中国城镇居民信息消费的空间关联网络特征研究

丰帆 沐年国

摘要：本文以中国31个省份2002-2016年间城镇居民信息消费年数据为样本，通过引入改进后的引力模型和社会网络分析方法（SNA），深入研究中国城镇居民信息消费的空间关联网络特征。研究表明：中国城镇居民信息消费的空间关联整体上呈现出网络结构形态且关联程度逐年增强，在个体网络特征中各省份的网络结构中心度不一致，体现出非均衡的特点。在块模型分析中，省城镇居民信息消费可划分为净受益、经纪人、双向溢出和净溢出四个板块，各板块成员数量差异较大，传递机制明显，体现区位特征。

关键词：城镇居民信息消费；空间关联网络；社会网络分析法

引言

2017年8月，国务院发布了《国务院关于进一步扩大和升级信息消费持续释放内需潜力的指导意见》，指出进一步扩大升级信息消费，是推动供给侧结构性改革和促进经济增长的有效途径。随着我国物联网、大数据、人工智能等信息技术创新的不断发展，信息消费已具备良好的产业基础，成为我国推动内需、促进就业以及消费升级的重要动力。与此同时，由于我国各省城镇的经济发展水平、居民消费数量、信息化水平等多种因素的交互作用，强化了各省城镇居民信息消费空间相关性的特征，从而使得居民信息消费空间关联结构越来越复杂。因此，全面解构中国城镇居民信息消费的空间关联网络结构特征，有助于揭示各地区居民信息消费的空间关联程度，更好认识各地区在网络中的地位和角色，从而来推动消费升级，实现供给侧改革下区域消费经济的协调发展。

1、文献综述

随着信息消费的不断壮大，越来越多的学者对信息消费进行了研究。国外文献主要体现在三个方向：一是关注信息消费的特征及现状；如Taylor和Arthur得出信息之间存在着相互关联的差异性，且这种关联存在于信息的消费和使用中[1]。二是对信息消费的影响因素进行研究；如Anne Hoag在研究信息消费者的行为时得到信息消费者获得的信息产品效用受到成本、情感和环境等多种因素的影响[2]。三是研究了信息消费对经济发展的影响。如Erumban等人通过研究发现贸易的扩展和经济重组的全球化可以导致资本流动的加快[3]。目前国内的研究现状可以发现：多数学者如陈丽梅、李婵娟等人通过Dagum系数、泰尔指数等指标来研究居民信息消费的空间差异[4-5]，还有一些学者如张肃、王子敏等人发现城镇居民信息消费存在空间相关性和空间溢出效应[6-7]。但是信息消费对空间方面的研究大部分还是以“属性数据”为主而非“关系数据”。由于我国当前正在实施区域发展战略，信息消费的空间关联关系已经突破了传统的线性模式，呈现出复杂的网络结构特点。现有研究多把空间关联性当作地理上的邻接关系，难以有效的解释城镇信息消费的整体结构特征和空间关联性。

本文从复杂网络和关系数据的视角，通过改进的引力模型构建中国城镇居民信息消费的空间关联关系，并绘制出城镇居民信息消费的空间关联网络图，继而通过社会网络分析法来揭示中国城镇居民信息消费的空间关联网络结构特征，更好的认识各省城镇信息消费在网络中的地位和角色，进而为供给侧改革下促进消费升级和区域消费经济协调发展的政策制定提供科学性的参考。

2、模型构建及方法

2.1 模型构建

省际城镇居民信息消费关联关系的集合形成关联网络，各省城镇为网络节点，各省城镇居民信息消费的空间关联关系为网络的线。对于关系的确定，学者们往往选用VAR格兰杰因果检验法或是引力模型方法。但由于VAR格兰杰因果检验构建的网络不能对空间关系网络的演变趋势进行刻画，因此，本文选用引力模型来构建城镇居民信息消费的空间关联关系来弥补这方面的不足。为了增加适用性，需要对引力模型进行改进，改进后的引力模型如下：

式中，i、j代表不同省份；yij表示省域城镇居民信息消费之间的引力；Pi、Pj为省域城镇年末总人口数；Ei、Ej为省域城镇居民信息消费；Ti、Tj为省域城镇居民总收入；Kij表示省份i对身省份j城镇间的联系强度；dij表示省会城市间的距离；ti-tj指代城镇人均居民信息消费的差值；Dij表示省域间的“距离”。由式（1）得到Y=（yij）31*31，构成省域间的引力矩阵，对Y的各行取平均值，若同一行的引力大于平均值，则记为1，表明该行省域城镇居民信息消费对该列省域城镇居民信息消费存在关联关系；若引力小于平均值，则记为0，表明该行省域城镇居民信息消费对该列省域城镇居民信息消费不存在关联关系。

2.2 社会网络分析法

社会网络分析法（SNA）是作为一种研究“关系数据”的分析方法，能够克服传统空间计量方法上“相近”或者“相邻”的局限，它可以通过网络关联度、网络密度、网络等级度和网络效率四个指标对整体网络特征进行刻画，从而反映出网络结构关

系强弱程度和稳健性程度。同时可以通过中心性分析中的点度中心度、接近中心度和中介中心度三個指标来刻画个体在网络中的作用和地位。对于网络结构中各位置模块在空间网络中的连接关系，可以根据块模型分析出空间网络的四个位置角色，从而更直观更有效的识别出各省域在网络中的角色和作用。

3、实证与结果

3.1 数据来源

本文选取我国大陆31个省份城镇居民2002-2016年的样本数据作为研究对象。所有数据均来自历年中国统计年鉴、中国信息年鉴和各省（市、区）的统计年鉴。

3.2 空间关联网络刻画

根据前述构建的引力模型计算得出省际引力关系矩阵。为了展示城镇居民信息消费空间关联网络结构形态，本文运用UCINET软件并选取2002年、2005年、2010年和2016年4个关键的时间节点，绘制出中国城镇居民信息消费的空间关联网络图（如图1所示）。从图中可以看出中国城镇居民信息消费的空间关联存在明显的网络结构形态。此外，结合2002-2016年中国城镇居民信息消费的空间关联网络结构指标图（如图2所示），揭示中国城镇居民信息消费的空间关联网络结构及其演化特征。

3.2.1 网络关系数和网络密度分析

从图2可以看出在2002-2016 年期间中国城镇居民信息消费空间关联网络的网络关系数和网络密度均呈缓慢增长趋势。网络关系数由2002年的173个增至2016年的215个，网络密度从0.372升至0.4623，说明中国城镇居民信息消费的空间关联程度在逐年的增强，呈现协同发展的趋势。表明随着信息技术的不断发展，信息消费规模的不断扩大，省城镇居民信息消费的互动频率也在不断提升，从而空间关联网络的关系数不断增多，网络密度也随之增大。此外，由于2002-2016年期间网络关系数最大值为215个，与最大可能网络关系数（930个）差距偏大，这说明虽然中国城镇居民信息消费的空间关联不断优化，但尚未达到最佳状态，进一步推进居民信息消费的协同发展还有很大的提升空间。

3.2.2 网络关联度、网络等级度和网络效率分析

从图2中可以发现2002-2016年中国城镇居民信息消费空间关联网络的网络关联度值始终为1，表明中国城镇居民信息消费空间关联性显著，省际间均存在直接或间接的关联关系。网络等级度值从2002年的0.256降至2016年的0.224，即网络等级度整体呈下降趋势，充分证明了随着时间的不断推移，空间网络结构的关联性在逐渐增强，显示协同发展的趋势。而网络效率值也由2002年的0.83下降到2016年的0.78。说明信息消费的多重叠加现象越来越明显，省城镇信息消费越来越强化。这些指标都在表明中国城镇居民信息消费空间关联网络的稳定性在增强，并且有显著的空间溢出效应。

3.3 中心性分析

为了使研究结果更接近实际，更好的揭示各省城镇在居民信息消费空间关联网络中的作用，本文以距离目前时间最近、关联关系数最多的2016年为代表进行中心性分析。

中国31个省城镇居民信息消费的点入度、点出度和点度中心度的均值分别为5.3、5.3和28.2，各项指标都超出平均值的省份有北京、上海、浙江、广东 ，说明这几个省份对整体城镇居民信息消费空间关联及空间溢出效应有更强的影响力。其中上海的点度中心度高达93.3，说明其在城镇居民信息消费空间网络中占主导地位。其中受益关系数明显大于溢出关系数的省份有北京、上海、江苏、浙江，这些省份大都位于长三角和环渤海的经济发达地区，信息基础设施完善、信息技术比较先进，信息消费对其他省市来说有更大的吸引力。

接近中心度的平均值为34.85，排名在前的省份有北京、上海、浙江、江苏，说明这些省份城镇居民信息消费的扩大可以更有效地推动其他省份城镇居民信息消费的发展，即在空间网络中扮演中心行动者的角色，能够更迅速的与其他省份产生联系。这些省份经济发展水平高，信息技术发达，对其他省份城镇居民信息消费有着重要的影响力。

全国各省市的中介中心度之和67.8，平均值为2.2，其中北京、浙江、上海、广东、江西等6个省份的中介中心度高于全国平均值，说明这些省份有较强的能力来控制其他省份城镇居民信息消费的增减。北京的中介中心度远远高于其他省份，说明北京起到了最重要的“桥梁”和“中介”的作用。此外，排名最后有9个省份的中介中心度均为0，这些省份地理位置比较偏远，信息基础设施相对落后，因此难以控制和支配其他省份。

3.4 块模型分析

本文运用UCINET中的CONCOR模块，对中国城镇居民信息消费空间关联网络进行块模型分析，将全国31个省份城镇居民信息消费空间关联网络分割为四个板块，如表1所示。

表1 中国城镇居民信息消费空间关联板块的溢出效应

中国城镇居民信息消费存在215个关聯关系，四个板块内部之间的关系数为24个，板块与板块之间的关系数为141个，说明板块之间的城镇居民信息消费存在着明显的空间关联特征。其中，第一板块发出的总关系数为7个（板块内2个，板块外5个），接受其他板块溢出关系有33个，其接受关系数要明显高于发出关系数，且期望内部关系比例远小于实际值，属于“净受益”板块。第二板块发出关系数为32个（板块内7个，板块外25个）接受其它板块发出的关系数为78个，期望内部关系比例为12.9%，实际内部关系比例为21.9%，因此，第二该板块在空间关联网络中起到“中介”作用为“经纪人板块”。

第三板块发出关系数为18个（板块内4个，板块外14个），接受其它板块关系数为7个，期望内部关系比例为12.9%，实际内部关系比例为22.2%，该板块既对外发出关系也接受关系，因此为“双向溢出板块”。第四板块的发出关系数为108个（板块内11个，板块外97个），接受其它板块溢出关系数24个，期望和实际内部关系比例分别为67.7%和10.1% ，该板块向其它板块发出关系数较多，但接受其它板块溢出关系较少，有明显的净溢出效应，因此该板块是“净溢出板块”。由表1各板块的关联数可以进一步计算网络密度矩阵如表2所示。

2016年中国城镇居民信息消费的总密度为0.4623，将表2中各板块密度值大于0.4623，赋值为1，小于0.4623赋值为0，从而形成板块的像矩阵，可以更清楚来反映板块间的溢出效应。从表2可知，这四个板块都会接受其他板块的溢出效应。第一板块城镇居民信息消费的溢出效应主要在其内部和第三板块，而第二板块的溢出效应主要体现在其内部，对其他三个板块没有明显的溢出效应，第三板块和第四板块都要接受来自第一板块的溢出份额。此外，第四板块内的密度值与平均值差距较大，说明这一板块内部聚类特征不明显，城镇信息基础设施差，信息技术比较落后难以满足消费需求，城镇居民信息消费的空间关联性需要进一步加强。

4、结论与建议

本文通过引入改进后的引力模型和社会网络分析方法（SNA），深入对中国城镇居民信息消费的空间网络结构进行了研究。结果表明：（1）中国城镇居民信息消费整体空间网络的稳定性在逐年增强，空间关联效应显著。（2）各省份城镇居民信息消费网络结构的中心度不一致，体现出非均衡的特点。（3）通过空间聚类将省域分成4个板块，各版块的省份数量存在较大差异，北京、天津在网络中扮演“净受益”角色，江苏、广东、浙江、上海主要扮演“经纪人”的角色，河北、内蒙古、山西、山东扮演“双向溢出”角色，大部分省份扮演“净溢出”角色。各板块传递机制明显，体现区域特征。

因此得出如下政策启示：一是要重视中国城镇居民信息消费的空间关联特征，充分发挥城镇居民信息消费的空间关联和空间溢出效应，从整体上推动居民信息消费的协同发展。二是要因地制宜，根据各省份在空间网络中所处地位和板块内外传递机制的不同特点，针对性的制定推动信息消费的政策，从而使得各省份信息消费进一步升级。三是要进一步加强相邻省域间的信息技术交流，不断缩小城镇居民收入差距，不断完善信息基础设施和鼓励引进创新型的技术人才，从而推动供给侧结构性改革，实现信息消费的协调发展，促进我国经济的增长。

参考文献：

[1] Taylor，Arthur R.Postmodernist and Consumerist Influences on Information Consumption[J].Kybernetes. 2014，43（6）：924-934.

[2] Anne Hoag.Measuring Usage and Satisfaction of Cable Modems and the Internet[J]. D-Lib Magazine. 2011（3）：35-42.

[3] ErumbanAA，DasDK.Information and Communication Technology and Economic Growth in India[J]. Telecommunications Policy.2016，40（5）：45-56.

[4] 陳立梅，刘冬辉.江苏省农村信息消费差异的动态变化及空间分解-基于泰尔指数的实证分析[J].华东经济管理2016，30（02），21-26.[5] 李婵娟，王子敏.中国居民信息消费的区域差距及影响因素-基于Dagum基尼系数分解方法与省际面板数据的实证研究[J].现代经济探讨，2017（09），92-100.

[6] 张肃.中国城镇居民信息消费的空间相关性与影响因素分析——基于动态空间杜宾面板模型的实证研究[J].数据分析与知识发现， 2017，1（05），52-61.

[7] 王子敏.人口集聚、溢出效应与城乡居民信息消费[J].消费经济，2018，34（01），25-30.

作者简介：

丰帆，上海理工大学硕士研究生，研究方向为统计学；

沐年国，博士，副教授，现就职于上海理工大学管理学院，主要研究方向为统计学，数量经济学。