2013—2017年中国政治经济学领域研究热点分析

王山　张弛　谭宗颖

摘要：借助可视化软件CiteSpaceV对从中国知网数据库下载的2013—2017年政治经济学研究领域中的相关文献进行文献计量分析。通过构建余弦指数、寻径网络剪裁算法等绘制了关键词共现网络图谱、聚类图谱与关键词时区图谱。结果表明：政治经济学领域研究热点主要集中在以下五个方面：（1）马克思《资本论》方面的研究;（2）当代资本主义发展;（3）中国特色社会主义政治经济学;（4）中国经济新常态与经济发展;（5）資本积累一般规律等。

关键词：政治经济学;CiteSpaceV;文献计量分析;可视化

中图分类号：F0-0   文献标识码：A   文章编号：1007-2101（2019）06-0001-08

一、引言

政治经济学是经济学的基础理论学科，党的十八大以来，政治经济学迎来了新的发展新机遇。习近平总书记高度重视马克思主义政治经济学的学习、应用和发展，多次强调要学好用好马克思主义政治经济学。学术界针对政治经济学的发展也提出许多观点，如白永秀[1]针对政治经济学学科建设、发展困境及突出问题进行了系统的研究。逄锦聚[2]认为政治经济学是时代和实践发展的产物，揭示了目前政治经济学的当代使命和创新发展。王立胜[3]围绕中国特色社会主义政治经济学理论来源进行了系统的研究，认为中国特色社会主义政治经济学是正在形成和发展的当代马克思主义政治经济学，其理论来源分为以下五个方面：马克思主义经典作家的著作、前苏联东欧社会主义建设的理论遗产、中国传统文化的“基因”、非马克思主义经济学的文明成果和中国特色社会主义建设的理论成果。程恩富[4]提出了坚持中国特色社会主义政治经济学的八个重大原则。科技领先型的持续原则;民生导向型的生产原则;公有主体型的产权原则;劳动主体型的分配原则;国家主导型的市场原则;绩效优先型的速度原则;结构协调型的平衡原则;自力主导型的开放原则。

关于政治经济学的研究逐渐升温，政治经济学的研究主题也逐步深化广化。为了能够更好的研究分析十八大以来不同阶段政治经济学研究热点、发展趋势的总体情况，本文借助于可视化软件CiteSpaceV就2013—2017年中国政治经济学相关研究热点进行分析归纳总结，通过政治经济学领域论文发布状况、关键词共现网络、关键词时区图谱等可视化图谱展现了近年政治经济学领域研究现状与发展动态，为政治经济学进一步的研究发展提供参考帮助。

二、数据来源

本文的数据来源于“中文期刊全文数据库（CNKI）”，具有较高的权威性、数据著录规范、并可方便下载。根据2010年《中国图书馆分类法》第五版查询到政治经济学分类代码分别为F0-0、F03、F038、F04、G633.23。这五种分类代码采用布尔逻辑语言“或”组织检索式（F0-0或F03或F038或F04或G633.23），为了提高查全率，在上述检索式中又加入主题检索“政治经济学”或关键词“马克思主义政治经济学”或“中国特色社会主义政治经济学”或“古典政治经济学”。检索时间范围为2013—2017年。文献来源选择“期刊”。删除会议通知、论坛、征文启事、研讨会简讯、重复论文、公告、无作者等不相关论文，最终检索得到政治经济学领域研究文献4 089篇。从图1中可知，近五年政治经济学研究领域期刊载文量整体上呈现递增趋势。

三、研究方法

（一）高频关键词抽取

政治经济学研究领域检索得到4 089篇文献，关键词共出现11 232个，截取出现频次在7次以上的624个关键词，由于这些关键词在政治经济学领域中出现的次数最多，在一定程度上能够代表政治经济学领域的研究热点，因此将这624个词作为高频关键词进行下一步的分析。

（二）共词分析

共词分析是内容分析法的一种，其原理主要是统计一组词在同一篇论文中出现频次。如果关键词对出现的频次越多，说明关键词对之间的联系越紧密，反之，则越疏远。通过对第一步截取出的高频关键词进行共词分析，可以看出关键词对之间的亲疏关系，进而分析这些词所代表的学科及主题的结构衍变过程[5]。通过运用中国政治经济学领域中频繁出现的关键词对，用一套结构图有效地展示关键词之间的关联，便于发现政治经济学研究领域的研究热点与研究前沿。研究前沿这一概念由Price[6]初次引入，一般指科研领域中最新、最先进的研究主题或领域。

（三）聚类分析

聚类即是将采集到的数据划分成不同的类或簇，同一类或簇中的数据具有很大的相似性，不同的类或簇中的数据之间具有很大的相异性。聚类分析方法目前是一种重要的多元统计方法，在数据挖掘中是一个研究非常活跃的领域。实现聚类分析的软件也较多，如可视化分析软件CiteSpace、社交网络软件Ucinet、Pajet、社会科学统计软件包SPSS与统计分析软件SAS等。本文采用可视化分析软件CiteSpace对政治经济学领域相关文献进行聚类。CiteSpace自动聚类使用谱聚类算法，谱聚类算法是基于图论的一种算法，对基于链接关系的网络而不是节点属性的聚类具有天然的优势。其他传统聚类算法，诸如K均值算法，EM算法等均建立在凸球形的样本空间上，当样本空间不为凸时，传统聚类算法会陷入局部最优。谱聚类算法正是为了弥补上述算法的这一缺陷而产生的。通过关键词聚类分析得出政治经济学领域近五年五大研究热点：（1）马克思《资本论》方面的研究;（2）当代资本主义发展;（3）中国特色社会主义政治经济学;（4）中国经济新常态与经济发展;（5）资本积累一般规律等。

四、指标构建

（一）余弦指数

在共现矩阵标准化过程中，往往需要对网络中节点与节点之间的关联强度进行计算，本文在计算网络中采用的连接强度算法为cosine算法。

cosine算法：cosine（cij，si，sj）=cij/（1）

其中Ci，j为关键词i与j共同出现次数，Si为关键词i出现频次，Sj为关键词j出现频次，显而易见，经过cosine算法标准化以后的数值均在0到1之间。

（二）寻径网络剪裁算法（Pathfinder Network）

对于生成的网络图谱如果存在连线比较密集、重点不突出等情况时就需要对网络连线进行裁剪，进一步简化网络，从而突出重要的结构特征，降低网络密度，以增加网络的可读性。本文采用寻径网络剪裁算法（Pathfinder Network），经过Pathfinder Network算法处理过的网络节点数量不会改变，网络连线会大大减少，寻径网络的结构主要有参数r来确定。三角不等式关系定义为：

wij≤wnknk+1r1/r（2）

其中wij表示节点i与节点j之间的链接权重，wnknk+1表示节点nk与nk+1节点之间的链接权重，r为闵可夫斯基距离，当r=2时，距离测度几位欧几里得距离，当r→2时路径的权重为其组分链接的最大权重。k=1，2，3，……，m。如果wij比公式右边备选路径的权重大，则节点i与节点j之间的连接将被切除。

（三）中介中心性算法

中介中心性（Betweennesscentrality）由美国社会学家Freeman[7]教授提出，是网络分析中测度节点重要性的一个指标。节点度数值越大意味着节点在网络中的中心性越高，在网络中愈加重要。节点中心性算法公式采用紫色圈（节点中心性不小于0.1）来表示，计算公式如下：

BCi=nabi/gab（3）

gab代表节点a到节点b的最短路径数目，nabi为从节点a到节点b最短路径中经过节点i的最短路径数目。nabi越多，节点i的中介中心性越大，在网络中的位置越重要，对网络传输影响越大。

（四）对数似然算法（Long-likelihood-ratio，LLR）

聚类术语通常从施引文献的标题（T）、关键词（K）或者摘要（A）中提取，对于从知网数据库提取的数据，一般从施引文献的关键词（K）中提取聚类术语。聚类术语提取所采用的算法：

LLR=logp（Cj/Vij）/P（j/Vij）（4）

词Wi的频度（∝）、集中度（β）与分散度（γ）构成向量Vij（∝、β、γ），由向量Vij判断Wi是否可以作为类别Cj的特征词。p（Cj/Vij）和P（j/Vij）为类别Cj与j的密度函数。LLR为词Wi与Cj的对数似然比。

（五）网络模块化评价指标

Modularity值用来评价网络模块化程度，一个网络的Modularity[8-9]值越大则代表网络聚类效果越好。Q的取值区间为[0，1]，Q>0.3时则代表得到的网络结构是显著的，Q值计算公式如下：

Q=（αij-pij）σ（Ci，Cj）（5）

其中，A=αij为实际网络的邻接矩阵，pij为灵模型中节点i与节点j之间连线边數的期望值;Ci与Cj分别为节点i与节点j在网络中所在的社团，若节点i与节点j同属一个社团，则σ=1，否则σ=0。

（六）网络同质性指标

Silhouette值是衡量网络同质性的指标，Silhouette值越接近1，网络同质性越高，一般来说，Silhouette值>0.7时，聚类得到的网络具有较高的可信度，Silhouette值计算公式为：

Si=（6）

由此得到的Si值区间为[-1，1]。A为点i与所在类中其他点的平均距离;b为点i与最接近点i所在类各点的平均距离。

五、实证分析

（一）关键词共现网络图谱分析

利用可视化分析软件CiteSpaceV对政治经济学研究领域相关文献进行分析之前，需要对CiteSpaceV界面进行相关的设置：（1）首先对将要分析的数据进行时区分割，时间切片设为1年，数据分析的时间是从2013—2017年，共有5个时间分段。（2）节点类型选择“Keyword”。（3）Threshold Interpolation中设定前中后三个时间段c，cc及ccv的阈值（3，3，10），（3，3，10），（3，3，10），c代表最低共现频次，cc代表本时间切片共现频次，ccv代表贡献率。（4）在Pruning功能区选择“Pathfinder”，在没有任何裁剪状况下，网络可读性不太高，连线太密，重点不突出，使用Pathfinder算法可以剔除一些次要的链接以突出网络核心结构。（5）运行CiteSpace后，在project文件夹内生成关键词共现图谱，关键词共现矩阵。

关键词共现图谱共得到624个关键词，即节点数624个，得到839条连线，即关键词之间存在839次合作。图2中呈年轮状的节点代表关键词，节点越大代表关键词出现频次越高，年轮颜色则代表关键词在不同年份出现，厚度代表关键词出现频次，年轮颜色越鲜艳厚度越厚代表关键词在近年出现的频次较多，节点与节点之间的连线代表关键词之间的共现关系，连线越粗表示共现关系愈强，反之，愈弱。从图2中可以看出关键词“政治经济学”年轮最大，说明关键词“政治经济学”出现频次最高。

表1列出了频次排名在前20位的关键词，关键词“政治经济学”出现频次最高，为657次。其次为“马克思”，为333次。出现频次较多的关键词还有“马克思主义”（208）、“马克思主义政治经济学”（191）、“《资本论》”（169）、“经济发展”（166）、“中国特色社会主义政治经济学”（160）、“西方经济学”（151）等。这些关键词在一定程度上能够折射出2013—2017年期间我国政治经济学研究领域的主要关注点。

（二）关键词引用突变分析

关键词引用突变一般是指短时间内使用频次突然增加或突然出现的术语，CiteSpace可从文献的题目、摘要、关键词、描述词及文献记录中的标志符中提取突变术语以检测某研究领域前沿研究热点的突然增长，追踪目标研究领域在特定时间段内关注的研究前沿与研究热点。Burst值即为突现值，突现的时间表示突现发生的起止时间。表2展示了2013—2017年政治经济学领域排名前15位突变词，国际政治经济学出现频次55次，突现值最高，为6.71，说明国际政治经济学在2013—2014年间被引频次突然明显增多，2013—2014年产生引用突变的关键词还有“鲍德里亚（6.11）”“市民社会（5.02）”“政治经济学家（3.22）”“传播政治经济学家（3.01）”等，2014—2015年间产生引用突变的关键词主要有“教学改革（5.92）”“利益集团（4.2）”“资本（3.86）”“拜物教（3.26）”“马克思主义基本原理（3.14）”“全球化（3.09）”“恩格斯（3.05）”，关键词引用突变在一定程度上也反映了政治经济学研究领域近年的主题兴趣。

（三）高被引频次论文内容分析

使用中国知网文献被引频次排序功能，得到表3中政治经济学领域被引频次排名前5的文献。高被引论文对政治经济学领域后续的研究起到非常重要的奠基与指导作用。其中被引频次最高的论文为逄锦聚于2016年发表于《政治经济学评论》的《经济发展新常态中的主要矛盾和供给侧结构性改革》[10]一文，该文认为进行供给侧结构性改革需要对新形势下的我国经济发展主要矛盾与主要矛盾方面作出有效的判断。我国经济进入新常态后一些问题亟待解决，在适度扩大总需求的同时，着力加强供给侧结构性改革，必须坚持以马克思主义政治经济学生产分配交换消费关系和社会总产品实现的原理为指导，坚持中国特色社会主义政治经济学的八项重大原则。孙正聿[11]的论文《〈资本论〉与马克思主义哲学》中研究和阐释马克思主义哲学，必须诉诸马克思毕生研究的伟大成果《资本论》。《资本论》既是“时代精神的精华”，又是“文明的活的灵魂”，其深刻揭示了人类历史的发展规律和资本主义的特殊运作规律。肖林[12]在《中国特色社会主义政治经济学与供给侧结构性改革理论逻辑》中提出供给侧结构性改革有别于西方供给经济学派与结构主义经济学思想提出的改革，是中国经济在新发展阶段的一次调整与尝试。谢地[13]在其文章《用马克思主义政治经济学指导供给侧结构性改革》中强调了马克思主义政治经济学对指导供给侧结构性改革的重要意义。洪银兴[14]提出中国特色社会主义政治经济学是当代中国的马克思主义政治经济学，并对其进行了学科定位分析，研究对象也扩展至生产力，大大丰富了中国特色社会主义政治经济学的研究内容。

（四）关键词聚类分析

在關键词共现网络图谱的基础上，通过对数似然算法（LLR）对网络中的关键词节点进行聚类分析后无法得到一个优质的聚类网络，衡量聚类效果的好坏一般有四个指标：（1）聚类数目;（2）每个大类中的成员数目;（3）模块化（Modularity）值;Modularity值越高，聚类效果越好，反之则代表聚类内容比较松散，不彻底。Modularity值>0.3代表网络社团结构是显著的，网络是可信服的。（4）轮廓值（Silhouette）;Silhouette是衡量聚类成员同质性的指标，该值越大，则表示该类内部成员之间的相似性越高，一致性越好。轮廓值（Silhouette）>0.5认为聚类是合理的，值>0.7代表得到的是一个优质网络。一般来说，聚类数目在6～10，每个大类内成员在10个以上（包含10），轮廓值（Silhouette）>0.7才代表得到一个优良的聚类网络，在0.5以上，可以认为网络聚类结果是合理的。改变聚类条件设置，每一个时间切片内选择TOP50作为分析对象，得到一个聚类数目为6，每个类中成员>10，Modularity Q=0.477，MeanSilhouette=0.745 5的网络。

CiteSpace将聚类结果以不同的颜色显示在聚类图谱中，通过对聚类内容的归纳分析提炼总结，政治经济学领域近五年研究热点主要集中在以下五个方面：（1）马克思《资本论》方面的研究;（2）当代资本主义发展;（3）中国特色社会主义政治经济学;（4）中国经济新常态与经济发展;（5）资本积累一般规律等（见图3）。

如表4所示，“#”数字表示运用对数似然算法（LLR）对共同关键词提取后命名的聚类词。每种颜色代表不同的文献组成的具有相似研究主题的聚类，类与类之间若存在交叉覆盖现象则说明这些聚类之间存在研究主题上的交叉，覆盖面积越大代表研究主题关系越紧密，与其他聚类不交叉的颜色代表此类具备独立的研究性质[15]。聚类号越小（如#0）代表此类所包含的经典文献数目越多，Silhouette能够衡量聚类成员之间的同质性，Top Terms表示采用LLR算法时形成的聚类名称。在分析聚类内容时，结果并不能以软件聚类得出的类名称来命名类，需要总结归纳得出每类的主要内容给出恰当的类名。近年中国政治经济学研究热点总结归纳如下几个方面。

1. 马克思《资本论》方面的研究。该类包含28个节点，占整个节点文献的28%，这些节点平均出现年份为2013年，聚类成员主要有马克思、《资本论》、政治经济学批判、资本主义、唯物史观、劳动价值论、历史唯物主义、生产关系、资本逻辑、市民社会、生产方式、异化劳动、鲍德里亚、剩余价值、辩证法、恩格斯、资本、政治哲学、实践、马克思哲学、意识形态与剩余价值理论等，其中被引频次最高的前三个关键词为马克思、《资本论》与政治经济学批判，中心度最高的关键词为政治经济学批判（centrality=0.13），其次为马克思（centrality=0.12）。该类簇中政治经济学在网络中起着重要的链接与媒介作用，中心性最高，说明政治经济学批判在网络中的控制和引导作用最强，受关注程度最高。以上客观的分析可以得知此类的研究主题主要集中于马克思政治经济学批判、资本论、资本主义与劳动价值论等方面的研究。

2. 当代资本主义发展。该类包含22个节点，占整个节点文献的22%。通过分析发现，该聚类节点发表的平均年份为2014年，聚类成员主要有经济发展、西方经济学、中国特色、理论体系、新自由主义、结构性改革、国际政治经济学、全面深化改革、世界经济、共同富裕、话语体系、收入分配、经济改革、基本经济制度、经济学说、人类社会、产能过剩、经济体制改革、中国智慧、政治经济学家、市场经济体制、国际金融危机、经济管理、国有企业与经济全球化等，其中被引频次排名较高的四个关键词分别是经济发展（166次）、西方经济学（151次）、理论体系（76次）、中国特色（76次）。中心度最高的关键词为经济发展（centrality=0.29），其次为新自由主义（centrality=0.27），然后为西方经济学（centrality=0.20），说明经济发展主导着此类簇的网络，起着最重要的链接作用与控制作用，中心性最强，受关注程度最高。由以上可知，此类研究主题主要集中于国际与国内的经济发展，市场经济体制方面的改革以及收入分配与产能过剩等方面的探讨。

3. 中国特色社会主义政治经济学。该类包含15个节点，占整个节点文献的15%。聚类节点发表的平均年限为2014年，聚类成员主要有政治经济学、马克思主义、马克思主义政治经济学、中国特色社会主义政治经济学、古典政治经济学、中国特色社会主义、传播政治经济学、供给侧结构性改革、新常态、习近平、毛泽东、以人民为中心、经济思想、新发展理念、治国理政、利益集团、劳资关系、改革与文化研究等。其中被引频次最高的关键词为政治经济学（657次），其次为马克思主义（208次），仅随其后的关键词为马克思主义政治经济学（191次），中国特色社会主义政治经济学（157次），中国特色社会主义（80次）。中心度最高的关键词为政治经济学（centrality=0.29），其次为马克思主义政治经济学（centrality=0.13），马克思主义（centrality=0.1），中国特色社会主义政治经济学（centrality=0.08）。因此政治经济学在此类所形成的网络中起着最重要的链接作用与媒介作用。由此可知，此类的研究主题主要集中于马克思主义政治经济学、中国特色社会主义政治经济学、古典政治经济学与传播政治经济学方面的研究。

4. 中国经济新常态与经济发展。聚类#4所包含节点较其他聚类少，由表4中可知聚类#4平均轮廓值（Silhouette）最高，达到0.977，聚类成员显示出了较高的一致性。该聚类节点发表的平均年份为2014年。聚类成员主要包括经济增长、政治经济学分析、创新、中国经济与经济新常态等。其中被引频次最高的关键词为经济增长（24次），同时，“经济增长”中心度最高（centrality=0.11）。当前中国经济已经进入新常态，经济新常态的特点：（1）经济速度转为中高速增长;（2）经济结构不断优化升级;（3）从要素驱动、投资驱动转向服务业发展及创新驱动。新常态下的经济特征、运行规律、经济体系更值得进一步探讨。

5. 资本积累一般规律。聚类#5成员主要有当代资本主义、全球化、资本积累与西方主流经济学等。当代资本主义在此网络中中心度最高（centrality=0.02）。资本积累即剩余价值的资本化，剩余价值是资本积累的源泉，资本积累则是企业扩大再生产的前提条件。资本积累是生产发展的必然趋势。该类研究主题主要集中于资本积累的一般规律、资本有机构成等方面的研究。

（五）关键词时区图谱分析

时区图谱是从时间维度上来表示知识演变的图谱，关键词时区图谱可以清晰地展示出文献与文献之间主要研究内容的更迭与相互影响。图4以时间段为横坐标，节点代表了该时间切片下所研究的热点关键词，节点与节点之间的连线则代表了热点关键词在时间切片间的演变过程。通过连线关系可以看出热点关键词之间的传承关系。

2013年政治经济学领域的研究主要集中在马克思主义政治经济学、西方经济学、政治经济学批判、劳动价值论、唯物史观、历史唯物主义、资本逻辑与收入分配等主题上。由2013年延伸到2014年的研究主题主要有全面深化改革、创新、基本经济制度、资本积累、经济体制改革、金融化、政治哲学、国有经济、公有制、劳资关系与经济学教学等，政治经济学逐渐受到越来越多研究人员的重视，特别是政治经济学围绕中国经济改革发展及世界经济所产生新变化的一系列重大问题进行了广泛的研究与讨论，使得马克思主义政治经济学能够更好地指导中国经济发展，推动中国经济改革发展。2015年，政治经济学研究主题集中于中国特色、经济改革、中国经济、资源配置、发展战略、国外马克思主义经济学流派，生态马克思主义与西方传播政治经济学的理论动态等。2016年政治经济学领域研究主题主要集中于供给侧结构性改革、关于资本积累与经济危机的研究、关于历史唯物主义理论的研究、中国特色社会主义政治經济学的方法论、国有企业改革问题的讨论（如加强国有企业党的领导、混合所有制改革、完善现代企业制度）、马克思主义政治经济学视角下与西方经济学视角下的经济发展新常态、共享发展与共同富裕问题等。2017年研究主要集中于治国理政、经济学科、人类经济思想史、经济发展新常态、私有制、和谐社会、经济创新、一带一路、人民币国际化、剩余价值论、社会有机体、经济发展性常态、经济转型、经济运行规律、共享经济、共享理念与信用货币等主题上。根据图4可知，马克思主义政治经济学贯穿始终，与其他主题均有传承，但2014年与2015年、2015年与2016年之间连线几乎没有，说明这两个时间段内研究主题之间的传承关系比较弱。

六、结论

文章借助于可视化分析软件CiteSpaceV、通过构建余弦指数、寻径网络剪裁算法、中介中心性算法、对数似然算法、网络模块化评价指标与网络同质性指标，运用关键词共现网络图谱分析、关键词引用突变分析、高被引频次论文内容分析与共词聚类分析等对中国知网数据库下载的2013—2017年政治经济学研究领域中的相关文献进行了科学计量分析，得出了近年政治经济学研究领域的研究现状、研究热点以及未来的发展趋势。“马克思主义政治经济学”“唯物史观”《资本论》“政治经济学批判”“劳动价值论”等研究主题贯穿始终。新时代，中国经济发展进入新常态，新的研究主题集中于治国理政、经济学科、人类经济思想史、经济发展新常态、私有制、和谐社会、经济创新、一带一路、人民币国际化与剩余价值论等方面。

参考文献：

[1]白永秀，吴丰华，王泽润.政治经济学学科建设：现状与发展[J].马克思主义研究，2016（8）：82-92.

[2]逄锦聚.政治经济学的当代使命和创新发展[J].政治经济学评论，2011，2（1）：77-85.

[3]王立胜，郭冠清.论中国特色社会主义政治经济学理论来源[J].经济学动态，2016（5）：4-13.

[4]程恩富.要坚持中国特色社会主义政治经济学的八个重大原则[J].经济纵横，2016（3）：1-6.

[5]Huang M H，Chang C P. Acomparative study on detecting research fronts in the organic light-emitting diode（OLED）field using bibliographic coupling and co-citation[J]. Scientometrics，2014，102（3）：2041-2057.

[6]Price D D. Networks of scientific papers[J]. Science，1965，149（3683）：510-515.

[7]Linton C F. Centrality in social networks conceptual clarification[J]. Social networks，1979，1（3）：215-239.

[8]Chen C M. CiteSpaceⅡ：Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology，2006，57（3）：359-377.

[9]Kim M C，Chen C M. A scientometric review of emerging trends and new developments in recommendation systems[J].Scientometrics，2015，104（1）：239-263.

[10]逄錦聚.经济发展新常态中的主要矛盾和供给侧结构性改革[J].政治经济学评论，2016，7（2）：49-59.

[11]孙正聿.《资本论》与马克思主义哲学[J].学习与探索，2014（1）：1-14.

[12]肖林.中国特色社会主义政治经济学与供给侧结构性改革理论逻辑[J].科学发展，2016（88）：5-14.

[13]谢地，郁秋艳.用马克思主义政治经济学指导供给侧结构性改革[J].马克思主义与现实，2016（1）：20-25.

[14]洪银兴.以创新的理论构建中国特色社会主义政治经济学的理论体系[J].经济研究，2016（4）：4-13.

[15]苏福，柯平.国际图书情报学热点与前沿动态研究（2014-2015年）[J].大学图书馆学报，2017（1）：11-19.

责任编辑：许永兵

Hot Spots Analysis of Political Economy of China During 2013-2017

Wang Shan1，2，3， Zhang Chi1， Tan Zongying3

（1.Institute of Economics， Chinese Academy of Social Sciences， Beijing 100836， China;

2.College of Economics and Management， Chinese Academy of Sciences University， Beijing 100049， China;

3.Literature Information Center， Chinese Academy of Sciences， Beijing 100190， China）

Abstract： Visualized software CiteSpaceV is used to do bibliometric analysis to related documents in political economy in the CNKI journal database from 2013 to 2017. By constructing cosine index， Pathfinder Networkand so on， keywords co-occurrence network， keywords cluster map and keywords time zone map have been drawn. The results show that research focuses onfollowing five aspects in political economy： （1）study of Marx's Das Kapital; （2）the development of contemporary capitalism; （3） political economy of socialism with Chinese characteristics; （4）new normal of Chinese economy and economic development; （5） general rules of capital accumulation.

Key words： political economy， CiteSpaceV， bibliometric analysis， visualization