管理科学领域人才基金项目资助效能分析

吴刚, 陈中飞, 刘益宏, 白洋, 胡吉明

计量经济学报 ›› 2024, Vol. 4 ›› Issue (2) : 356-367.

PDF(1693 KB)
PDF(1693 KB)
计量经济学报 ›› 2024, Vol. 4 ›› Issue (2) : 356-367. DOI: 10.12012/CJoE2024-0051
论文

管理科学领域人才基金项目资助效能分析

    吴刚1,*(), 陈中飞1(), 刘益宏1(), 白洋1,2(), 胡吉明1,3()
作者信息 +

Analysis on Funding Effectiveness of Talent Fund Projects in the Field of Management Science

    Gang WU1,*(), Zhongfei CHEN1(), Yihong LIU1(), Yang BAI1,2(), Jiming HU1,3()
Author information +
文章历史 +

摘要

为贯彻落实习近平总书记关于“提升国家自然科学基金资助效能”的重要指示精神, 国家自然科学基金委员会管理科学部组织开展了一系列调研活动, 系统分析杰青、优青人才项目的资助效能.设计并发放了556份调查问卷, 参与座谈专家233人次.我们利用变异系数法、双重差分法、自然语言处理等统计方法对调研数据进行量化分析.调研数据统计发现: 与优青等人才项目相比, 杰青的综合资助效能相对较高, 立项后其学术成果、学术影响力均有大幅度提升; 杰青优青等人才项目的资助效能存在异质性; 从年龄上看, 42岁前获杰青资助的学者, 其综合资助效能会有更大提升.基于调研分析, 提出了人才项目要“强化过程管理与结题管理”等建议.

Abstract

To implement the instructions from General Secretary Xi Jinping regarding "enhancing the effciency of funding for the National Natural Science Foundation, " the Department of Management Sciences conducted a series of research activities, systematically analyzing the funding effectiveness of the distinguished young scholars and outstanding young scholars talent projects. A total of 556 survey questionnaires were designed and distributed, and 233 experts participated in the discussion. Utilizing statistical methods such as the coeffcient of variation, the difference-in-differences, and the natural language processing, the survey data were quantitatively analyzed. The statistical analysis of the survey data showed the following key findings: First, compared to other talent projects like outstanding young scholars, the comprehensive funding effectiveness of distinguished young scholars is relatively higher. After approval, there is a significant improvement in both academic achievements and academic influence. Second, there is heterogeneity in the funding effectiveness among talent projects like distinguished young scholars and outstanding young scholars. Third, scholars who receive distinguished young scholars funding before the age of 42 experience a greater improvement in comprehensive funding effectiveness. Based on these analysis, recommendations are proposed, emphasizing the need to "strengthen process management and project closeout management" for talent projects.

关键词

管理科学 / 人才基金项目 / 资助效能 / 绩效评价 / 调查问卷

Key words

management science / talent fund projects / funding effectiveness / performance evaluation / survey questionnaires

引用本文

导出引用
吴刚 , 陈中飞 , 刘益宏 , 白洋 , 胡吉明. 管理科学领域人才基金项目资助效能分析. 计量经济学报, 2024, 4(2): 356-367 https://doi.org/10.12012/CJoE2024-0051
Gang WU , Zhongfei CHEN , Yihong LIU , Yang BAI , Jiming HU. Analysis on Funding Effectiveness of Talent Fund Projects in the Field of Management Science. China Journal of Econometrics, 2024, 4(2): 356-367 https://doi.org/10.12012/CJoE2024-0051

1 引言

加强基础研究, 归根结底要靠高水平人才. 近年来, 我国深入实施人才强国战略, 深化人才体制机制改革, 取得显著成效(习近平, 2023). 国家自然科学基金委员会是我国基础研究的主渠道, 先后建立了以"国家杰出青年科学基金项目" "国家自然科学基金委优秀青年科学基金项目"等为代表的人才资助体系1, 对我国基础研究的发展起到了举足轻重的作用. 当前, 以人工智能和数字经济为代表的科技革命和产业变革加快推进, 学科交叉融合不断加强. 在新时期, 要实现高水平科技自立自强, 建成世界科技创新强国的战略目标, 探讨进一步做好人才资助工作是当前非常迫切需要完成的重大任务.
1国家杰出青年科学基金项目获得者, 简称"杰青"; 国家自然科学基金委优秀青年科学基金项目获得者, 简称"优青"; 入选"长江学者奖励计划"特聘教授, 简称"长江"; 入选"长江学者奖励计划"青年学者, 简称"青长". 后同, 不再赘述.
习近平总书记指出"调查研究是谋事之基、成事之道, 没有调查就没有发言权, 没有调查就没有决策权. 调查研究是我们做好工作的基本功". 2023年初, 国家自然科学基金委员会管理科学部依照委党组"科学基金调研年"的工作安排, 开展了管理科学领域人才基金项目资助效能的调研.
什么是效能? 其最早出自《尹文子大道上》, 意思是效用、作用. 因此, 人才基金项目的资助效能, 实际上就是其在人才成长过程中发挥的作用.
近年来, 管理科学部先后共资助了182位杰青和215位优青(如图 1所示). 我国管理科学的发展突飞猛进, SCI & SSCI论文居于世界前列, 杰青、优青等人才基金项目具有至关重要的作用. 人才资助体系的建设一直是科学基金深化改革的重点内容(窦贤康, 2023a). 国家自然科学基金委对人才项目资助管理工作进行了广泛探索(王惠文等, 2019; 刘亚君等, 2019). 那么管理科学领域杰青、优青等人才基金项目的资助效能如何, 以及如何进一步完善人才类项目的管理, 如何进一步提升科学基金对人才支持力度, 支持青年科技人才挑大梁、担重任. 为此, 本文在广泛征求专家意见的基础上, 通过组织设计了调查问卷, 开展了一系列调研活动, 开展深入的实证分析, 从而为基金发展与深化改革提供参考(窦贤康, 2023b).
图1 1994–2023年管理科学部杰青、优青项目资助情况

Full size|PPT slide

2 调研形式与方法

2.1 专家座谈

主题调研一是借助杰青、优青、重点、面青地项目的评审会、杰青中期检查与结题审查会、优青结题审查会等契机, 开展调研座谈会; 二是利用学术会议间隙, 在武汉大学、中国科学技术大学等依托单位, 组织与会专家和一线年轻老师开展座谈会, 围绕"管理科学领域人才基金项目资助效能", 先后组织召开11次专家座谈会, 参与专家达到233人次, 形成了2万字的谈话记录, 为发现问题、完善政策提供了详细一手资料.

2.2 问卷调查

为提高问卷的信度与效度, 邀请赵耀辉教授2讲解问卷设计注意事项, 在借鉴美国国家科学基金会(The U.S. National Science Foundation, NSF) 《博士就业后情况跟踪》调查问卷基础上, 遵循科学研究规范, 本文设计了《管理科学领域杰青、优青人才类项目资助效能调查问卷》. 为了使问卷具有代表性, 我们在管理科学部主题调研部署会上广泛听取了大家的意见, 同时又征求了32位专家的意见, 修正完善后形成初步调查问卷. 2023年6月初利用杰青、优青项目评审会间隙, 开展了问卷预调查, 回收预调查问卷22份, 进行了信度分析、效度分析、共同方法偏差检验, 最终形成包含23道客观题和12道主观题的正式调查问卷. 2023年7月份通过电子邮件向管理科学部的杰青、优青及部分参加过答辩的申请人发放问卷439份, 向管理科学领域的长江学者奖励计划获得者发放问卷117份, 共回收有效问卷355份, 问卷有效率为64%.
2赵耀辉教授是中国健康与养老追踪调查(China Health and Retirement Longitudinal Survey, CHARLS)的主要负责人之一. 目前在我国开展了5次全国性大型调研.

2.3 统计分析

根据调查问卷, 本文构建了两级指标体系来量化人才项目的资助效能(附表 1). 首先, 按照调查问卷中涉及到的相关问题, 从学术成果、学术荣誉、学术影响力、社会影响力和人才培养等方面构建了5个二级指标. 其次, 根据上述5个二级指标加总构建了用于衡量学者学术表现的一级指标. 在构建上述指标时, 采用了归一化和变异系数法等统计方法. 首先, 按照附表 1计算出的5个二级指标分别采用归一化的方法进行处理, 具体处理公式如下:
In=xixminxmaxxmin,
(1)
其次, 考虑到2个二级指标的单位、均值等存在差异, 直接利用各项指标所包含的信息, 通过变异系数法计算各项指标的权重, 从而在考虑各二级指标权重的情况下加总计算出一级指标. 具体来说, 首先计算指标均值(2)与标准差(3):
In¯=1NIn,
(2)
sn=(InIn¯)2.
(3)
然后, 计算指标变异系数(4)与变异权重(5):
CVn=snIn¯,
(4)
wn=CVnCVn.
(5)
最后, 计算学术表现的一级指标(6):
INDEX=(Inwn).
(6)

2.4 计量分析

参考政策评估的计量方法(Card and Krueger, 2000; Angrist and Pischke, 2009), 本文采用双重差分法(differences-in-differences, DID)分析人才项目的资助效能, 构建两组差异数据: 一是人才项目获资助前后的学术表现差异, 二是资助组(获得人才项目资助)与对照组(未获得人才项目资助)的效能差异, 具体模型可表述为:
yit=α+β(DtTi)+γDt+μTi+εit,
(7)
其中, Ti为分组虚拟变量(资助组= 1, 对照组= 0), Dt为分期虚拟变量(资助后= 1, 资助前= 0), 交互项DtTi为本文关注的核心解释变量, 而β为本文捕捉的处理效应, 即资助组在资助后的效应, εit表示随机扰动项.

2.5 语言文本分析

为总结归纳座谈会专家对人才项目遴选和绩效评价意见的核心观点, 本文基于LdaVecNet深度学习模型提取主题词, 并实现可视化展示(Blei et al., 2003; Mikolov et al., 2013). 该模型在关键词词频统计的基础上, 综合考虑关键词与主题的关系以及语义特征, 识别频次较低但较强反映主旨内涵的关键词, 进而增强结果的可阐释性.

3 调研结果统计分析

3.1 描述性统计分析

图 2图 3分别呈现了调查样本在不同维度的分布情况. 图 2显示了总样本中杰青、优青、长江、青长及未资助样本的比例. 优青样本最多, 占总样本的43%; 其次是杰青, 约占22%; 长江样本最少, 仅占总样本的6%.
图2 调查样本在不同人才资助类别的分布情况

Full size|PPT slide

图3 杰优青样本在不同学科间的分布情况

Full size|PPT slide

图 3显示了杰青、优青样本在不同学科间的比例分布, 其中, G01管理科学与工程的样本最多, 约占44%; 其次是G04宏观管理与政策, 约占24%; 样本最少的是G03经济科学, 约占14%.

3.2 资助效能指数分析

从学术成果、学术荣誉、学术影响力、社会影响力和人才培养等5个二级指标下的量化指标的统计情况来看, 不同人才资助效能情况如下3:
3限于篇幅, 各个二级指标具体的统计数据此处不再一一披露, 如需可联系通信作者索要.
第一, 在高水平学术成果发表方面, 杰青获资助后发表了更多以CNS (Cell、Nature和Science)/PNAS/Lancet及其子刊、UTD (University of Texas at Dallas) 24本、经济学TOP5及领域顶刊等为代表的高水平论文, 相对于获资助前提高了13个百分点; 长江获资助后发表的高水平论文主要以国内核心期刊为主; 优青和青长获资助后发表的国际高水平论文也呈上升的趋势.
第二, 从不同类别人才项目资助前后的获奖情况变化来看, 所有人才项目获资助后的科研奖励相对于资助前都有较大幅度的提升. 在教育部科研奖励方面, 杰青的获奖比例最高, 其次是优青和青长. 在省部级科研奖励方面, 杰青的获奖比例依然最高, 其次是长江和青长. 同时, 从不同人才项目获资助后成为高被引学者的比例情况来看, 杰青的比例最高, 高达55%的杰青是高被引学者, 其次是优青和长江, 均为26%.
第三, 学术影响力涉及多个指标和维度, 不同人才项目在不同指标方面各有优势. 如高被引论文方面, 杰青的绩效明显高于其他人才项目的绩效; 在进入教材方面, 长江和青长明显具有优势, 但是获得人才项目资助后, 杰青、优青的成果进入教材的比例明显增加, 长江、青长进入教材的比例明显减少了, 这与其评价体系相关; 在担任SCI/SSCI主编、副主编、编委方面, 杰青的绩效也明显高; 但在中文期刊主编和副主编方面, 长江的绩效最高.
第四, 参政议政是体现人才类项目社会影响力的一个方面, 人才项目获得者参政议政的机会大幅提升, 其当选全国或省人大代表、政协委员的比例明显提高, 特别是长江和杰青. 同时, 人才类项目社会影响力的另一方面体现在研究成果服务国家的宏观决策, 以及指导企业成果转化. 统计数据表明, 在国家级、省部级领导批示及企业社会成果转化方面, 杰青、长江绩效都很好, 青长、优青相对要弱一些.
第五, 从人才培养角度来看, 杰青、长江在国家级、省部级人才培养方面都有着较好的表现. 囿于年龄和资历, 优青和青长在人才培养方面的效能相对弱一些. 但是国际会议最佳论文杰青、优青具有明显优势, 而国内会议最佳论文长江的优势更明显.
为了便于比较, 各项指标数据经过归一化处理后得到不同人才项目各二级指标的效能指数(如图 4所示). 综合来看, 杰青除了社会影响力之外, 其余4个二级指标的效能指数都是最高的. 在社会影响力与人才培养方面, 长江都有着较好的表现. 优青在学术成果方面仅次于杰青, 但是其他方面的效能相对弱一些, 这可能与优青的资历较浅有关.
图4 人才项目获得者不同的效能指数差异

Full size|PPT slide

获得人才项目后, 其资助效能如何? 本文进一步测度了不同人才项目获资助前后各指标的效能差异, 整体上人才项目各指标的资助效能都有较大幅度的提升(如图 5所示). 测度结果表明, 杰青各项指标的效能都得到大幅提升. 长江在社会影响力的效能提升最大. 优青虽然在学术成果方面具有较高的资助效能, 但其他方面的效能则略低于长江和青长.
图5 各人才项目获得资助前后的效能指数差异

Full size|PPT slide

不同人才项目资助前后的综合效能如何? 本文利用变异系数法计算权重后, 得到了不同人才项目的综合资助效能指数(如图 6所示). 杰青的综合效能最高, 而且资助后效能提升也最明显, 其次是长江、青长和优青. 优青的综合效能指数相对略低, 其主要原因可能是资助期限仅有3年, 一些高质量研究成果仍在评审进程中.
图6 人才项目资助前后的综合效能比较

Full size|PPT slide

3.3 资助效能的计量分析

为了更客观测度人才项目获资助前后的综合效能差异, 本文应用双重差分(DID)方法测算了人才项目的资助效能(见表 1). 结果表明: 各人才项目都有着正的资助效能, 杰青的资助效能最高, 相对于获资助前, 其效能提升了48.7%, 其次是长江, 其效能提升了31.2%, 优青的资助效能相对较低, 仅提升了16.6%. 但是, 从统计上来看, 杰青的资助效能在5%的显著性水平下显著.
表1 人才项目资助效能的DID估计结果
分类 资助前 资助后 Δ (资助后资助前) DID DID (%)
杰青 0.091 0.126 0.035 0.044** 48.7%
长江 0.096 0.116 0.020 0.030 31.2%
青长 0.083 0.090 0.007 0.017 20.2%
优青 0.076 0.079 0.003 0.013 16.6%
对照 0.071 0.061 0.010

3.4 资助效能的异质性分析

通过双重差分方法本文测度了人才项目资助前后的综合效能变化, 那么资助前后各年度上综合效能又是如何变化的呢? 本文进而开展了资助效能的异质性分析(如图 7所示). 统计发现: 整体上在获得杰青、优青资助后的前3年, 相对于获资助前, 其综合效能是偏低的, 之后其效能明显高于资助前, 而且呈现扩大的趋势. 因此, 杰青5年的资助期限是合理的, 对于优青项目的效能评价不应局限于3年结题后, 应适当放宽12年, 其综合效能才得以显现.
图7 杰优青项目在不同年份的综合效能比较

Full size|PPT slide

杰优青获得者其所在专业是否为双一流学科, 对其资助效能是否有影响, 本文开展了异质性分析, 发现在获得杰优青项目资助前的效能没有明显差异, 但获得杰优青项目资助后, 双一流学科下学者的综合资助效能提升更明显(如图 8所示). 一方面体现了在杰优青评审时对于是否为双一流学科的学者是公平的, 另一方面说明了双一流学科的优势有利于促进杰优青的发展.
图8 双一流与非双一流学科下杰优青资助效能的异质性

Full size|PPT slide

杰青获得者的资助效能在年龄分布上也存在异质性, 统计数据表明, 获资助时年龄小于42岁的杰青, 其整体资助效能相对于大于42岁的学者, 后劲更足, 其中长期资助效能提升非常明显(如图 9所示).
图9 杰青项目资助效能在年龄上的异质性

Full size|PPT slide

3.5 杰青优青人才项目绩效评价的问题

如何科学客观评价杰青、优青人才项目的结题绩效, 从词云图 10可知, 专家们强调在"结题"绩效评价时, 要注重"学科建设" "理论贡献" "人才培养" "研究成果"等指标. 主张建立差异化的评价体系(83.44%), 同时强化成长性的指标.
图10 "人才项目绩效评价"词云图

Full size|PPT slide

4 调研发现的主要问题

4.1 获杰青项目资助后其科研"内驱力"先降后升

从成果产出数量来看, 杰青获资助后2年内, 学者的论文发表量与立项之前相比有明显的下降趋势. 基于177位杰青获得者的调查数据, 应用计量方法, 本文对比分析了杰青在获资助前后的论文产出情况. 统计发现, 在获资助前的7年里, 论文发表数量逐年显著递增, 并在获资助的前1年达到峰值(如图 11所示). 在获资助后的2年, 其论文发表数量明显放缓. 说明获资助后, 多数杰青有松口气心理, 短期内其科研的"内驱力"下降.
图11 杰青项目资助前后论文发表数量的动态趋势图

Full size|PPT slide

此外, 本文还发现, 在项目执行的35年, 其论文发表数量再次激增, 随后又开始逐渐下降. 这充分表明, 项目"中期检查" (第3年)和"结题验收" (第5年)对杰青的科研产出有明显的促进作用. 但是缺少持续激励的机制, 杰青项目结题之后, 其科研产出呈现下滑趋势. 因此, 开展杰青项目的延续资助非常有必要.

4.2 人才项目资助效能的异质性突出

人才项目获资助前后其效能存在异质性. 整体上在获得杰青、优青资助后的前3年, 相对于获资助前, 其综合效能是偏低的, 之后其效能明显高于资助前, 且呈现扩大的趋势.
双一流学科资助效能高于"非双". 两者在获得杰优青项目资助前的效能没有明显差异, 但获得杰优青项目资助后, 双一流学科下学者的综合资助效能提升更明显.
在年龄分布上也存在异质性. 获资助时年龄小于42岁的杰青, 其整体资助效能相对于大于42岁的杰青, 后劲更足, 其中长期资助效能提升非常明显.

5 结论及建议

各人才项目都有正向的资助效能, 不同类型人才项目资助效能存在差异, 杰青的资助效能最高, 相对于获资助前, 其效能提升了48.7%, 其次是长江, 其效能提升了31.2%, 优青的资助效能相对较低, 仅提升了16.6%.

5.1 人才项目要强化过程管理和结题管理, 建立持续激励机制

调研发现"中期检查"和"结题验收"有助于提升受资助后人才项目的科研产出. 建议完善人才类项目的过程和结题考核机制, 一方面适当延长优青的结题绩效评价时间, 建议结题12年后开展绩效评估; 另一方面, 采取更加多元化的结题考核指标, 建立"奖优罚劣"的持续激励机制.
加强对人才项目科研产出质量的考核. 建议试点人才项目评价的代表作制度, 强调"质"的提升, 弱化"量"的考核, 鼓励科学家集中精力, 深耕某一领域, 做有"深度"的科研, 产出引领性的高质量科研成果.

5.2 精细化评审过程, 突出项目评审的公平公正

人才项目评审的公平公正备受关注, 做好精细化管理, 强调以创新价值、学术能力和学术贡献为导向, 以"重贡献、重创新"为原则, 侧重项目成果的"独立性" "前沿性"和"高质量".
杜绝"打招呼"行为, 做到"四个公平". 第一, 学科公平, 考虑学科差异、适当保持学科均衡. 第二, 贡献公平, 注重研究成果的独立贡献, 杜绝"搭便车"发论文行为. 第三, 性别公平, 适度延长女性申请者年龄. 第四, 评价主体公平, 突出学术贡献, 不受非学术因素影响.  

附录

表附表 1 人才项目资助效能指标体系
问卷中的问题 量化指标 指标赋值 分数范围 权重
学术成果 01
B4人才资助后, 代表作期刊最高层次 CNS 是否 5 归一化处理 对5个二级指标, 采用变异系数法加权计算
CNS子刊 是否 4
UTD 是否 3
国际期刊(IF. 5) 是否 2
国内期刊(IF. 8) 是否 1
学术荣誉 01
B2高引学者 Elsevier中国高被引学者 是否 2 归一化处理
B10获奖 国家自然科学奖 是否 5
国家技术发明奖 是否 5
国家科学进步奖 是否 5
教育部奖项1等 是否 3
教育部奖项2等 是否 2
省部奖项1等 是否 3
省部奖项2等 是否 1
学术影响力 01
B6代表作影响 代表作ESI高被引论文 是否 3 归一化处理
代表作进入教材 是否 2
A10兼职 SCI、SSCI主编、副主编 是否 5
SCI、SSCI编委 是否 4
中文核心期刊主编、副主编 是否 5
中文核心期刊编委 是否 3
社会影响力(括号内指该指标的上限) 01
A10兼职 全国人大代表、政协委员 是否 5 归一化处理
省人大代表、政协委员 是否 3
B9成果应用 国家领导批示 数量 5(15)
省部领导批示 数量 3(9)
企业成果转化、社会效益 数量 1(3)
人才培养(括号内指该指标的上限) 01
A14硕士 目前指导学硕 数量 每个0.5(3) 归一化处理
A15博士 目前指导博士 数量 每个1(3)
B13培养博士 四大人才 数量 每个5(15)
四青人才 数量 每个3(9)
省部级人才 数量 每个2(6)
百篇优博 数量 每个3(9)
国际会议最佳论文 数量 每个1(3)
国内会议最佳论文 数量 每个1(3)
注: 黑色字体只有资助后信息, 无法计算资助前的指标.

参考文献

窦贤康, 推动基础研究高质量发展为建设世界科技强国夯实根基[J]. 中国科学基金, 2023a, 37(5): 709- 712.
Dou X K, Boost the High-quality Development of Basic Research, Consolidate the Foundation for Building a World Leader in Science and Technology[J]. Bulletin of National Natural Science Foundation of China, 2023a, 37(5): 709- 712.
窦贤康, 加强基础科学研究以协同创新助力产业发展[J]. 中国党政干部论坛, 2023b,(10): 56- 58.
Dou X K, Strengthening Basic Scientific Research to Promote Industrial Development with Collaborative Innovation[J]. Chinese Cadres Tribune, 2023b,(10): 56- 58.
刘亚君, 陈贻斌, 郝艳妮, 贾国君, 基于"优青"获得者成长为"杰青"情况分析探讨人才成长对策[J]. 中国科学基金, 2019, 33(5): 496- 501.
Liu Y J, Chen Y B, Hao Y N, Jia G J, Analysis and Discussion on Talent Growth Strategy Based on the Growth of the Winner of Excellent Young Scientists Fund to Distinguished Young Scholars[J]. Bulletin of National Natural Science Foundation of China, 2019, 33(5): 496- 501.
王惠文, 黄文阳, 赵青, 吴刚, 关于适当延长杰青项目女性申请者年龄的建议[J]. 中国科学基金, 2019, 33(5): 453- 457.
Wang H W, Huang W Y, Zhao Q, Wu G, Suggestions on Prolonging the Age of Female Applicants in the National Science Fund for Distinguished Young Scholars[J]. Bulletin of National Natural Science Foundation of China, 2019, 33(5): 453- 457.
习近平, 加强基础研究实现高水平科技自立自强[J]. 求是, 2023,(15)
Xi J P, Strengthen Basic Research, and Realize Higher-level Self-reliance and Greater Strength in Science and Technology[J]. Qiushi, 2023, 15
Angrist J D, Pischke J S, Mostly Harmless Econometrics: An Empiricist's Companion[M]. Princeton: Princeton University Press, 2009.
Blei D M, Ng A Y, Jordan M I, Latent Dirichlet Allocation[J]. Journal of Machine Learning Research, 2003, 3, 993- 1022.
Card D, Krueger A B, Minimum Wages and Employment: A Case Study of the Fast-food Industry in New Jersey and Pennsylvania: Reply[J]. American Economic Review, 2000, 90(5): 1397- 1420.
Mikolov T, Chen K, Corrado G, Jeffrey D, (2013). Efficient Estimation of Word Representations in Vector Space[J]. Computer Science, arXiv Preprint arXiv: 1301.3781.

版权

版权所有,未经授权。
PDF(1693 KB)

874

Accesses

0

Citation

Detail

段落导航
相关文章

/