首页--经济论文--财政、金融论文--财政、国家财政论文--中国财政论文--财政收入、支出论文--财政支出论文

政府生态转移支付绩效评价方法与应用研究

摘要第1-7页
Abstract第7-9页
第1章 绪论第9-21页
   ·研究背景及意义第9-11页
     ·研究背景第9-10页
     ·研究目的和意义第10-11页
   ·国内外研究现状综述第11-17页
     ·关于政府生态转移支付的研究第11-13页
     ·关于绩效评价方法的研究第13-14页
     ·关于绩效审计报告及决策支持系统的研究第14-16页
     ·国内外研究现状述评第16-17页
   ·研究思路第17-19页
     ·研究内容及方法第17-19页
     ·技术路线第19页
   ·研究创新点第19-21页
第2章 政府生态转移支付绩效评价的基本理论第21-27页
   ·政府生态转移支付的理论基础第21-24页
     ·生态足迹理论第21-22页
     ·财政理论第22页
     ·生态补偿概念第22-23页
     ·生态转移支付概述第23-24页
   ·绩效评价的概念和方法第24-25页
     ·绩效评价的概念第24页
     ·绩效评价方法比较分析第24-25页
   ·政府生态转移支付绩效评价的主客体和内容第25-27页
     ·绩效审计评价的主体第25-26页
     ·绩效审计评价的客体第26页
     ·绩效审计评价的内容第26-27页
第3章 基于因子分析的政府生态转移支付绩效评价第27-37页
   ·因子分析理论第27-28页
   ·因子分析模型第28-29页
   ·指标选取和数据采集第29-30页
     ·指标的选取第29页
     ·数据来源分析第29-30页
   ·实证过程分析第30-33页
     ·数据标准化处理第30页
     ·提取主因子第30-31页
     ·因子旋转第31-32页
     ·因子得分及排名第32-33页
   ·实证结果分析第33-36页
     ·主因子排名分析第33-34页
     ·综合排名分析第34-35页
     ·对相关政府部门的几点建议第35-36页
   ·本章小结第36-37页
第4章 基于 BP 神经网络的政府生态转移支付绩效评价第37-50页
   ·BP 神经网络基本理论第37-39页
     ·人工神经网络第37-38页
     ·BP 神经网络第38页
     ·BP 神经网络评价方法的优势第38-39页
   ·BP 神经网络模型建立第39-42页
     ·BP 神经网络的结构第39-40页
     ·神经网络训练方法及步骤第40-41页
     ·神经网络训练函数及参数第41-42页
   ·指标与数据选取第42-43页
     ·指标选取第42页
     ·数据来源第42-43页
   ·实证过程分析第43-47页
     ·数据预处理第43-44页
     ·BP 网络的训练第44-47页
     ·BP 网络仿真结果第47页
   ·实证结果分析第47-49页
     ·等级排序分析第47-48页
     ·两种评价模型的对比分析第48页
     ·审计评价建议第48-49页
   ·本章小结第49-50页
第5章 政府生态转移支付绩效审计报告模式第50-57页
   ·绩效审计报告的特点及作用第50-51页
     ·生态绩效审计报告的特点第50页
     ·生态绩效审计报告的作用第50-51页
   ·绩效审计报告的基本要素及框架比较第51-53页
     ·美国绩效审计报告基本要素及框架第51-52页
     ·德国绩效审计报告基本要素及框架第52页
     ·英国绩效审计报告基本特征第52-53页
   ·我国生态绩效审计报告的框架设想及建议第53-54页
     ·政府生态转移支付绩效审计报告框架第53-54页
     ·相关建议第54页
   ·创新审计模式构想第54-56页
     ·整合审计资源第54-55页
     ·国家审计机关和环保部门联合审计第55-56页
     ·国家审计和社会审计力量的联合第56页
   ·本章小结第56-57页
第6章 政府生态转移支付绩效评价决策支持系统设计第57-65页
   ·系统概述与目标第57-58页
     ·决策支持系统概述第57-58页
     ·决策支持系统的目标第58页
     ·生态绩效评价决策支持系统的目标第58页
   ·绩效评价决策支持系统的基本特征第58-59页
     ·操作性特征第58-59页
     ·功能性特征第59页
   ·绩效评价决策支持系统的设计第59-64页
     ·系统设计的原则第59-60页
     ·系统的基本结构第60-62页
     ·系统的功能模块设计第62-63页
     ·系统实现流程设计第63-64页
   ·本章小结第64-65页
第7章 总结与展望第65-67页
   ·主要工作成果第65页
   ·后续工作的思考与展望第65-67页
参考文献第67-71页
攻读硕士学位期间发表的学术论文与参与的科研项目第71-72页
致谢第72页

论文共72页,点击 下载论文
上一篇:基于选择性集成学习的支持向量机分类研究
下一篇:基于样例及属性特征分析的多标记分类算法研究