文件大小：0.89M
摘要：研究目标:引入机器学习方法讨论大中小微企业规模划型标准问题。研究方法:基于国家统计局公开的第四次经济普查企业数据，采用Adasampling方法，结合基本描述统计方法判断企业规模划型问题。研究发现:多数行业规模划型采用单一指标可达到较好划分效果，缓解小微企业划分过于宽松的痼疾，简化分类识别难度；现行小微企业分类阈值较为合理，但中小企业间和大中企业间分类阈值有明显偏差；可细化当前的企业规模划型标准，基于行业大类特征进行企业规模划型；分类阈值可建立机器学习与经济普查相结合的定期动态调整机制。研究创新:引入Adasampling方法讨论企业规模划型指标选取和划分阈值标准。研究价值:从理论上论证我国企业规模划型标准的科学性和优化方向。
文章目录
引 言
一、当前企业划型标准与问题剖析
1.历史沿革
2.现行分类标准的要点
3.现行标准存在的问题以及解决思路
二、国际经验与相关研究综述
1.发达经济体的划型经验
2.相关研究概述及本文的研究思路
三、研究方法和数据说明
1.Adasampling方法
(1)在方法第1步中将无标签样本全部贴为负类标签具有重要意义。
(2)Adasampling方法假定正类样本完全准确。
2.数据处理
四、测算结果与选择
1.依分布结果选择划型指标
2.依据机器学习结果确定分类界限值
3.在取整基础上得到大类行业划型标准
4.通过行业合并简化划型标准
5.与现行标准对照并予以总结
五、结论与建议
1.现行标准有其合理性，但需要动态调整
2.小微企业划型需受重视，但开口方向调整仍需谨慎
3.大型企业端划型标准差异较大，仍需重视适时调整
4.部分行业可采用单一指标划型，“精简”划型标准
5.侧重制造业企业，细化分类标准
6.尝试采用机器学习方法结合普查周期
