陳永潔，鄧平穩(wěn)，于桂海

(貴州財經大學 大數據統(tǒng)計學院，貴州 貴陽 550025)

1 引言

近年來，貴州省經濟在國家的大力支持下得到了快速發(fā)展，截至2020年，貴州省地區(qū)生產總值連續(xù)10年位居全國前列。分析產業(yè)關聯關系，使產業(yè)關聯關系狀態(tài)達到最優(yōu)，將會很大程度上推動貴州省經濟社會的高質量發(fā)展[1，2]。因此，本文利用復雜網絡分析方法和指數隨機圖模型來研究分析貴州省產業(yè)關聯網絡。

2 貴州省產業(yè)關聯網絡

2.1 網絡構建

本文選取了2017年貴州省42個部門的投入產出(表1)[3]，將大數據產業(yè)作為一個單獨的產業(yè)來分析貴州省的產業(yè)關聯關系，但是目前的國民經濟統(tǒng)計中，還沒有將大數據產業(yè)來作為一個統(tǒng)計對象進行核算，因此本文結合大數據產業(yè)的內涵和外延來進行分析，把42個部門分為12個產業(yè)部門。

利用12個部門的直接消耗系數來構建0-1矩陣，通過此0-1矩陣構建產業(yè)關聯網絡圖并對其網絡結構特征進行探索分析[4]。對12個產業(yè)關聯關系進行網絡可視化，如圖1所示。

表1 12個部門與42個部門對應

圖1 12個產業(yè)部門可視化

2.2 網絡指標分析

(1)網絡密度。通過計算得到貴州省產業(yè)關聯網絡的網絡密度值為0.5833，說明了貴州省12 個產業(yè)之間聯系較為緊密。

(2)點度中心度、中介中心度。點度中心度反映了網絡中某一個節(jié)點與其他節(jié)點的關聯性，用來表示某節(jié)點在網絡中的重要作用，點度中心度的計算公式如下：

(1)

中介中心度反映的是網絡中某一節(jié)點在網絡中作為中心點作用的程度。絕對中心度計算公式如下：

(2)

式(2)中，njk代表j與k之間最短路線總數，njk(i)代表經過j與k兩點，且經過點i的最短路線總數[5]。計算結果見表2。

表2 中心性指標計算結果

由表2可知，交通運輸、倉儲和郵政業(yè)以及工業(yè)的出度排名第一，意味著這兩個產業(yè)更傾向于與其他產業(yè)產生關聯，是貴州省的重要支柱產業(yè)；而入度排名第一的是大數據產業(yè)、金融業(yè)、電子信息產業(yè)，這就說明了這3個產業(yè)的受關注程度很強，在未來貴州的經濟發(fā)展中會占有重要地位，但同時這3個產業(yè)也更容易受到其他產業(yè)的影響。

中介中心度排名前3的分別是交通運輸、倉儲和郵政業(yè)，金融業(yè)，工業(yè)；說明這3個產業(yè)是貴州省產業(yè)關聯網的重要樞紐。

4 指數隨機圖模型

雖然利用可視化和網絡指標分析對貴州省產業(yè)部門關聯網絡進行了分析，但是顯然該分析有一定的局限性，無法從中了解到貴州省產業(yè)部門關聯網絡形成的影響機制。關于網絡的形成影響機制，需要利用指數隨機圖模型(ERGM)來進行深入剖析。ERGM是目前在社會網絡分析研究方面的新興發(fā)展模型[6,7]。不同于傳統(tǒng)的計量模型，ERGM研究的是在網絡中一條關系出現的條件概率受給定網絡中其他關系時的影響[8,9]。利用ERGM來探索網絡結構和網絡形成過程是通過同時考慮多個網絡結構變量進行研究[10，11]。

4.1 內生結構效應

本文選取有向邊(Edges)、互惠性(Mutual)、擴張性(Ostar2)、聚斂性(Istar2)、傳遞閉合(Ttriple)5個變量，構建ERGM的基礎模型和高階模型。在基礎模型中，只考慮了有向邊和互惠性，從ERGM回歸結果1分析(表3)，有向邊的效應類似于線性回歸模型中的截距效應，對研究影響結果不大，可以忽略；互惠性參數不顯著，反映出了產業(yè)之間關聯關系的依賴性不高。在高階模型中，考慮了擴張性、聚斂性和傳遞閉合，從回歸結果可以看到擴張性顯著為正，聚斂性顯著為負，這說明了整個產業(yè)關聯網絡呈現出以多種指出為主導的關系形式。另外，傳遞閉合參數顯著為正，說明產業(yè)關聯網絡呈現出一般密集的狀態(tài)，比較傾向于以群體結構進行運作來形成網絡的自效應。產業(yè)網絡間不同的產業(yè)在投入和產出相互契合，因此會形成多個閉合性的密集區(qū)域，即貴州省產業(yè)關聯網絡有形成多個產業(yè)關聯集團的傾向[12,13]。

4.2 行動者-關系效應

在同配性(Homphily)方面，本文將各個產業(yè)的最終消費平均分為高、中、低3類來考慮相同消費水平的產業(yè)是否更容易發(fā)生關聯關系。從模型(3)得出，Homphily1(consumptionHigh),Homphily2(consumptionMid),Homphily3(consumptionLow)中，Homphily1顯著為正，說明最終消費水平高的產業(yè)部門有明顯的關聯傾向。在發(fā)出效應(Sender)和接收效應(Receiver)方面，Sender1(consumption High),Sender2(consumption Mid)和Receive2(consumption Mid)為顯著正相關，Receiver1(consumption High)沒有通過顯著性檢驗。這說明高、中消費水平的產業(yè)部門比低消費水平的產業(yè)部門更有對外關聯其他產業(yè)部門的傾向，與此同時中消費水平的產業(yè)部門更加吸引其他產業(yè)部門與其進行關聯。進一步說明了最終消費水平中等的產業(yè)部門既能更多的與其他產業(yè)部門關聯，又能吸引其他產業(yè)部門與其進行關聯，也就是最終消費水平中等的產業(yè)部門出度入度都很大，那這類產業(yè)部門在網絡中就極其重要(表3)[14]。

4.3 外生網絡效應

在屬性模型(3)的基礎上，本文考慮加入了就業(yè)潛力協變量網絡和共同產業(yè)集群協變量網絡來考察產業(yè)的就業(yè)潛力和是否同屬一個產業(yè)集群對各個產業(yè)互相之間的關聯影響[15]。根據模型回歸結果(4)、(5)來看，就業(yè)潛力網絡和共同產業(yè)集群網絡的參數顯著為正，體現了就業(yè)潛力網路和共同產業(yè)集群網絡分別對產業(yè)關聯網絡形成具有顯著影響。最后從總體來看，復合模型(6)綜合了內生結構效應、行動者-關系效應和所有協變量網絡效應，其回歸結果相較模型(3)、(4)、(5)的AIC、BIC值有明顯的上升，并且兩個外生網絡也不再顯著，總體擬合效果較差，不予參考(表4)。

表3 ERGM回歸結果1

表4 考慮協變量網絡ERGM回歸結果 1

5 結論

本文在對貴州省產業(yè)關聯網絡的網絡指標分析、產業(yè)關聯網絡形成的影響因素分析研究后，得出以下結論：

(1)交通運輸、倉儲和郵政業(yè)、工業(yè)以及金融業(yè)是目前貴州省經濟高速發(fā)展的驅動器；大數據產業(yè)和電子信息產業(yè)在未來貴州的經濟發(fā)展中會占有重要地位。整體來看，貴州省12 個產業(yè)之間聯系較為緊密。其中交通運輸、倉儲和郵政業(yè)、工業(yè)以及金融業(yè)對其他產業(yè)的影響力很強，是貴州省產業(yè)中的重要支柱產業(yè)，也是貴州省產業(yè)關聯網絡的重要樞紐；其他產業(yè)與電子信息產業(yè)、大數據產業(yè)連接比較容易，因此大數據產業(yè)、電子信息產業(yè)的受關注程度很強，對其他產業(yè)有很強的吸引力，其他產業(yè)會更傾向于與這兩個產業(yè)相融合。

(2)貴州省產業(yè)之間關聯關系依賴性不高，整個產業(yè)關聯網絡呈現出以多種指出為主導的關系形式，有形成多個產業(yè)關聯集團的傾向。產業(yè)的最終消費水平、就業(yè)潛力網路和共同產業(yè)集群網絡對產業(yè)關聯網絡的形成具有顯著影響。