QAP(社会网络分析方法)
中国70个大中城市人口迁移空间网络结构及影响因素分析
收稿日期:2023-03-22基金项目:广西高校中青年教师基础能力提升项目 基于交通网络运输的中越跨界旅游地合作机制研究 (项目编号:2021K Y 0755);广西民族师范学院2022年度校级科研资助项目 数字经济助推广西旅游高质量发展的耦合机制与政策研究 (项目编号:2022Y B 028);广西民族师范学院经济与管理学院跨境电商建设教师能力提升项目 数字经济赋能广西物流高质量发展的机制与路径研究 (项目编号:K J D S K Y Z D 202205)作者简介:罗瑶(1987 ),男,湖南衡阳人,广西民族师范学院讲师,硕士,研究方向:人口迁移和旅游流㊂通讯作者:易肖肖(1993 ),女,湖南攸县人,教师,硕士,就职于广西民族师范学院,研究方向:人口迁移与旅游合作㊂中国70个大中城市人口迁移空间网络结构及影响因素分析罗 瑶,易肖肖(广西民族师范学院,广西崇左 532200) 摘 要:人口迁移是中国快速发展过程中一个不容忽视的社会现象,也是地理学长期关注的焦点之一㊂文章构建迁移人口空间关联模型,运用社会网络分析(S N A )法,探究70个大中城市人口迁移网络的整体和个体网络结构特征,运用Q A P 分析方法探索影响人口迁移网络演化的主要因素,研究发现:①京津冀城市群㊁长三角城市群㊁珠三角城市群中的城市与其他大中城市人口迁移空间关联密切,其他大中城市人口迁移空间关联强度偏弱㊂②北京㊁天津㊁上海㊁杭州㊁南京㊁武汉㊁长沙㊁深圳㊁广州等城市处于70个大中城市人口迁移网络的中心位置,与其他城市的联系紧密,具有较强人口聚集能力;乌鲁木齐㊁西宁㊁大理㊁北海㊁韶关㊁牡丹江㊁锦州处于网络的边缘部分,影响力较弱㊂③在人口迁移的影响因素中,就业机会㊁城市规模㊁收入水平和基础设施等因素与城市人口迁移网络的演化存在正相关关系,且这些因素差异越大,对人口迁移促进作用就越大,消费水平和空间距离与城市人口迁移网络结构存在负相关关系;消费水平和空间距离的等级差异阻碍人口迁移,消费水平作用力大于空间距离㊂关键词:社会网络;人口迁移;Q A P ;引力模型 中图分类号:C 92 文献标识码:A 文章编号:1007 6921(2023)21 0022 081 问题的提出人口迁移是中国快速发展过程中一个不容忽视的社会现象,也是地理学长期关注的焦点之一㊂根据2015年全国1%人口抽样调查资料显示,70个大中城市的迁移人口数量为1713.72万人㊂城市经济发展依赖于人口的智力支撑和劳动力支撑㊂在城市间社会经济的推力和拉力的共同作用下,迁移群体综合考虑主客观因素做出迁移决策,导致大量群体城市间迁移,特别是大中城市间㊂国内外学者对人口迁移做了大量的研究,关于人口迁移的系统研究最早可追溯到英国学者R a v e n s t e i n [1]总结的人口迁移七项规则㊂国外学者较多关注是人口迁移的经济学和计量学模型(Z i pf ,1946;L e e ,1966;T o d a r o ,1969;G a r gi u l o ,2012)[2-5]㊁人口迁移机制(J e a n t y,2010)[6]和人口迁移模拟(S i m i n i ,2012;N o u l a s ,2012)[7-8]㊂从20世纪70年代开始,国内学者逐渐关注人口迁移研究,主要集中在省际人口迁移规律(盛广耀,2018;李毅等,2017;吕安民等,2002)[9-11]和影响机制上(朱传耿等,2001;王桂新等,2013)[12-13],近些年开始关注区域城市间的人口迁移,主要利用移动A p p 位置大数据[14-15]和人口普查数据[16-17],多使用空间自相关(E S D A )[18]㊁B P 神经网络[19]㊁社会网络[20-21]和空间统计[22]等方法,所采用的分析单元主要有区域㊁省级㊁地级市等,对于大中城市间的人口迁移研究少见㊂在人口迁移的影响因素上,国内学者多采用时间序列或截面数据做多元回归分析,探讨某些因素与人口迁移的联系,属于 属性 -属性 研究,㊃22㊃2023年11月内蒙古科技与经济N o v e m b e r 202321535I n n e r M o n g o l i a S c i e n c e T e c h n o l o g y &E c o n o m yN o .21T o t a l N o .535而城市间某些指标的差异矩阵与人口迁移空间网络矩阵的 关系 - 关系 研究较少有学者涉及㊂笔者运用 关系 - 关系 研究方法-社会网络分析,使用人口迁移差异指标对中国70个大中城市人口迁移考察,探索大中城市间人口迁移规律和空间网络结构及其影响因素,为城市的人才政策制定和人口有序流动提供理论借鉴㊂2研究方法与数据来源社会网络 指的是社会行动者(S o c i a l A c t o r)及其间的关系集合[23]㊂城市间迁移人口作为一类特殊的社会结构群体,其社会网络是由多个城市和其他城市之间的人口迁移连线组成的集合㊂笔者通过社会网络分析法能够将迁移人口中的城市关系㊁城市人口迁移网络与宏观社会经济社会网络结合起来,从而确定城市间迁移人口结构中的空间关联关系及其影响因素㊂2.1迁移人口空间关联模型查阅人口迁移空间关联相关文献,研究方法一般为V A R检验法或引力模型法,人口迁移引力模型使用截面数据考察若干个城市(区域)人口迁移的时空格局和演变关系,可使用A r c G I S或N e t d r a w 等软件实现可视化㊂因此,笔者采用引力模型法[20]对迁移人口空间关联网络结构的动态演变趋势进行分析,由于引力模型法的广泛性,为使其适应迁移人口研究,对其进行一定的优化,修正后的迁移人口引力模型为:y i j=k i j P i㊃G i㊃P j㊃G jd2i j;k i j=I i Ii+I j(1)其中,y i j表示城市i与城市j之间的迁移人口空间关联强度;P i和P j表示城市i和城市j年迁移人口;I i和I j表示城市i和城市j的工业生产总值;G i和G j表示城市i和城市j的国内生产总值G D P; k i j表示城市i对城市i和城市j间迁移人口空间关联的贡献率;用d i j表示城市i和城市j人民政府之间的球面距离㊂由式(1)可得出70个大中城市迁移人口的引力矩阵(A)㊂笔者选取关联强度50作为阈值,当矩阵(A)中某市的关联强度大于阈值时,则表示该行城市i与该列城市j的迁移人口具有空间关联关系,用1表示㊂相反某市的关联强度小于阈值时,则表示该行城市i与该列城市j的迁移人口不存在空间关联关系,用0表示,经过阈值计算的矩阵(A)变成了二值化的矩阵(B)㊂这里需要说明的是y i j和y j i分别表示城市i对城市j迁移人口空间关联强度和城市j对城市i迁移人口空间关联强度,不是同一个概念,因此,矩阵(B)为一个非对称的矩阵,城市间人口迁移关联强度是有向的㊂也可以通过U c i n e t软件进行二值化出来,得到矩阵(B)㊂2.2迁移人口空间网络特征人口迁移空间关联网络特征一般由整体网络特征㊁个体(节点)网络特征和空间聚类三大类组成㊂2.2.1整体网络特征㊂描述整体网络特征通常用的指标有网络密度和网络关联度㊂笔者认为70个城市人口迁移空间网络是有向网络,即城市i既要考虑人口迁出,又要考虑人口迁入㊂网络密度指人口迁移网络中就是 实际关系数 除以 理论上的最大关系数 ,表示网络中各个城市之间的人口流动紧密程度,取值范围为[0,1]空间关联网络对各城市迁移人口影响越大[23]㊂反之,对各城市域迁移人口影响不大㊂具体公式为:D=ðn i=1ðn j=1d(c i,c j)/n(n-1)(2)式中:n为城市网络规模即城市个数;若城市i 与城市j间有相关联系,则为d(c i,c j)为1,无任何联系则为d(c i,c j)为0㊂2.2.2个体网络特征㊂描述节点网络特征通常用点度中心度㊁中介中心度和接近中心度等指标[23]㊂点度中心度表示各城市处于迁移人口空间关联网络的中心位置程度,一般用连接数量作为点度中心度的衡量指标㊂连接数量越多则点度中心度越高,表示该城市与其他城市迁移人口空间关联联系越多,城市更加处于网络中心地位㊂中介中心度表示某城市在多大程度上控制其他城市间的空间关联关系,中介中心度越高则说明该城市控制其他城市空间关联关系的能力越强,该城市越能处于空间关联网络的中心㊂接近中心度与中介中心度相反,表示某城市在空间关联网络中不受其他城市控制的能力,接近中心度越高说明该城市更多地直接关联其他城市,属于空间关联网络中的中心行动者㊂点度中心度㊁中介中心度和接近中心度的计算公式分别为:C R D(i)=C A D(i)n-1(3)C-1R Pi=C-1A Pin-1=ðn j=1d i jn-1(4)C R Bi=2C A B i(n-1)(n-2)=2ðn jðn k b j k(i)(n-1)(n-2)㊃32㊃罗瑶,等㊃中国70个大中城市人口迁移空间网络结构及影响因素分析2023年第21期=2ðn jðn k g j k(i)/g j k(n-1)(n-2)(5)公式(3)中,C R D(i)为区域i的相对度数中心度, C A D(i)为点i的绝对度数中心度,n是指网络中与点i相连的其他点的最大个数㊂公式(4)中,C-1R P i, C-1A P i分别表示区域i的相对接近中心度和绝对接近中心度;d i j表示点i和j之间的捷径距离㊂公式(5)中,C R B i为点i的相对中间中心度;C A B i为点i的绝对中间中心度;b j k(i)表示点i能控制点j㊁k交往的能力;g j k表示点j㊁k之间存在的捷径数目;g j k(i)表示点j㊁k之间存在的经过点i的捷径数目;其中b j k(i)=g j k(i)/g j k㊂2.2.3空间聚类特征㊂在人口迁移网络结构研究中,把行动者分到各个派系(或者子群)之中,这是一种重要的研究方向㊂一般描述空间聚类采用块模型方法㊂块模型方法将一个复杂网络图分为一些特征㊁性质相似㊁相对独立的 块 ,用来考察每个 块 之间是否存在关系[23]㊂从网络结构维度出发,测算人口流动网络节点间的可达性,关联度表示网络连通程度,各个节点的网络密度均值即为整体网络的聚类系数㊂根据节点之间的关联度,得出关联引力矩阵,生成引力线㊂计算公式如下:C=1-V[n(n-1)]/2(6)式中:C为关联度;V为网络不可达的相应节点数量;n为网络规模㊂2.3 Q A P回归分析在研究城市人口迁移的影响因素,常见的方法有多元回归和Q A P回归分析㊂在常规的多元回归分析中,前提条件之一是要求多个自变量之间相互独立,否则会出现 共线性 [23]㊂在完全共线性和近似共线性的条件下,将得不到O L S(最小二乘法)估计量非有效㊂Q A P(Q u a d r a t i c A s s i g n m e n t P r o c e-d u r e,二次指派程序)是一种对两个方阵中各个格值的相似性进行比较的方法,即它对方阵的各个格值进行比较,给出两个矩阵之间的相关性系数㊂由于该方法可适用于观察值存在共线性㊁自相关等情况,因而比O L S更加适合于网络数据的分析㊂2.4数据来源与处理人口迁移数据来源主要由全国人口普查㊁全国1%人口抽样调查是研究和移动终端迁徙大数据(如百度迁徙大数据和腾讯位置大数据),而移动终端迁徙大数据利用实时流动人口位置数据来分析人口流动,而全国人口普查和全国1%人口抽样调查则可以用来分析人口迁移情况㊂笔者选择最新的‘2015年全国1%人口抽样调查“长表数据中在70个大中城市居住时间超过半年的迁移人口数据,各城市的国内生产总值G D P和工业生产总值由2016年‘中国县市统计年鉴“获得㊂城市间球面距离参考樊东卫等[24]三维直角坐标系计算方法,并结合中国70个大中城市行政中心的经纬度数据表计算得出㊂在分析70个大中城市人口迁移的影响因素时,笔者选取城市市辖区二㊁三产业就业人数(人)表示就业机会;城市建设用地面积(平方公里)表示城市整体规模;城镇职工平均工资(元)表示就业水平;二㊁三产业地区生产总值(万元)表示城市经济发展水平㊁固定资产投资(万元)表示城市基础设施建设;人均社会消费品零售总额(万元)表示城市消费水平;用城市间的球面距离表示城市间的空间距离㊂鉴于不同网络数据的量纲不同,先采用极差标准化对人口迁移的自变量差值网络矩阵数据(不包括对角线)进行预处理,再使用Q A P对人口迁移网络的影响机制进行相关回归分析㊂3中国70个大中城市人口迁移空间网络结构3.1人口迁移空间关联强度笔者选择纳入国家房地产价格指数编制的70个大中城市(70个大中城市分别是北京㊁天津㊁石家庄㊁太原㊁呼和浩特㊁沈阳㊁大连㊁长春㊁哈尔滨㊁上海㊁南京㊁杭州㊁宁波㊁合肥㊁福州㊁厦门㊁南昌㊁济南㊁青岛㊁郑州㊁武汉㊁长沙㊁广州㊁深圳㊁南宁㊁海口㊁重庆㊁成都㊁贵阳㊁昆明㊁西安㊁兰州㊁西宁㊁银川㊁乌鲁木齐㊁唐山㊁秦皇岛㊁包头㊁丹东㊁锦州㊁吉林㊁牡丹江㊁无锡㊁扬州㊁徐州㊁温州㊁金华㊁蚌埠㊁安庆㊁泉州㊁九江㊁赣州㊁烟台㊁济宁㊁洛阳㊁平顶山㊁宜昌㊁襄阳㊁岳阳㊁常德㊁惠州㊁湛江㊁韶关㊁桂林㊁北海㊁三亚㊁泸州㊁南充㊁遵义㊁大理)作为研究对象,70个样本城市房地产开发投资额占全国城市房地产投资开发总额的份额80%以上,其人口数量和经济总量都具有代表性㊂根据人口迁移空间关联模型(见公式1),计算70个大中城市人口迁移空间关联强度矩阵(70行ˑ70列),以70个大中城市与其他城市的人口迁移空间关联强度均值为纵坐标,城市为横坐标,制作成图1所示㊂从图1可以看出,关联强度均值的峰值出现在天津㊁上海和深圳,关联强度峰值集中在京津冀城㊃42㊃总第535期内蒙古科技与经济市群㊁长三角城市群㊁珠三角城市群,关联强度次峰值出现在海峡西岸城市群㊁长江中游城市群和渝中城市群,其他城市空间关联强度都比较小,整个人口迁移空间关联强度矩阵均值为257.02㊂可见,城市间人口迁移强度在空间地理呈现一定程度的集中,沿海地区城市群与其他城市关联性强,中部地区城市群人口迁移吸引力较强,整体关联系数呈现东部㊁中部和西部地区梯度减弱的形态㊂图1 大中城市人口迁移空间关联强度均值为消除关联强度大小的影响,笔者根据70个大中城市人口迁移空间关联强度矩阵(70行ˑ70列)运用变异系数法(C V )考察除本身以外69个城市人口迁移关联强度的集中程度[16]㊂结合均值综合来看,天津㊁上海㊁扬州㊁宁波㊁泉州㊁广州等城市变异系数小,均值大,说明这些城市对其他城市人口迁移引力强度大;包头㊁吉林㊁郑州㊁三亚㊁遵义和西宁等城市变异系数小,均值也小,说明这些城市对其他城市人口迁移引力弱;秦皇岛㊁沈阳㊁哈尔滨㊁徐州㊁安庆㊁南昌㊁郑州㊁桂林㊁兰州㊁乌鲁木齐等城市变异系数大,均值小,说明这些城市对其他城市人口迁移引力强度弱,但对部分城市吸引力强,如郑州与北京㊁石家庄㊁太原和呼和浩特的关联强度较强,秦皇岛与北京㊁大连的关联强度较强;南京㊁青岛㊁武汉㊁成都等城市变异系数大,均值大,说明这些城市对其他城市人口迁移引力强度普遍较强,但由于地缘等因素对少部分城市吸引力表现较弱㊂综上,70个样本城市在吸引人口迁移上作用和集中程度存在较大差异,这与户籍制度㊁人才需求和产业结构等因素有着较大的关联㊂3.2 整体网络特征首先以70个大中城市作为社会网络的节点,将经过二值化处理的人口迁移空间关联强度作为网络的边,然后将二值化的关系矩阵导入U c i n e t 6.0软件,以N e t D r a w 绘图工具生成中国70个大中城市人口迁移城市的可视化网络结构图,如图2所示㊂图2反映了70个城市相互关联㊁错综复杂的网络㊂从图中可以看出,京津冀城市群的北京和天津,长三角城市群的上海㊁杭州㊁南京,长江中游城市群的武汉㊁长沙,珠三角城市群的深圳㊁广州等城市处于网络中心位置,与其他城市的联系较为紧密,人口吸引力能力较强,能够对其他城市产生影响;西北地区的乌鲁木齐㊁西宁,西南地区的大理㊁北海,中部地区的韶关㊁九江㊁安庆和蚌埠,东北地区的牡丹江㊁锦州处于网络的边缘部分,它们对其他城市的影响力较弱㊂从经济发展水平上看,中心节点城市大多处于某个城市群中,且是人均G D P 较高的区域,如北京市㊁上海市㊁江苏省㊁广东省等;从空间格局来看,京津冀地区㊁长三角地区㊁珠三角地区和环洞庭湖地区是人口迁移的主要集中地,形成了以4个地区为顶点,以人口迁移空间关联强度为连线的 四边形 结构㊂图2 70个大中城市人口迁移空间结构从整体网络密度来看,70个大中城市人口迁移空间网络的理论连线为4830个(70ˑ69),实际连线为1387个(阈值为50),整个网络密度为0.287㊂将阈值调整为257.02(空间关联均值),整个网络密度为0.0971,实际连线为469个,说明整个网络中,绝大多数城市间人口迁移关联性不强,弱关联占主要地位㊂3.3 个体网络特征中心度㊂70个大中城市人口迁移空间网络的中心度是通过点入度和点出度进行衡量,表示节点城市接受其他城市影响的程度和主动影响其他城市的程度㊂笔者借助运用U c i n e t -D e g r e e 法㊁U c i n e t -C l o s e n e s s 法和U c i n e t -B e t w e e n n e s s 法计算后得出,70个大中城市网络点度中心度的点出度为31.15%,点入度为63.50%;接近中心度的点出度均值为33.77%,点入度均值为14.70%;网络中介中心度为9.88%㊂具体各城市在整体网络中的中心位置和状态情况表1中分别列出并给出排序结果,由表1可以得出如下结论:①在70个大中城市人口迁移网络的点出度排序中,太原㊁武汉㊁北京㊁呼和浩特㊁合肥㊁上海㊁南京㊁长沙等城市的点出度值排㊃52㊃罗瑶,等㊃中国70个大中城市人口迁移空间网络结构及影响因素分析2023年第21期在前10位,远高于其他城市,这反映出这些处于社会网络地核心地位,对其他城市产生外部性影响㊂从点入度可以看出,上海㊁北京㊁深圳㊁武汉㊁广州㊁天津㊁长沙㊁郑州㊁杭州排在前10位,人口迁移活动频繁,吸引其他城市大量的人口涌入,具有较强人口聚集能力㊂结合点度中心度来看,北京㊁上海㊁武汉㊁深圳㊁广州㊁天津㊁长沙㊁郑州㊁南京等城市处于人口迁移网络的核心位置,是大中城市的人口迁移的首选地㊂②根据70个大中城市人口迁移网络的接近中心度显示,上海㊁北京㊁深圳㊁武汉㊁广州㊁天津㊁郑州㊁长沙㊁杭州㊁南京等城市具有极高的外向接近中心度,说明这些城市和其他城市间的人口迁移联系相当紧密,人口迁移较少受到其他城市影响;丹东㊁牡丹江㊁乌鲁木齐㊁太原㊁三亚㊁呼和浩特㊁北京㊁武汉㊁合肥㊁上海内向接近中心度相对较高,说明在人口迁入过程中其他城市影响较低㊂除丹东㊁牡丹江㊁乌鲁木齐㊁三亚㊁大理等城市的接近中心度较小,其他城市的接近中心度均在20%~30%之间,整个网络的整体联结性较好㊂③从中介中心度来分析,丹东㊁锦州㊁牡丹江㊁平顶山㊁韶关㊁北海㊁三亚㊁大理㊁西宁㊁乌鲁木齐等10个城市中介度为0,说明这些城市处于70个大中城市人口迁移的边缘位置,人口迁移联系较弱㊂北京㊁广州㊁深圳㊁上海㊁武汉㊁成都㊁长沙㊁天津㊁西安㊁太原等10个城市中介中心度最高,表明这些城市在70个大中城市中处于核心圈层,与其他城市的人口迁移空间联系较为紧密㊂表1 70个大中城市人口迁移个体网络中心度城市点出度点入度点度中心度排序接近中心度排序中介中心度排序北京386171.74131.582510.041天津315360.87630.226167.468石家庄272638.412326.562421.2227唐山121318.124124.79363.2843秦皇岛14413.044923.66461.0351太原412144.931826.3126139.0510呼和浩特381236.232624.973555.1221包头14513.774723.96430.5754沈阳201827.543425.513371.2718大连282840.582226.772373.7316丹东604.35658.78660.0061锦州848.705923.49500.0062长春9913.045023.914516.7031吉林747.976320.61621.3350哈尔滨9610.875323.66479.0635牡丹江402.90678.66670.0063上海356371.01231.861272.044表1(续)城市点出度点入度点度中心度排序接近中心度排序中介中心度排序南京354457.25929.031082.9014无锡283847.831328.081519.0429扬州192632.612826.51252.0846徐州202230.433125.90304.5238杭州324656.521029.21961.0420金华312742.031926.912219.1628温州262134.062726.17283.6042宁波273645.651627.831616.5532合肥374055.801128.541280.7615蚌埠19517.394324.09400.0659安庆16716.674423.64480.0660福州232232.612926.22274.0740泉州223138.412427.172011.3933厦门231930.433225.63318.4736南昌292942.032027.092128.9425九江18919.573824.40370.7153赣州11612.325223.39520.3356青岛253946.381528.211445.3022济南323145.651727.181936.7823烟台203237.682527.201826.0226济宁231829.713325.63322.4344郑州324958.70829.648131.0111洛阳211425.363525.183410.2934平顶山12310.875422.71570.0064武汉395568.12330.644229.685宜昌191121.743624.27384.5239襄阳16918.124224.05411.9048长沙354960.87729.687171.677岳阳19718.843923.91441.7849常德17415.224523.45510.1458广州315461.59530.365301.512深圳305662.32430.653285.733韶关938.706023.13540.0065惠州242132.613025.952933.9224湛江758.706123.225389.7213南宁161018.844024.123965.2219桂林13513.045123.51490.5155北海435.076419.60630.0066海口1028.706219.58647.0037三亚302.17688.56690.0067重庆154241.302128.4113114.2812成都284452.171228.9111206.436泸州10410.145622.29592.3745南充10410.145722.75561.9247贵阳20820.293723.974217.6430遵义11310.145822.53580.9452昆明14614.494622.98553.8941大理000.00701.43700.0068西安333247.101427.5317160.519兰州14513.774822.136073.1417西宁514.356618.53650.0069银川12310.875521.02610.2057乌鲁木齐10.72698.59680.0070㊃62㊃总第535期内蒙古科技与经济3.4 凝聚子群分析根据70个大中城市网络人口迁移关系的结构,利用U c i n e t -C o n c o r 法进行聚类分析㊂70个大中城市网络凝聚子群是考察70个城市间人口迁移联系的紧密关系与旅游合作的协同步骤,并以此可确定凝聚子群间的亲疏关系(见图3)㊂通过凝聚子群图可以看出,可以将70个大中城市人口迁移联系网络大致分为以下五大类别:①京津冀城市群的北京㊁天津,山东半岛的济宁㊁青岛㊁济南,中原城市群的郑州㊁洛阳,长三角城市群的蚌埠㊁南京㊁徐州㊁合肥㊁扬州等相互产生人口迁移关联作用㊂②长三角城市群的上海㊁杭州㊁金华㊁宁波㊁温州㊁安庆㊁无锡;海峡西岸城市群的福州㊁泉州㊁厦门;长江中游城市群的武汉㊁九江㊁南昌㊁长沙;珠三角城市群的广州㊁深圳和渝中城市群的成都㊁重庆等城市组成的凝聚子群,人口迁移关联作用相互紧密㊂③辽中南城市群的哈尔滨㊁沈阳㊁丹东㊁长春㊁吉林㊁牡丹江与渤海湾的秦皇岛㊁唐山等8个城市组成的凝聚群,相互产生人口迁移关联作用㊂④西北地区的乌鲁木齐㊁兰州,西南地区的昆明㊁遵义㊁大理㊁宜昌㊁南充等7个城市组成的凝聚群,相互产生人口迁移关联作用㊂⑤环北部湾的湛江㊁北海㊁海口㊁三亚4个城市组成的凝聚群,相互产生人口迁移关联作用㊂图3 70个大中城市网络凝聚子群分析分析结果与城市地理分布相近,同一凝聚子群内的城市间经济联系具有很强的相似性㊂在区域人口迁移一体化过程中,不同区域组团以人才引进㊁求学㊁家属随迁等方式实现人口迁移,城市群人口迁移网络化表现为中心-枢纽-网络结构的多维嵌套模式㊂由于人口是城市发展的基础保障和重要资源,各城市间会出台相应政策引进人口和扩大招生指标,难以避免会形成多中心割据和地方保护主义㊂因此,各城市主体需要进一步加强人口有序流动,促进70个大中城市劳动力要素自由流动,逐步形成多中心㊁网络化协同发展的合理人口空间格局㊂4 70个大中城市人口迁移影响因素分析4.1 理论分析构建人口迁移网络是由城市节点和连接线组成的关系网络,影响人口流动的各种因素同样会对人口流动网络的形成与演化产生影响㊂在人口迁移网络中,不仅要考虑迁移强度的大小,而且要考虑城市间的相互作用,这不仅包括人口流动地区之间复杂的相互联系,也包括各种影响因素地区之间相互的差异关系[9]㊂不同于人口流动影响因素的 属性 研究,人口迁移网络更加侧重于 关系 研究,而这就需要采用社会网络分析方法分析城市间各种因素的相互关系来揭示影响人口迁移网络演化的主要因素㊂4.1.1 地区差异是人口迁移的基本条件㊂根据西方人口理论,迁入地与迁出地之间在经济社会发展水平等方面的差异,是引发人口迁移最基本的动力机制[6]㊂城市的经济发展水平决定了城市的经济体量,同时,也决定城市产业发展和结构,特别是工业和服务业㊂城市经济发展带来了巨大的就业机会和相对较高的工资收入水平㊂4.1.2 人居环境是影响人口迁移决策的重要因素㊂城市规模的大小决定了技术设施投入,而城市基础设施决定公共服务水平㊂不同于乡城迁移,城市间人口迁移追求更加便利的生活服务和充裕的公共服务供给㊂4.1.3 生活成本是阻碍城市人口迁移的重要因素㊂①商品房和租房价格直接会影响城市居民的固定生活成本;②城市间的消费水平差异也是影响人口迁移决策的因素㊂空间距离通过影响社会关系㊁生活习惯和出行成本等方面对城市间人口迁移起作用㊂综上所述,70个大中城市人口迁移网络的形成演化与城市间一系列具有差异关系的影响因素相联系,主要受就业机会㊁城市规模㊁收入水平㊁发展水平㊁基础设施㊁消费水平和空间距离的影响㊂4.2 模型设定与变量选择根据上述理论分析,构建以人口迁移网络关系矩阵为因变量,以影响城市间人口迁移因素的地区差值矩阵为自变量的 关系 -关系 的分析模型(指标变量如表2所示)㊂因变量是城市间人口迁移的净增量的关系矩阵构成㊂自变量中,就业机会用㊃72㊃罗瑶,等㊃中国70个大中城市人口迁移空间网络结构及影响因素分析2023年第21期。
QAP(社会网络分析方法)
(Quadratic Assignment Procedure)
QAP原理 关系与关系数据 关系与属性数据
QAP回归
QAP原理
具体地说,为了比较两个矩阵之间的相关性,首先把每个矩阵中的所有取值看成是一 个长向量,每个向量包含 n (n − 1) 个数字(对角线上的数字忽略不计)。然后像比较 任何两个变量之间的相关性那样计算这两个向量之间的相关性系数。
首先,计算已知的两个矩阵之间的相关系数。 其次,对其中的一个矩阵的行和相应的列同时进行随机的置换(而不是仅仅置 换行或者列,否则破环原始数据),然后计算置换后的矩阵与另一个矩阵之间的 相关系数 ① ,保存计算的结果;重复这种计算过程几百次甚至几千次,将得到 一个相关系数的分布,从中可以看到这种随机置换后计算出来的几百或几千个相 关系数大于或等于在第一步中计算出来的观察到的相关系数的比例。 最后,比较在第一步中计算出来的观察到的相关系数与根据随机重排计算出来 的相关系数的分布,看观察到的相关系数是落入拒绝域还是接受域,进而做出判 断。也就说,如果上述比例低于0.05,就在统计意义上表明所研究的两个矩阵之 间存在强关系,或者说二者之间出现在相关系数不太可能是随机带来的。
关系与属性数据
属性数据
关系数据
同
性
性
性
× = 别
别
别
矩
矩
关
阵
阵
系
矩
阵
关系与属性数据
QAP 回归的目的是研究多个矩阵和一个矩阵之间的回归关系, 并且对r 的平方的显著性进行评价。在具体计算的时候要经 过两步。首先,针对自变量矩阵和因变量矩阵的对应元素进 行标准的多元回归分析;其次,对因变量矩阵的各行和各列 进行(同时)随机置换,然后重新计算回归,保存所有的系 数值以及判定系数 r 2值。重复这种步骤几百次,以便估计统 计量的标准误(standard errors)。
[课件]QAP(社会网络分析方法)PPT
这个观察到的相关系数值在统计意义上是显著的吗
×
由于“关系”数据本身就是关于“联系”的数据,因而直接违背“共线性” 的原则
QAP原理
QAP(Quadratic Assignment Procedure,二次指派程序)是一种对两个方阵中各 个格值的相似性进行比较的方法,即它对方阵的各个格值进行比较,给出两个矩阵 之间的相关性系数,同时对系数进行非参数检验,它以对矩阵数据的置换为基础。
相关系数为正数0.8165
相关系数如研究性别与建议关系的关系,性别属于属性数据,而建议关系属于关系数据 常规检验方法,按照性别属性将建议关系进行分组,男男,女女,男 女,检验的基础是计算组内和组间的关系数量,并且与一种随机的模 型进行比较
关系与属性数据
数值以及判定系数 r 2值。重复这种步骤几百次,以便估计统
计量的标准误(standard errors)。
关系数据各个观察值之间不相互独立,用许多标准的统计程序例如OLS等就
不能进行参数估计和统计检验,因为观察项之间不独立,会计算出错误的标
准差。对于这个问题,学者们利用一种随机化检验(randomization test)方 法来检验,QAP 即属于此。QAP 是一种以重新抽样为基础的方法
QAP原理
首先,计算已知的两个矩阵之间的相关系数。 其次,对其中的一个矩阵的行和相应的列同时进行随机的置换(而不是仅仅置 换行或者列,否则破环原始数据),然后计算置换后的矩阵与另一个矩阵之间的 相关系数 ① ,保存计算的结果;重复这种计算过程几百次甚至几千次,将得到 一个相关系数的分布,从中可以看到这种随机置换后计算出来的几百或几千个相 关系数大于或等于在第一步中计算出来的观察到的相关系数的比例。 最后,比较在第一步中计算出来的观察到的相关系数与根据随机重排计算出来 的相关系数的分布,看观察到的相关系数是落入拒绝域还是接受域,进而做出判 断。也就说,如果上述比例低于0.05,就在统计意义上表明所研究的两个矩阵之 间存在强关系,或者说二者之间出现在相关系数不太可能是随机带来的。
QAP社会网络分析方法
这个观察到的相关系数值在统计意义上是显著的吗
×
由于“关系”数据本身就是关于“联系”的数据,因而直接违背“共线性” 的原则
QAP原理
QAP(Quadratic Assignment Procedure,二次指派程序)是一种对两个方阵中各 个格值的相似性进行比较的方法,即它对方阵的各个格值进行比较,给出两个矩阵 之间的相关性系数,同时对系数进行非参数检验,它以对矩阵数据的置换为基础。
建议关系的第一种转置图
相关系数为正数0.8165
建议关系的第二种转置图
相关系数为正数0.0
关系与关系数据
关系与属性数据
例如研究性别与建议关系的关系,性别属于属性数据,而建议关系属于关系数据 常规检验方法,按照性别属性将建议关系进行分组,男男,女女,男 女,检验的基础是计算组内和组间的关系数量,并且与一种随机的模 型进行比较
关系与属性数据
属性数据
关系数据
同
性
性
性
× = 别
别
别
矩
矩
关
阵
阵
系
矩
阵
关系与属性数据
QAP 回归的目的是研究多个矩阵和一个矩阵之间的回归关系, 并且对r 的平方的显著性进行评价。在具体计算的时候要经 过两步。首先,针对自变量矩阵和因变量矩阵的对应元素进 行标准的多元回归分析;其次,对因变量矩阵的各行和各列 进行(同时)随机置换,然后重新计算回归,保存所有的系 数值以及判定系数 r 2值。重复这种步骤几百次,以便估计统 计量的标准误(standard errors)。
QAP
(Quadratic Assignment Procedure)
QAP原理 关系与关系数据 关系与属性数据
石油贸易格局的网络结构分析
石油贸易格局的网络结构分析作者:卜晶晶王博君来源:《当代经济管理》2018年第03期摘要:演以丝绸之路经济带沿线带的核心区、扩展区、辐射区共25个国家为研究对象,根据其研究数据建立石油贸易网络并采用社会网络分析法进行综合分析,进一步采用QAP 模型提出影响石油贸易网络的重要因素。
研究结果表明:(1)丝绸之路经济带沿线国家石油贸易联系在2005~2014 年期间整体上保持不变,石油贸易量逐年增长,石油贸易网络结构呈非典型的无标度网络。
石油贸易出口为有序的星型结构,石油出口的控制权掌握在少数国家,而石油进口的网络结构较为无序。
(2)石油贸易网络的脆弱性增强,石油贸易网络存在较强的异质化程度,越来越少的核心国家承担石油贸易。
(3)沿线国家的人口差距、替代能源比重差距对石油贸易网络存在负面影响,对比而言,各国家之间的经济发展水平差距、陆地相邻程度对石油贸易网络的影响不大。
(4)石油贸易网络还受沿线国家的交流语种和物流绩效的影响,贸易联系更容易在不同语言的国家之间建立,难以在物流绩效水平差距较大的国家之间进行建立。
关键词:演丝绸之路经济带;石油贸易;社会网络;QAP模型[中图分类号] F416.22 [文献标识码] A [文章编号]1673-0461(2018)03-0063-08一、引言古丝绸之路作为亚欧国家文化交流和贸易物流大通道,其发展可以快速推动沿线区域国家经济的发展,对亚欧国家开展合作具有深远影响。
近年来,伴随着世界经济发展全球化和区域经济一体化,丝绸之路经济带沿线国家的经贸往来和经济合作不断加强,各国家之间的竞争也日趋激烈,古丝绸之路的没落使得全球经济增长乏力,中国经济发展也存在下行压力。
为了进一步加强与亚欧国家的密切合作,创造互利共赢的经济共同体,形成具有一定地缘优势的贸易主体,中国作为古丝绸之路的起点和主要国家,迫切需要重塑商贸物流大通道的辉煌进行丝绸之路经济带建设推进沿线区域国家的经济合作进程,这成为丝绸之路经济带的提出背景。
中国农业碳排放空间网络结构及区域协同减排
中国农业碳排放空间网络结构及区域协同减排作者:何艳秋陈柔朱思宇王芳来源:《江苏农业学报》2020年第05期摘要:研究农业碳排放省际关联网络结构可为建立区域协同减排机制,发挥减排连锁效应奠定基础。
突破传统基于地理邻接或地理距离考察区域农业碳排放关联的方法,利用社会网络分析,从空间网络视角考察农业碳排放关联的特点,明确各区域的网络功能,并通过建立非参数回归模型,从空间关联、经济关联、技术关联三纬角度解释农业碳排放关联的深层次原因。
发现中国农业碳排放关联网络稳定性高,区域溢出“等级森严”;中部地区为网络核心,西部地区重要性显著提升;八大板块以谄媚者、类经纪人、受益者、貢献者和孤立者角色传递农业碳排放;空间、经济、技术三纬关联是引起农业碳排放关联的主要因素。
最终提出通过缩短空间距离、增强经济联系、加强技术溢出扩大省际农业碳排放关联,根据各区域在农业碳排放空间关联网络中的差异化角色实施“引领-跟随”型减排策略,充分发挥中介者的“管道”作用,最终形成省际间的互动协作减排机制。
关键词:农业碳排放;空间关联网络;协同减排中图分类号:X16文献标识码:A文章编号:1000-4440(2020)05-1218-11Abstract:Study on the inter-provincial correlation and influencing factors of agricultural carbon emission can lay the foundation for establishing the regional collaborative emission reduction mechanism and exerting the chain-effect of emission reduction. Breaking through the traditional methods of examining regional agricultural carbon emission correlation based on geographicadjacency or geographic distance, social network analysis was used to investigate the characteristics of agricultural carbon emission correlation from the perspective of spatial network and clarify the network functions of each region. In addition, the reasons of agricultural carbon emission correlation were explained from the perspective of spatial correlation, economic correlation and technology linkage by nonparametric regression. Agricultural carbon-emission ossociation network had high stability, and regional spillovers were ranked. The central provinces and cities were the core of the network, and the importance of the western provinces and cities had increased significantly. The eight sectors delivered agricultural carbon emissions in the roles of flatterers, brokers,beneficiaries, contributors and solitary. The three-latitude correlation of space, economy and technology was the main factor that caused the carrelation of agricultural carbon emission. It was proposed to expand inter-provincial agricultural carbon emission correlation by shortening space distance, strengthening economic relation and strengthening technology spillover. The "lead-follow" emission reduction strategy was implemental according to the differentiated role of each region in the correlation network. Give full play to the intermediary's "conduit" role. Finally, an inter-provincial interactive and cooperative emission reduction mechanism will be formed.Key words:agricultural carbon emissions;spatial correlation network;collaborative emission reduction气候变暖是关系到各国政治、经济、社会、生态能否持续发展的关键问题,为此,联合国政府间气候变化专门委员会(IPCC)提出“2050年净碳排放缩减为0,升温幅度不超过1.5 ℃”[1]。
社会网络分析法专业教育
高等课堂
2、进行社会关系的统计分析。
1
2
…
n
1
A11
A12
…
A1n
2
A12
A22
…
A2n
…
…
…
…
…
m
Am1
Am2
…
Amn
A
A(1)
A(2)
…
A(n)
*
高等课堂
在上表中,表头1到n为这一群体成员的编号。当这一群体中编号为i的人认为编号为j的人最值得他尊重时,a(ij)取值为1。否则取值为0。比如,在这一群体中,编号为2的人认为编号为1的人最值得他尊重时,a(21)等于1。如果编号为1的人没提到编号为n的人,a(1n)为0。
*
高等课堂
不难看出,如果一个群体的K个负责人是由这个群体中最有威信的成员组成的话,那么,他们的得分之和:
*
高等课堂
在这种情况下,W=1,显然这个群体是最稳定的。在另一种极端的情况下,这个群体的所有负责人的威信指数在K名以下,他们的实际得分之和为0,因而,W为0,显然这个群体是不稳定的。这一事实表明,在这个群体中,还存在一个“在野党”,这个在野党在群众中还享有一定的威信,实际的负责人同在野党的核心人物的任何矛盾都会导致这个群体的不稳定。当然在实际生活中,这两种极端的情况都是比较少的,更多的是处于两者之间的中间状态。W值的大小表明了一个群体相对这两种状态偏移的程度,因此,W可以成为这一群体稳定性的标志。
*
高等课堂
图示法理论表明, 如果社群图中孤独者越少, 互相选择的对偶数越多, 串联关系越长, 串联线路越多, 同时串联重叠程度越高时, 则显示该群体有相当完整的结构和良好的沟通网络, 成员之间关系更为融洽。因此, 从社群图直观显示: 重庆男子篮球队的群体结构、人际特征优于女队。
社会网络分析方法(总结)
社会网络分析方法SNA分析软件●第一类为自由可视化SNA 软件,共有Agna 等9 种软件,位于图1 的右上角,这类软件可以自由下载使用,成本低,但一般这类软件的一个共同缺点是缺乏相应的如在线帮助等技术支持;●第二类为商业可视化SNA 软件,如InFlow 等3种,这类软件大都有良好的技术支持;(3)第三类为可视化SNA 软件,如KliqFinder 等4 种,这类软件一般都是商业软件,但他们都有可以通过下载试用版的软件,来使用其中的绝大部分功能●第四类为自由非可视化SNA 软件,如FATCAT 等7 种,这类软件的特点是免费使用,但对SNA的分析结果以数据表等形式输出,不具有可视化分析结果的功能;●第五类为商业非可视化SNA 软件,只有GRADAP 一种,该软件以图表分析为主,不具有可视化的功能。
在23 种SNA 软件中,有16 种SNA 软件,即近70%的SNA 软件,具有可视化功能。
SNA分析方法使用SNA 软件进行社会网络分析时,一般需要按准备数据、数据处理和数据分析三个步骤进行。
尽管因不同的SNA 软件的具体操作不同,但这三个步骤基本是一致的。
1.准备数据,建立关系矩阵准备数据是指将使用问卷或其他调查方法,或直接从网络教学支撑平台自带的后台数据库中所获得的用于研究的关系数据,经过整理后按照规定格式形成关系矩阵,以备数据处理时使用。
这个步骤也是SNA 分析的重要的基础性工作。
SNA 中共有三种关系矩阵:邻接矩(AdjacencyMatrix)、发生阵(Incidence Matrix)和隶属关系矩阵(Affiliation Matrix)。
邻接矩阵为正方阵,其行和列都代表完全相同的行动者,如果邻接矩阵的值为二值矩阵,则其中的“0”表示两个行动者之间没有关系,而“1”则表示两个行动者之间存在关系。
然而我们在分析e-Learning 的社会网络时,一般都采用非二值矩阵,即使用赋值矩阵,此时,矩阵中的数值表示为两个行动者之间的关系强度,且规定矩阵中的“行”为关系的发送者,而“列”为关系的接受者。
基于社会网络分析法的长江经济带网络开发研究
基于社会网络分析法的长江经济带 网络开发研究
马 建1 邱 语1 罗宏翔2 孟庆红3
摘要:本文构建了 2002-2016年长江经济带 37个地市 经济增长的 空 间 关 联 网 络,探 讨 空 间 关 联 特 征 及 其 影 响 因 素。主要结论有:(1)长江经济带关联度高、可达性好,但网 络密 度 较 低、溢 出 效 应 不 显 著,区 域 协 调 有 望 进 一 步 提 升。 (2)块模型分析表明:较强经济增长实力的城市组成的第二 板块是“净溢出板块”,是区域经济增长的动力源;对经济增 长起桥梁作用 的 城 市 组 成 了 “经 纪 人 板 块 ”;各 板 块 定 位 不 明、产业转移受阻是亟需解决的问题。(3)QAP非参数检验 出经济距离、财政收入差异、进出口差异以及第三产业产值 差异四个因素对空间关联网络有显著正相关关系。
从中国统计年 鉴、Wind等 终 端 数 据 库 获 取 了 长 江 经 济 带 37个城市 2002年 -2016年人均地区生产总值。首先进 行对数处理,对人均 GDP序列进行 ADF平稳性检验,结果显 示所有变量均是一阶单整 I(1),进行一阶差分后建立城市 间的 VAR模型,选用 LR、FPE、AIC、SC和 HQ信息准则判断 最优时滞,进行 Grangercausalitytests,在 10%显著性水平下 检验。通过检验确定的 37个城市之间显著存在的关联关系 有 270条,用 UCINET62软件绘制出长江经济带空间关联网 络图如图 1。
44
经济论坛
并不高,区域协调发展有待提升。 长江经济带的关联度为 09204,空间关联度极高,说明
长江经济带空间关联关系复杂,存在多条传递路径。网络效 率是 05714,存在较多冗余关系,侧面反映长江经济带空间 溢出存在较多重叠。网络等级度为 01564,表明各城市之间 并非等级森严,不同经济体量、不同行政级别均可能产生溢 出效应。
社会网络UCENET常用分析路径
常用分析路径1、将多值关系数据转换成二值关系数据,路径:变换→对分2、密度分析,路径:网络→凝聚力→密度→密度3、利用Net-Draw程序生成可视化结构图,路径:可视化→Net-Draw→Open→UcinetDataset→Network4、中心性的可视化分析,路径:Analysis→Centrality Measures5、节点中心度分析,路径:网络→中心度→度,而通过network>> centrality >> Degree ,然后在对话框里选择文件。
在“treaddata as symmetric”中选No,即可在结果里可以看到outdegree和indegree。
6、接近中心度分析,路径:网络→中心度→接近性7、中间中心度分析,路径:网络→中心度→Freeman中间度→节点中间度8、凝聚子群分析,路径:网络→角色&位置→结构→CONCOR9、同时计算出各个点的四种中心度指数,路径:网络→中心度→多重方式10、相关关系分析,路径:工具→检验假设→二进 (QAP)→QAP相互关系11、回归分析,路径:工具→检验假设→二进 (QAP)→QAP回归→双倍DekkerSemi-Partialling MRQAP(D) (Ctrl+R)点击后出现的对话框为如下,键入作为因变量的矩阵DIPLOMATIC_EXCHANGE,分别输入作为自变量的四个矩阵的名称CRUDE_MATERIALS、FOODS、MANUFACTURED_GOODS和MINERALS,点击 OK 后得到的结果。
12、属性变量与关系矩阵之间关系的 QAP 检验:⑴利用 UCINET 中的“自相关”(AUTOCORRELATION)分析法。
这需要根据 UCINET中的路径:工具→检验假设→混合二进/节点→绝对属性→Join count。
点击之后,出现如下对话框,键入(或选出)输入数据“advice”和分区向量 sex。
QAP(社会网络分析方法)
常用软件
Pajek
Pajek是一款开源的社会网络分析 软件,具有强大的数据处理和可 视化功能,支持大规模网络数据 的分析。
Ucinet
Ucinet是一款商业软件,提供了 丰富的社会网络分析工具和测量 指标,可以帮助研究者进行深入 的网络分析。
Gephi
Gephi是一款开源的图形可视化 软件,支持大规模网络的绘制和 可视化,同时提供了丰富的交互 功能和数据探索工具。
02 03
QAP软件的特点
QAP软件具有强大的数据处理能力,支持大规模网络数据的导入和分析, 同时提供了多种网络测量指标,方便研究者对网络结构、节点属性、关 系强度等方面进行深入分析。
QAP软件的应用领域
QAP软件广泛应用于社会学、心理学、经济学、政治学等领域,帮助研 究者探究人际关系、组织结构、信息传播等方面的问题。
06 QAP案例研究
案例一:社交网络中的影响力传播分析
总结词
通过分析社交网络中节点间的连接关系,研究影响力如何传播。
详细描述
在社会网络中,个体之间的连接关系可以反映信息、观点或行为的传播路径。QAP方法可以用于分析这种传播过 程,探究哪些节点具有较高的影响力,以及影响力如何随着时间的推移而扩散。
新技术的应用与融合
大数据处理技术
随着大数据技术的发展,社会网络分析方法可以借助大数据处理技术,提高数据处理和分 析的效率,更好地揭示大规模网络中的结构和模式。
机器学习与人工智能技术
机器学习与人工智能技术可以应用于社会网络分析中,如节点分类、社区发现等任务,提 高分析的准确性和效率。
多学科融合
社会网络分析方法可以与其他学科领域的方法进行融合,如心理学、地理学、经济学等, 以更全面地揭示社会现象的本质和机制。
[管理工具-决策方法]网络分析法(AnalyticNetworkProcess,ANP)
网络分析法(Analytic Network Process,ANP)什么是网络分析法网络分析法(ANP)是美国匹兹堡大学的T.L.Saaty教授于1996年提出的一种适应非独立的递阶层次结构的决策方法,它是在层次分析法(Analytic Hierarchy Process,简称AHP)的基础上发展而形成的一种新的实用决策方法。
AHP作为一种决策过程,它提供了一种表示决策因素测度的基本方法。
这种方法采用相对标度的形式,并充分利用了人的经验和判断力。
在递阶层次结构下,它根据所规定的相对标度—比例标度,依靠决策者的判断,对同一层次有关元素的相对重要性进行两两比较,并按层次从上到下合成方案对于决策目标的测度。
这种递阶层次结构虽然给处理系统问题带来了方便,同时也限制了它在复杂决策问题中的应用。
在许多实际问题中,各层次内部元素往往是依赖的C低层元素对高层元素亦有支配作用,即存在反馈。
此时系统的结构更类似于网络结构。
网络分析法正是适应这种需要,由AHP延伸发展得到的系统决策方法。
ANP首先将系统元素划分为两大部分:第一部分称为控制因素层,包括问题目标及决策准则。
所有的决策准则均被认为是彼此独立的,且只受目标元素支配。
控制因素中可以没有决策准则,但至少有一个目标。
控制层中每个准则的权重均可用AHP方法获得。
第二部分为网络层,它是由所有受控制层支配的元素组组成的C其内部是互相影响的网络结构,它是由所有受控制层支配的元素组成的,元素之间互相依存、互相支配,元素和层次间内部不独立,递阶层次结构中的每个准则支配的不是一个简单的内部独立的元素,而是一个互相依存,反馈的网络结构。
控制层和网络层组成为典型ANP层次结构,见下图。
网络分析法的特点AHP通过分析影响目标的一系列因素,比较其相对重要性,最后选出得分最高的方案即为最优方案。
Harker和Vargas曾经这样评价AHP:“AHP是一套复杂的评价系统,当我们进行多目标、多准则以及多评委的决策时,面对众多的可选方案,AHP能够用来解决各种量化和非量化、理性与非理性的决策问题。
中国区域资源开发的空间溢出及其影响因素——基于网络分析方法
中国区域资源开发的空间溢出及其影响因素——基于网络分析方法刘那日苏;王迪【摘要】采用VAR模型格兰杰因果检验和网络分析方法,识别了我国区域资源开发的空间溢出网络特征,并采用QAP回归方法实证考察了空间溢出的影响因素.研究显示:①我国区域资源开发具有多线程的空间溢出关联网络特征.②中西部省份在资源开发空间溢出网络中处于中心位置,中部省份在网络中发挥着重要的桥梁作用.③资源禀赋差异对资源开发空间溢出存在显著的负向影响,而地理临近效应对溢出网络的影响不显著.【期刊名称】《资源开发与市场》【年(卷),期】2018(034)008【总页数】5页(P1043-1047)【关键词】资源开发;空间溢出;网络结构;QAP回归【作者】刘那日苏;王迪【作者单位】内蒙古科技大学经济与管理学院,内蒙古包头014010;内蒙古科技大学经济与管理学院,内蒙古包头014010【正文语种】中文【中图分类】F124.5;F2051 引言我国“十三五”规划中明确提出全面节约和高效利用资源的战略部署。
贯彻落实好这一战略部署,必须科学把握我国的资源国情,加大资源利用管理创新力度,牢固树立节约集约循环利用的资源观。
同时,各省区间应形成上下联动、左右互动的资源利用格局,确保全面节约和高效利用资源取得成效。
我国资源总量大、人均少,分布不均衡,各省区资源储量和资源依赖度差异很大。
市场机制与政策调解是能源资源得以跨区域配置的重要手段,因此我们有理由相信,我国资源开发在区域间存在着空间溢出和交互作用。
从政府政策层面来看,我国高度重视国家资源安全,适时出台了资源开发与管理的相关法律法规,并实施“西气东输”、“西电东送”等能源工程,意在促进资源开发与利用的区域协调与关联。
从市场层面来看,随着我国社会主义市场经济体制向更深层次发展和市场化进程的不断加深,有利于地区间能源资源的自由流动,增强了相互间的资源联系。
因此,针对各地区在资源开发空间关联网络中的不同地位和作用,不断完善政策调控机制,通过创造更多空间溢出“通道”,加强地区间的关联程度,提升资源产业的区域协同性已经成为我国资源开发的“新常态”。
社会网络分析与UCINET 学习(一)
社会网络分析与UCINET 学习(一)在前面初步接触完叙述统计与推断统计的知识后,介于眼下的研究任务,所以计量学习暂时往后面推。
从去年就开始的台风”山竹“研究,由于今年上半年课程繁多与杂事纷扰,一直耽搁。
此外,这学期一门课的课程论文需要运用社会网络分析,参考徐志平&刘怡对中国社会学博士互聘网络的分析,做一篇国内公共管理学科博士互聘网络课程论文。
上述两个任务都需要我加快对于社会网络分析的学习。
上半年,读了几本关于SNA的书籍,但始终感觉不得要义。
纯粹方法论的内容看的越多,就越容易晕眩,反而不知道实地里怎么操作,于是转向矛头,决定从刘军老师的这本书入手。
浏览目录,发现了许多与推断统计有关的知识点,这是我萌生重新复习李沛良《社会研究的统计应用》的直接原因。
这一阶段主要是对UCINET的学习,但由于这一软件不可复现,因此必定不是定量研究的趋势。
由于R语言支持UCINET包,在下一阶段,将借助R语言,试试有没有复现的可能性《整体网分析》这本书的前两个章节主要是对“网络分析”范式和“整体网研究”的一个概要,先略过,直接进入软件操作层面。
在完成对软件操作界面的大概认识后,接下来的学习将会结合现有的案例来。
介于公众平台对markdown和latex不完全支持,因此文末“阅读全文”提供链接。
《整体网分析》一、文件操作菜单>二、数据操作菜单Data数据操作菜单Data①数据编辑器data editor②数据的导入与导出等命令数据操作菜单界面所谓星形图,是指一个点处于核心,其余点与核心库相连,其余点五相关的图表。
有时候为了研究需要,需要创建一个满足一定条件的随机数据。
•import EXCEL导入Excel数据或者数据语言类型(DL),将其转换为UCINET数据•import Text >导入文本文件*Export将UCINET数据导出为其他类型的数据•CSS 输入认知社会结构(Cognitive SocialStructure,CSS)类型的文件,其功能是把特定类型的数据转换为标准的网络数据。
中国地区间经济均衡增长路径研究
第35卷第9期Vol35No92020年9月Sep., 2020统计与信息论坛Statistics&Information Forum【统计应用研究】中国地区间经济均衡增长路径研究周玲,李宝瑜(山西财经大学统计学院,山西太原030006)摘要:实现区域协调发展是新时代赋予的重要使命。
本文基于2018年31个省份的数据,采用社会网络分析中的二次指派程序(QAP)法实证考察了各因素对中国及其东、中、西和东北部区域经济差距的影响,通过调整影响因素的规模和结构,模拟了地区间经济均衡增长路径,结果发现扩大地方财政支出差距,缩小区域间外商直接投资、产业结构、对外贸易和金融发展差距对区域经济协调发展产生积极的影响。
除此之外,同时降低所有影响因素在东部与西部的差距是实现地区间经济均衡发展的最优路径,同时缩减外商直接投资和对外贸易区域差异也能够达到比较好的效果。
关键词:经济均衡增长;QAP;地区差距中图分类号:C812文献标志码:A文章编号:1007—3116(2020)09—0034—08一、引言党的十九大报告指出:“中国经济已由高速增长阶段转向高质量发展阶段”,区域均衡发展是经济高质量发展的重要支撑。
改革开放40余年来,中国经济实现了长期快速增长!但内部各地区的不均衡状况却日趋加剧。
虽然从20世纪末21世纪初开始,中国先后实施了西部大开发战略、东北老工业基地振兴战略和中部崛起战略,但长期以来积累的差距在短期内难以消除,区域经济在空间上依然呈现东强西弱的格局,以省级行政区为单位的区域间也存在着严重的经济差距ra o如何缩小区域间经济差距,促进区域协调发展,已经成为中国全面建设小康社会,保持经济可持续健康发展的重大课题。
在此大背景下,研究影响中国区域间经济发展差距的因素,并通过路径模拟为实现区域统筹协调发展建言献策,对建立更加有效的区域协调发展机制,确定未来区域协调发展优化的方向具有重要意义。
目前,国内外关于区域经济差距的研究主要集中在测度与形成原因两个方面。
中国城市房价联动、等级传递与经济近邻效应
D01:10.13546/j.(*nki.tjyjc.2020.22.019经济实i i K中国城市房价联动、等级传递与经济近邻效应刘水任建宇2(1.中央财经大学管理科学与工程学院,北京100081 ;2.浙江工商大学经济学院,杭州310018)摘要:把握房价联动规律对于政府调控房地产市场具有重要意义。
文章基于国家统计局2011年1月至 2017年12月70个大中城市二手房价指数,聚焦于城市房价联动关系,应用社会网络分析方法中的三方谱分析、E-I指数以及QAP分析考察城市房价联动特征及影响因素。
研究发现:第一,整体上看大中城市之间房价联动 网络效应显著;第二,我国城市房价联动具有等级传递性,房价波动由高等级城市向低等级城市传递;第三,城 市等级越高房价波动辐射性越强,一线城市最强,二线城市其次,三线城市最弱;第四,我国城市房价联动存在经济近邻效应,相比地理距离,经济距离对城市房价联动解释性更强,城市间经济发展水平相近比地理距离相近更能使房价发生联动。
关键词:房价联动;等级传递;经济近邻效应;SNA中图分类号:F293.3 文献标识码:A文章编号:1002-6487(2020)22-0086-05〇引言各城市房价波动不仅取决于其自身因素,还取决于与 其他城市的联动关系,中国大中城市房价波动存在很强的 联动效应M l。
伴随着人流、物流、资金流、信息流的加快,各 个城市之间房价联动现象日益显著。
以往学者对城市之 间房价波动的联动研究主要聚焦于波纹效应。
英国学者 较早关注这一■现象,Giussani和 Hadjimatheou(1991 )|21利用 结构性模型分析了英国区域房价变化的波纹效应。
我国 学者王松涛等(2008 )131、张衔和林仁达(2015)141应用Johansen协整关系检验 、格兰杰因果关系检验等计量方法,研究 我国房价的波纹效应。
柯昇沛和黄静(2012)151研究认为我 国城市房价联动也存在明显的羊群效应。
QAP社会网络分析方法
关系与关系数据
A B CD E A -- 1 0 0 0 B 1 -- 1 0 0 C 0 1 -- 1 1 D 0 0 1 -- 1 E 0 0 1 1 --
ABCDE A -- 0 1 1 1 B 0 -- 0 1 1 C 1 0 -- 0 1 D 1 1 0 -- 0 E 1 1 1 0 --
QAP
(Quadratic Assignment Procedure)
QAP 原理 关系与关系数据 关系与属性数据
QAP 回归
QAP原理
具体地说,为了比较两个矩阵之间的相关性,首先把每个矩阵中的所有取值看成是一 个长向量,每个向量包含 n (n ? 1) 个数字(对角线上的数字忽略不计)。然后像比较 任何两个变量之间的相关性那样计算这两个向量之间的相关性系数。
关系与关系数据
建议关系的第一种转置图
相关系数为正数0.8165
建议关系的第二种转置图
相关系数为正数0.0
关系与关系数据
关系与属性数据
例如研究性别与建议关系的关系,性别属于属性数据,而建议关系属于关系数据 常规检验方法,按照性别属性将建议关系进行分组,男男,女女,男 女,检验的基础是计算组内和组间的关系数量,并且与一种随机的模 型进行比较
?首先,计算已知的两个矩阵之间的相关系数。 ?其次,对其中的一个矩阵的行和相应的列同时进行随机的置换(而不是仅仅置 换行或者列,否则破环原始数据),然后计算置换后的矩阵与另一个矩阵之间的 相关系数 ① ,保存计算的结果;重复这种计算过程几百次甚至几千次,将得到 一个相关系数的分布,从中可以看到这种随机置换后计算出来的几百或几千个相 关系数大于或等于在第一步中计算出来的观察到的相关系数的比例。 ?最后,比较在第一步中计算出来的观察到的相关系数与根据随机重排计算出来 的相关系数的分布,看观察到的相关系数是落入拒绝域还是接受域,进而做出判 断。也就说,如果上述比例低于0.05,就在统计意义上表明所研究的两个矩阵之 间存在强关系,或者说二者之间出现在相关系数不太可能是随机带来的。
QAP_测量_关系_之间关系的一种方法
社会2007 4So ci et y 第27卷QAP:测量 关系 之间关系的一种方法*刘 军刘 军 哈尔滨工程大学社会学系暨哈尔滨工程大学大学德育与青年心理研究中心教授 博士*本文受2005年度黑龙江省留学回国人员择优项目基金和黑龙江省人文社科重点研究基地 大学德育与青年心理研究中心 课题资助,特此致谢。
摘 要:常规统计方法要求变量之间独立,而关系数据恰恰违背这个假设。
如何测量关系之间的关系?QAP 是可用的一种方法。
本文介绍了QAP 的原理,并通过UCINET 用实际例子展示QAP 相关和QAP 回归的应用。
QAP 不但可以测量两种关系数据之间的回归,还可以测量相关,测量 属性数据 和 关系数据 之间的关系,该方法因而独具特色。
关键词:QAP 关系数据 社会网络分析在常规的统计分析如多元回归分析中,前提条件之一是要求自变量之间相互独立,否则会出现 共线性 ,它会引起一些问题。
例如,在完全共线性的条件下,将得不到参数的估计量;在近似共线性情况下OLS 估计量非有效。
多重共线性使参数估计值的方差和标准差增大,变量的显著性检验失去意义;模型的预测功能失效。
在研究 亲属关系 是否提供借款,即 亲属关系 和 资金关系 之间是否有关系的时候,假设通过常规统计分析发现二者之间确实有关。
实际上,此时的相关是虚假的,一方面可能因为村民之间在地理位置上的相近;另一方面,这种研究本身就具有重大缺陷: 亲属关系 和 资金关系 本身就有相关性。
如何检验这种虚假相关?对于这个问题,学者们利用一种随机化检验(r ando mizatio n test)方法来检验,QA P 即属于此。
QAP 是一种以重新抽样为基础的方法,已经在社会网络研究中得到了广泛的应用,其研究对象都是 关系 数据。
一、QAP 的含义社会关系是社会学研究的核心内容之一。
如何研究 关系 ?视角多种多样。
从量化角度讲,由于 关系 数据本身就是关于 联系 的数据,因而直接违背避免 共线性 的原则。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
关系与属性数据
属性数据
关系数据
同
性
性
性
× = 别
别
别
矩
矩
关
阵பைடு நூலகம்
阵
系
矩
阵
关系与属性数据
QAP 回归的目的是研究多个矩阵和一个矩阵之间的回归关系, 并且对r 的平方的显著性进行评价。在具体计算的时候要经 过两步。首先,针对自变量矩阵和因变量矩阵的对应元素进 行标准的多元回归分析;其次,对因变量矩阵的各行和各列 进行(同时)随机置换,然后重新计算回归,保存所有的系 数值以及判定系数 r 2值。重复这种步骤几百次,以便估计统 计量的标准误(standard errors)。
短数据
长数据
计算相关系数
这个观察到的相关系数值在统计意义上是显著的吗
×
由于“关系”数据本身就是关于“联系”的数据,因而直接违背“共线性” 的原则
QAP原理
QAP(Quadratic Assignment Procedure,二次指派程序)是一种对两个方阵中各个格 值的相似性进行比较的方法,即它对方阵的各个格值进行比较,给出两个矩阵之间 的相关性系数,同时对系数进行非参数检验,它以对矩阵数据的置换为基础。
建议关系的第一种转置图
相关系数为正数0.8165
建议关系的第二种转置图
相关系数为正数0.0
关系与关系数据
关系与属性数据
例如研究性别与建议关系的关系,性别属于属性数据,而建议关系属于关系数据 常规检验方法,按照性别属性将建议关系进行分组,男男,女女,男 女,检验的基础是计算组内和组间的关系数量,并且与一种随机的模 型进行比较
关系与关系数据
ABCD E A -- 1 0 0 0 B 1 -- 1 0 0 C 0 1 -- 1 1 D 0 0 1 -- 1 E 0 0 1 1 --
ABCDE A -- 0 1 1 1 B 0 -- 0 1 1 C 1 0 -- 0 1 D 1 1 0 -- 0 E 1 1 1 0 --
关系与关系数据
关系数据各个观察值之间不相互独立,用许多标准的统计程序例如OLS等就 不能进行参数估计和统计检验,因为观察项之间不独立,会计算出错误的标 准差。对于这个问题,学者们利用一种随机化检验(randomization test)方 法来检验,QAP 即属于此。QAP 是一种以重新抽样为基础的方法
QAP原理
QAP
(Quadratic Assignment Procedure)
QAP原理 关系与关系数据 关系与属性数据
QAP回归
QAP原理
具体地说,为了比较两个矩阵之间的相关性,首先把每个矩阵中的所有取值看成是一 个长向量,每个向量包含 n (n − 1) 个数字(对角线上的数字忽略不计)。然后像比较 任何两个变量之间的相关性那样计算这两个向量之间的相关性系数。
➢首先,计算已知的两个矩阵之间的相关系数。 ➢其次,对其中的一个矩阵的行和相应的列同时进行随机的置换(而不是仅仅置 换行或者列,否则破环原始数据),然后计算置换后的矩阵与另一个矩阵之间的 相关系数 ① ,保存计算的结果;重复这种计算过程几百次甚至几千次,将得到 一个相关系数的分布,从中可以看到这种随机置换后计算出来的几百或几千个相 关系数大于或等于在第一步中计算出来的观察到的相关系数的比例。 ➢最后,比较在第一步中计算出来的观察到的相关系数与根据随机重排计算出来 的相关系数的分布,看观察到的相关系数是落入拒绝域还是接受域,进而做出判 断。也就说,如果上述比例低于0.05,就在统计意义上表明所研究的两个矩阵之 间存在强关系,或者说二者之间出现在相关系数不太可能是随机带来的。