京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据和清洁能源其实都是城镇化_数据分析师
由国务院发展研究中心主办的“中国发展高层论坛2015”于3月21日-23日在北京举行。在会场上中国社会科学院世界经济与政治研究所国际金融研究中心副主任、研究员何帆表示,如果有一个经济学家可以影响股票,我肯定买保罗·罗默教授的股票,他不仅是蓝筹股,而且是潜力股。他刚刚给我们讲了很多故事,我们讲的创新创业的故事,我们讲的大数据的故事,我们讲的清洁能源的故事,其实都在一个舞台上,就是中国的城镇化。
以下为发言实录:
何帆:如果有一个经济学家可以影响股票,我肯定买保罗·罗默教授的股票,他不仅是蓝筹股,而且是潜力股。他刚刚给我们讲了很多故事,我们讲的创新创业的故事,我们讲的大数据的故事,我们讲的清洁能源的故事,其实都在一个舞台上,就是中国的城镇化。所以我收获很多。
保罗·罗默教授讲到人均收入和城市化之间有相当大的关系,但我不知道能不能确切发现一个因果的关系。而且在中国发生的城市化是不是一个故事。我个人感觉可能不止一个故事,发生在深圳的城市化很可能和发生在内蒙古以鬼城著称的鄂尔多斯的城市化是不一样的。鄂尔多斯的城市化是如果要把这个城市的城市化水平提高会更容易,但效果可能更差。发生在深圳的城市化需要的机缘巧合,要做的工作更多,但效果可能会更好。我们能不能把中国的城市化只看成一个故事?
保罗·罗默教授还讲到中国各个地方政府之间的竞争。这个很重要,因为中国这么大不可能通过一个政策解决一个问题。他有一点是讲到为什么中国的城市化做得更好。因为有一个地方的政府官员在当地有很强的权威,还有激励机制,可能能力很强。我一边看着介绍,我一边想,他说的是仇和。就在两会之后刚刚因为腐败的问题被抓起来的中国的云南省官员。我想我们一方面需要地方政府的竞争。另外一方面,我们的地方政府之间的竞争又出现这么多的问题。
我想问保罗·罗默教授一个问题,如果我是年轻的地方政府官员,我想做事情,我又不想重蹈仇和的覆辙。在中国的城市化过程中,我该做什么?怎么做?
主持人:非常好。刚刚两位都提出了问题,保罗·罗默教授也肯定有自己的想法。我也一并问他,我们现在讲城市化的时候,既可以理解成大城市的城市化,也可以理解成城镇化。我刚刚注意到稻葵很精确地用城镇化这个概念,就是township。我想请保罗·罗默教授把整个框架给我们讲一讲。
保罗·罗默:哈佛规划委员会的这个问题很好,要牢记。一般来讲,比如政府保护公共空间,同时,也不过多干预私有空间。他们的决定有时候可能会超越前者,有些政府的决定是超越了界限,更加负责。我们要通过各种机制防止独断,同时也可以通过法律,比如起诉,或者是允许诉讼。风险就是会降低决策的效率。在其它国家,反对腐败的重要做法就是带来了一个后果,使政府不敢做决定,害怕做决定,比如修路或者不修路。一方面我们要提高效率,一方面也不能允许腐败。在美国,效率非常低。如果哈佛规划委员会的效率太低了,是不是可以对他们进行测试,看政府做得是不是对。如果居民都离开了,就说明政府做得不对。这也可以作为惩罚领导的手段。人们都不住在哪儿了。各个城市的竞争是很有效的做法。
另外就是透明。如果中央政府、省政府鼓励竞争,他们可以提供信息,让居民了解一个城市发展的情况。让他们做出好的决定,好比大学,学生可以选择在哪个大学接受教育。哪个城市好,居民就可以选择居住在那里,给他们提供可靠的信息,好比保安市场。城市之间要开展竞争,就必须告诉居民准确的信息,这个城市的情况怎么样。各个城市的透明度可以使领导做出好的决定,不会滥用权力。
关于城市化的类型,中国有一点做得很好,就是提供廉租房、廉价房、经济适用房,让新移民居住。关于城镇化,经常会有这样的廉租房、廉价房。也许小城镇没有大城市漂亮,但它确实给人们提供了就业的场所。城市化在其它地方没有做好,有些国家发展了城市,但没有很好的规划,成为了贫民窟。小城镇也是很好的做法。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21