期动态计算，实时掌控营商环境指数变化趋势。
优选的，在步骤S3中，从市场主体全生命周期的三个阶段(即准入环境、经营环境和注销环境)确定了涵盖m个一级指标，n个二级指标，k个三级指标的指标体系。
优选的，在步骤S4和S5中，基于灰色关联度算法，并引入响应时间差Δt(即营商环境分析指标体系的调整与营商环境变化有响应滞后)概念，建立营商环境分析指标体系和营商环境指数之间的关联关系，其步骤为：
S51、确定参考序列和比较序列：分析指标体系n个指标数据序列为：
Xm＝(xt+1(m)，xt+2(m)，...，xt+n(m))，m＝1，2，...，109，
其中t为计算时间起点，n表示时间序列的维度，则可形成如下矩阵：
参考序列为某区(序号i)的营商环境指数序列为：
S52、采取min-max归一化方法对指标数据进行无量纲化处理：
S53、求参考序列与比较序列的灰色关联系数：逐个计算比较序列与参考序列对应元素的绝对差值，即：
|b′i-x′i(m)|(m＝1，...，109，i＝1，...，n)，
构成绝对差值矩阵Zi：
分别计算每个比较序列与参考序列对应元素的关联系数：
S54、计算关联度：计算各指标与参考序列对应元素的关联系数的和，反映指标与参考序列的关联关系，即为关联度：
S55、挖掘关键指标：计算得到的各指标序列与参考序列指标之间的关联度，通过比较各指标之间的关联度大小，从而挖掘识别影响营商环境的关键指标。
优选的，在步骤S55中，计算得到各指标与营商环境指数的关联度，并根据其建立营商环境指数预测模型，即：
其中，模型中假设响应时间Δt为1年，即前一年营商环境分析指标的调整将对下一年的营商环境指数产生影响。
优选的，在步骤S5中，若构建的营商环境指数预测模型准确度满足要求，则可应用，若不满足要求，返回步骤3重新选择分析指标并采集数据，接着依次执行步骤S4,S5。
优选的，在步骤S7中，根据S5计算得到的关联度和预测模型进行营商环境指数预测。
由上述方法，又提出一种基于市场主体感知的营商环境评价分析系统，所述系统包括数据汇聚、处理模块、营商环境指数监测模块、地区关键薄弱指标挖掘模块和营商环境指数预测模块；
数据汇聚和处理模块：用于数据自动化采集或人工录入数据，并进行相关异常值、缺失值的查找和标准化等操作；
营商环境指数监测模块：用于动态展示监测地区内营商环境指数变化态势，通过GIS和仪表盘技术显示营商环境指数；
地区关键薄弱指标挖掘模块：基于分析模型，根据聚集的营商环境指数监测数据和分析指标数据在线分析挖掘；
营商环境指数预测模块：用于动态展示各地区营商环境指数和分析指标的预测值。
优选的，所述地区关键薄弱指标挖掘模块和营商环境指数预测模块是基于在线分析指标体系数据与营商环境指数关系模型动态更新结果来分析指标体系数据和营商环境指数的新增，并通过建模单元执行更新分析指标与营商环境指数的关系。
本发明的上述技术方案具有如下有益的技术效果：
一、本发明从结果导向出发，基于市场主体的注册、发展、注销(吊销) 和迁入迁出态势构建，可实时监测的动态的营商环境指数。
二、本发明创新了营商环境指数的量化方法，具有较强的操作性和解释性，可帮助政府管理者对地区营商环境态势实时监测，做到了然于胸，同时对同一城市内不同行政区域内进行量化评比。
三、本发明通过构建营商环境指数和营商环境分析指标体系，考虑到分析指标体系变化与指数的响应存在时间差；基于历史数据，通过灰色关联法建模分析各指标与营商环境指数的关系，计算关联度，并将此作为指标的权重，通过指标权重的大小比较，可确定营商环境改善的关键指标，并以此构建营商环境指数预测模型，权重的测度方法相比较于传统方法更为合理科学，更反映实际的变化趋势。
附图说明
图1为本发明提出的一种基于市场主体感知的营商环境评价分析方法中营商环境指数构建、关键指标挖掘和指数预测模型的构建流程图。
图2为本发明提出的一种基于市场主体感知的营商环境评价分析方法中营商环境指数构建指标体系图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
如图1-2所示，本发明提出的一种基于市场主体感知的营商环境评价分析方法，包括如下步骤：
S1、构建营商环境动态评价监测指标体系；
S2、采用前沿距离构建营商环境指数评价模型；
S3、基于地区数据构建城市地区内多层次、全方面营商环境分析指标体系；
S4、进行地区关键薄弱指标挖掘；
S5、采用灰色关联法构建营商环境指数预测模型；
S6、通过所述步骤S2、S5输出的营商环境指数评价模型和营商环境指数预测模型对城市不同地区进行评估分析；
S7、进行营商环境指数预测。
在一个可选的实施例中，在步骤S1中，通过城市地区内市场主体的历史规模、新增注册、新增发展和新增消退态势数据，构建营商环境动态评价监测指标体系，即：
Bindex＝f(p1，p2，p3，p4)，
其中p1，p2，p3，p4分别代表某地区市场主体历史发展规模(p1)、新增注册规模(p2)、新增发展规模(p3)和新增消退规模(p4)；
p1＝ni/ΣNni，p2＝mi/ΣNmi，p3＝li/ΣNli，p4＝ki/ΣNki，
其中，ni为当前城市某区市场主体总量，∑Nni为当前全市各区市场主体总量总和；mi为当前新计算周期内城市某区新注册和新迁入市场主体总量，∑Nmi为新计算周期全市新注册和新迁入市场主体总量；li为新计算周期内城市某区新发展为高新技术企业和新上市企业数量，∑Nli为新计算周期内全市新发展为高新技术企业和新上市企业数量；ki为新计算周期内城市某区注销或吊销市场主体数量，∑Nki为新计算周期内全市注销和吊销市场主体数量。
在一个可选的实施例中，在步骤S2中，基于结果导向以及市场主体的新增、发展、消退态势，营商环境指数计算方法为：
其中为各指标的“最佳值”，通过计算同一城市内不同行政区域的营商环境指数并进行相互对比，分析营商环境指数差异，并按不同周期动态计算，实时掌控营商环境指数变化趋势。
在一个可选的实施例中，在步骤S3中，从市场主体全生命周期的三个阶段 (即准入环境、经营环境和注销环境)确定了涵盖m个一级指标，n个二级指标， k个三级指标的指标体系(表1)。
表1
在一个可选的实施例中，在步骤S4和S5中，基于灰色关联度算法，并引入响应时间差Δt(即营商环境分析指标体系的调整与营商环境变化有响应滞后) 概念，建立营商环境分析指标体系和营商环境指数之间的关联关系，其步骤为：
S51、确定参考序列和比较序列：分析指标体系n个指标数据序列为：
Xm＝(xt+1(m)，xt+2(m)，...，xt+n(m))，m＝1，2，...，109，
其中t为计算时间起点，n表示时间序列的维度，则可形成如下矩阵：
参考序列为某区(序号i)的营商环境指数序列为：
S52、采取min-max归一化方法对指标数据进行无量纲化处理：
S53、求参考序列与比较序列的灰色关联系数：逐个计算比较序列与参考序列对应元素的绝对差值，即：
|b′i-x′i(m)|(m＝1，...，109，i＝1，...，n)，
构成绝对差值矩阵Zi：
分别计算每个比较序列与参考序列对应元素的关联系数：
S54、计算关联度：计算各指标与参考序列对应元素的关联系数的和，反映指标与参考序列的关联关系，即为关联度：
S55、挖掘关键指标：计算得到的各指标序列与参考序列指标之间的关联度，通过比较各指标之间的关联度大小，从而挖掘识别影响营商环境的关键指标。
在一个可选的实施例中，在步骤S55中，计算得到各指标与营商环境指数的关联度，并根据其建立营商环境指数预测模型，即：
其中，模型中假设响应时间Δt为1年，即前一年营商环境分析指标的调整将对下一年的营商环境指数产生影响。
在一个可选的实施例中，在步骤S5中，若构建的营商环境指数预测模型准确度满足要求，则可应用，若不满足要求，返回步骤3重新选择分析指标并采集数据，接着依次执行步骤S4,S5。
在一个可选的实施例中，在步骤S7中，根据S5计算得到的关联度和预测模型进行营商环境指数预测。
由上述方法，又提出一种基于市场主体感知的营商环境评价分析系统，所述系统包括数据汇聚、处理模块、营商环境指数监测模块、地区关键薄弱指标挖掘模块和营商环境指数预测模块；
数据汇聚和处理模块：用于数据自动化采集或人工录入数据，并进行相关异常值、缺失值的查找和标准化等操作；
营商环境指数监测模块：用于动态展示监测地区内营商环境指数变化态势，通过GIS和仪表盘技术显示营商环境指数；
地区关键薄弱指标挖掘模块：基于分析模型，根据聚集的营商环境指数监测数据和分析指标数据在线分析挖掘；
营商环境指数预测模块：用于动态展示各地区营商环境指数和分析指标的预测值。
在一个可选的实施例中，所述地区关键薄弱指标挖掘模块和营商环境指数预测模块是基于在线分析指标体系数据与营商环境指数关系模型动态更新结果来分析指标体系数据和营商环境指数的新增，并通过建模单元执行更新分析指标与营商环境指数的关系。
以下实施例以某市为例，基于上述方法，收集了2018年该市10区企业注册、上市、倒闭、迁入迁出数量，结果如表2所示。
表2
通过计算该市10区的营商环境指数可得到该市10区的营商环境质量态势，通过计算得到该市10区营商环境指数态势，看出B区一枝独秀、遥遥领先，与实际情况相符。
基于该市城市大数据中心和统计年鉴等渠道采集了2008年-2017年十年的数据，时间单位为年，进行关联度计算，计算结果如表3：
表3
对表3的关联度结果进行分析，发现政务服务水平、企业税负水平、医疗教育设施水平、劳动力人口数、工业和服务业工资水平、中高层管理人员数量、年轻创业者数量、公共交通、风投机构数量、固定资产投资额、制造业发展、第三产业投资额等细分指标对该市营商环境指数的变化影响显著，该市后续改善营商环境可从这些方面重点突破。
最后进行营商环境指数预测，得到该市2018年度的营商环境指数为82，相比较于2017年的得分(95)有所下降，分析预计2018年整体投资规模和数量较 2017年表现下滑，在2019年初通过查阅该市年度报告，该预测结论与实际情况基本相符，预测结果表现出良好的可信性。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (10)

1.一种基于市场主体感知的营商环境评价分析方法，其特征在于，包括如下步骤：
S1、构建营商环境动态评价监测指标体系；
S2、采用前沿距离构建营商环境指数评价模型；
S3、基于地区数据构建城市地区内多层次、全方面营商环境分析指标体系；
S4、进行地区关键薄弱指标挖掘；
S5、采用灰色关联法构建营商环境指数预测模型；
S6、通过所述步骤S2、S5输出的营商环境指数评价模型和营商环境指数预测模型对城市不同地区进行评估分析；
S7、进行营商环境指数预测。
2.根据权利要求1所述的一种基于市场主体感知的营商环境评价分析方法，其特征在于，在步骤S1中，通过城市地区内市场主体的历史规模、新增注册、新增发展和新增消退态势数据，构建营商环境动态评价监测指标体系，即：
Binder＝f(p1，p2，p3，p4)，
其中p1，p2，p3，p4分别代表某地区市场主体历史发展规模(p1)、新增注册规模(p2)、新增发展规模(p3)和新增消退规模(p4)。
3.根据权利要求1所述的一种基于市场主体感知的营商环境评价分析方法，其特征在于，在步骤S2中，基于结果导向以及市场主体的新增、发展、消退态势，营商环境指数计算方法为：
其中为各指标的“最佳值”，通过计算同一城市内不同行政区域的营商环境指数并进行相互对比，分析营商环境指数差异，并按不同周期动态计算，实时掌控营商环境指数变化趋势。
4.根据权利要求1所述的一种基于市场主体感知的营商环境评价分析方法，其特征在于，在步骤S3中，从市场主体全生命周期的三个阶段(即准入环境、经营环境和注销环境)确定了涵盖m个一级指标，n个二级指标，k个三级指标的指标体系。
5.根据权利要求1所述的一种基于市场主体感知的营商环境评价分析方法，其特征在于，在步骤S4和S5中，基于灰色关联度算法，并引入响应时间差Δt(即营商环境分析指标体系的调整与营商环境变化有响应滞后)概念，建立营商环境分析指标体系和营商环境指数之间的关联关系，其步骤为：
S51、确定参考序列和比较序列：分析指标体系n个指标数据序列为：
Xm＝(xt+1(m)，xt+2(m)，...，xt+n(m))，m＝1，2，...，109，
其中t为计算时间起点，n表示时间序列的维度，则可形成如下矩阵：
参考序列为某区(序号i)的营商环境指数序列为：
S52、采取min-max归一化方法对指标数据进行无量纲化处理：
S53、求参考序列与比较序列的灰色关联系数：逐个计算比较序列与参考序列对应元素的绝对差值，即：
|b′i-x′i(m)|(m＝1，...，109，i＝1，...，n)，
构成绝对差值矩阵Zi：
分别计算每个比较序列与参考序列对应元素的关联系数：
S54、计算关联度：计算各指标与参考序列对应元素的关联系数的和，反映指标与参考序列的关联关系，即为关联度：
S55、挖掘关键指标：计算得到的各指标序列与参考序列指标之间的关联度，通过比较各指标之间的关联度大小，从而挖掘识别影响营商环境的关键指标。
6.根据权利要求5所述的一种基于市场主体感知的营商环境评价分析方法，其特征在于，在步骤S55中，计算得到各指标与营商环境指数的关联度，并根据其建立营商环境指数预测模型，即：
其中，模型中假设响应时间Δt为1年，即前一年营商环境分析指标的调整将对下一年的营商环境指数产生影响。
7.根据权利要求1所述的一种基于市场主体感知的营商环境评价分析方法，其特征在于，在步骤S5中，若构建的营商环境指数预测模型准确度满足要求，则可应用，若不满足要求，返回步骤3重新选择分析指标并采集数据，接着依次执行步骤S4，S5。
8.根据权利要求1所述的一种基于市场主体感知的营商环境评价分析方法，其特征在于，在步骤S7中，根据S5计算得到的关联度和预测模型进行营商环境指数预测。
9.一种基于市场主体感知的营商环境评价分析系统，其特征在于，所述系统包括数据汇聚、处理模块、营商环境指数监测模块、地区关键薄弱指标挖掘模块和营商环境指数预测模块；
数据汇聚和处理模块：用于数据自动化采集或人工录入数据，并进行相关异常值、缺失值的查找和标准化等操作；
营商环境指数监测模块：用于动态展示监测地区内营商环境指数变化态势，通过GIS和仪表盘技术显示营商环境指数；
地区关键薄弱指标挖掘模块：基于分析模型，根据聚集的营商环境指数监测数据和分析指标数据在线分析挖掘；
营商环境指数预测模块：用于动态展示各地区营商环境指数和分析指标的预测值。
10.根据权利要求9所述的一种基于市场主体感知的营商环境评价分析系统，其特征在于，所述地区关键薄弱指标挖掘模块和营商环境指数预测模块是基于在线分析指标体系数据与营商环境指数关系模型动态更新结果来分析指标体系数据和营商环境指数的新增，并通过建模单元执行更新分析指标与营商环境指数的关系。
CN201910699083.0A 2019-07-31 2019-07-31 一种基于市场主体感知的营商环境评价分析方法和系统 Pending CN110443486A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910699083.0A CN110443486A (zh) 2019-07-31 2019-07-31 一种基于市场主体感知的营商环境评价分析方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910699083.0A CN110443486A (zh) 2019-07-31 2019-07-31 一种基于市场主体感知的营商环境评价分析方法和系统

Publications (1)

Publication Number Publication Date
CN110443486A true CN110443486A (zh) 2019-11-12

Family

ID=68432293

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910699083.0A Pending CN110443486A (zh) 2019-07-31 2019-07-31 一种基于市场主体感知的营商环境评价分析方法和系统

Country Status (1)

Country Link
CN (1) CN110443486A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111369060A (zh) * 2020-03-05 2020-07-03 刘秉镰 一种城市营商环境指数监测系统及其监测方法
CN111539770A (zh) * 2020-04-27 2020-08-14 启迪数华科技有限公司 一种数据资产智能评估方法及系统
CN112150012A (zh) * 2020-09-27 2020-12-29 高维智慧社会信息咨询(江苏)有限公司 基于扎根理论的营商环境数据分析系统
CN113222362A (zh) * 2021-04-25 2021-08-06 国网江苏省电力有限公司南京供电分公司 一种基于电力营商环境的项目评价方法
CN117274082A (zh) * 2023-09-18 2023-12-22 深圳市中科云驰环境科技有限公司 一种基于遥感生态指数的水体生态环境质量分析方法及系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111369060A (zh) * 2020-03-05 2020-07-03 刘秉镰 一种城市营商环境指数监测系统及其监测方法
CN111539770A (zh) * 2020-04-27 2020-08-14 启迪数华科技有限公司 一种数据资产智能评估方法及系统
CN111539770B (zh) * 2020-04-27 2023-06-16 国云数字科技(重庆)有限公司 一种数据资产智能评估方法及系统
CN112150012A (zh) * 2020-09-27 2020-12-29 高维智慧社会信息咨询(江苏)有限公司 基于扎根理论的营商环境数据分析系统
CN113222362A (zh) * 2021-04-25 2021-08-06 国网江苏省电力有限公司南京供电分公司 一种基于电力营商环境的项目评价方法
CN117274082A (zh) * 2023-09-18 2023-12-22 深圳市中科云驰环境科技有限公司 一种基于遥感生态指数的水体生态环境质量分析方法及系统
CN117274082B (zh) * 2023-09-18 2024-09-20 深圳市中科云驰环境科技有限公司 一种基于遥感生态指数的水体生态环境质量分析方法及系统

Similar Documents

Publication Publication Date Title
CN110443486A (zh) 一种基于市场主体感知的营商环境评价分析方法和系统
Hsieh et al. Seeing is believing? Executives' facial trustworthiness, auditor tenure, and audit fees
Srivastava et al. Intelligent employee retention system for attrition rate analysis and churn prediction: An ensemble machine learning and multi-criteria decision-making approach
Perelman et al. Measuring the technical efficiency of airports in Latin America
Round Constructing SAMs for development policy analysis: lessons learned and challenges ahead
CN103714261B (zh) 二阶段混合模型的智能辅助医疗决策支持方法
JP4710011B2 (ja) 企業価値分析装置及び企業価値分析方法
Aparicio et al. Decomposing technical inefficiency using the principle of least action
Lau et al. Challenges in the measurement of public sector productivity in OECD countries
Bai et al. Measurement of project portfolio benefits with a GA-BP neural network group
Gao et al. Data analytics and audit quality
Chao Estimating project overheads rate in bidding: DSS approach using neural networks
Seites-Rundlett et al. Combined evidence model to enhance pavement condition prediction from highly uncertain sensor data
CN117151448B (zh) 一种基于数字化生产平台的智慧车间管理系统
Liu Implementing and evaluating performance measurement initiative in public leisure facilities: an action research project
Hooton Defining tech: An examination of how the ‘technology’economy is measured
Karma et al. Designing Application for Determining the Health Level of Village Credit Institutions with the CAMEL Method
Sörqvist Effective methods for measuring the cost of poor quality
Singh et al. A Study of Effect of Performance Appraisal on the Organization and the Employee
Weir-Smith An overview of the geographic data of unemployment in South Africa
Antolın-Dıaz et al. Advances in nowcasting economic activity: Secular trends, large shocks and new data
CN112184495A (zh) 存量低效土地监测系统及应用其的分析平台
Dong et al. Gauging the environmental efficiency with ecological compensation in presence of missing data using data envelopment analysis
Huang et al. Detecting neighborhood gentrification at scale via street-level visual data
JP2022000728A (ja) サービス評価システム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Liu Lijun

Inventor after: Hu Jinhui

Inventor after: He Yaobin

Inventor before: Hu Jinhui

Inventor before: He Yaobin

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191112