社会网络中的群体需求异质性研究

王峰 王姗姗 屈俊峰 张雅蕊

[摘 要]将马斯洛需求层次可解释的个体需求看作社会网络中节点的成员需求，通过众多个体需求所构成的大众需求一致性反映社会网络的群体需求。文章以群体需求层次详细描述了群体需求层次，并通过统计分别控制影响群体需求的变量，得到了不同变量下的群体需求关系。

[关键词]社会网络;马斯洛需求层次理论;群体需求

1 群体需求的异质性

随着时代发展，社会呈现网络化趋势。社会网络中由各节点作为成员相互连接，不但具有属性且具有需求。这些成员间根据属性的异质性衍化成“簇”，从而构成“簇”的群体需求。这就是社会网络中的群体需求的形成过程。社会网络中不同成员具有不同节点属性。例如，年龄、性别、职业、婚姻状况、学历等，都是构成节点属性的依据。根据节点属性划分“簇”来构造“簇”的节点群体需求，从而导致群体需求的异质性。研究节点群体需求的异质性有助于深入了解群体需求的多样性和差异性。通过提取不同“簇”中按同一需求划分的异质性节点，可达到进一步细化用户特征的目的。因此，这种透过节点属性与群体需求间异质性构建关联的研究思路和方法，有助于更深层次了解用户全方位需求。

2 调查统计与实证分析

2.1 数据来源

针对××市及周边县市工厂、学校、商铺、事业单位等行业共计167个机构和组织，分别于2017年10—12月，2018年1月、3—6月进行调研，发放问卷5000份，回收有效问卷4378份，有效率87.56%。性别方面，男性占52.31%;婚育方面，已婚占69.71%、有子女占56.39%;年龄方面，20岁以上占72.17%;教育水平方面，本科及以上占67.61%;月收入方面，2000～4000元占42.47%，4000～6000元占27.53%，6000～8000元占18.61%，8000元以上占11.39%;组织机构性质方面，民营企业占51.77%，国有、事业单位等占36.69%。

2.2 问卷设计

变量测量采用如下方案：①个体需求行为：测量设置五方面问题：生理需求、安全需求、社交需求、尊重需求和自我实现需求。让志愿者选择五个方面问题的答案。②群体需求行为：测量采用单双维结合进行。③控制变量：年龄段，性别，职业，婚姻状况，学历。表1为变量的样本描述与统计。

依照①～③设计规则，可得2.3节统计结果。

2.3 统计与实证分析

参照2.2节③中阐述的控制变量和个别单变量构成的双变量组合，分别从年龄段、性别、职业、婚姻状况、学历五方面阐述不同变量的群体需求占比。接下来，将分别对图1～3中统计结果做统计结果分析。图1为不同年龄段的群体需求占比。

图1中，除60岁以上群体在生理需求方面由于生理功能退化可能需求有所降低外，其他年龄段基本上生理需求程度差不多;同样现象发生在群体安全需求上;社交需求方面，随着年龄增长，群体社交需求逐渐增强，但到50岁后，由于同龄人数目减少和随年龄增长周边环境和心理因素的变化，群体社交需求又呈现下降趋势;随着年龄增长，群体对尊重的需求越来越高;而对自我实现需求，由于群体心理成熟度、事业发展等因素，30～40岁的群体出现峰值，这种统计结果也与现实状况非常契合。

图2为不同性别的群体需求占比。图2中，由于社会文明程度提高，女性在生理、安全和尊重方面受到男性群体的优待，因此均略高于男性群体。在社交需求方面，并无性别差异。而对于自我实现需求，男性在社会中责任感和社会舆论的要求，往往使其勇于表现自我，因此自我实现方面的需求要高于女性群体。

图3为不同职业的群体需求占比。图3中，不同职业在生理和安全需求方面的差异性并不明显。由于职业定位和社会分工不同，他们对社交、尊重和自我实现需求方面存在少许差异性。

3 研究局限与展望

文章研究尚存在如下两点不足：①研究数据缺乏特定研究环境和背景，因此无法研究特定环境和背景发生时，群体对需求层次的选择、层次确定和计算，以及统计结果与一般情境下存在何种差异性;②统计结果在组合变量的丰富性方面深入程度不够，特别是三变量以上的群体需求研究并未合理涉及。因此，在未来工作中，可适当考虑多因素对群体需求的影响，以使相关研究内容和统计结果丰富和合理，在某些特定社會需求现象的解释性上发挥更大的现实作用。

参考文献：

[1] A H MASLOW. A theory of human motivation[J]. Psychological Review，1943，50（4）： 370-396.

[2]袁政. 公共领域马斯洛现象与政府规模扩张分析[J].公共管理学报，2016（1）： 5-12， 20， 107.

[3]魏巍，黄丽霞.基于马斯洛需求层次理论的农民工信息需求分析[J].图书馆学研究， 2016（5）： 58-62.

[4]易明，宋景璟，杨斌，等.网络知识社区用户需求层次研究[J].情报科学，2017（2）：22-26.

[5] JINYUAN JIA， BINGHUI WANG， LE ZHANG，ETAL. Attri-infer： inferring user attributes in online social networks using markov random fields[C]. International Conference on World Wide Web 2017： 1561-1569.

[6] DAVID MANDELL FREEMAN. Can you spot the fakes？ on the limitations of user feedback in online social networks[C].International Conference on World Wide Web 2017： 1093-1102.

[7] RODRIGO SMARZARO， ETAL. Could data from location-based social networks be used to support urban planning？ [C].International Conference on World Wide Web 2017： 1463-1468.

[8] MINH X. HOANG， XUAN HONG DANG， XIANG WU， ETALl. Scalable group-level popularity prediction for online content in social networks[C].International Conference on World Wide Web 2017： 725-733.

[9] BIN LI， DONG HAO， DENGJI ZHAO，ETAL. Mechanism design in social networks[C]. AAAI，2017： 586-592.