網絡分析范文

導語：如何才能寫好一篇網絡分析，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

【關鍵詞】社會網絡；房地產企業；網絡中心性

中國經濟多年的持續穩定增長，使得我國綜合國力不斷強大，房地產行業也持續發展。我國的地產大戶主要有萬科、恒大地產、保利地產等等，這些地產公司之間也存在著相互競爭、制約和相互促進等錯綜復雜的關系。社會網絡分析可以實現對企業之間的關系結構以及由此結構衍生出來的屬性進行分析。社會網絡分析方法一起可視化的形式而備受青睞，以網絡結構圖的形式分析數據、發現隱含在抽象數據背后的規律，從而輔助決策[1]。本文利用網絡關鍵詞的搜索，構建位于財富500強企業中的28家房地產企業之間的社會網絡關系，分析企業之間的競爭格局。

1樣本選擇和數據采集

在樣本選擇方面，根據“財富”網站上的“2015年財富中國500強排行榜”，本文對中國500強企業中房地產及其相關行業的企業進行了整理，找出其中28家房地產及其相關企業作為研究樣本。在數據采集中，本文以百度引擎為媒介采集一家企業在其網站中提及另一家企業的網頁數量，作為該企業與其他企業是否有聯系的重要指標。由于本文選取的研究對象都為國內企業，百度搜索引擎對中文搜索支持的很強大，對語言的適配能力強，因此選用百度中的數據進行采集。提及頻次數據的采集時間為2016年6月20日。

2數據預處理

數據收集結果是使28×28的一個二維非對稱陣，其中每一個數值代表該行企業網站提及該列企業網站的網頁數量，即頻次。為了能夠使用Gephi軟件繪制出28家房地產企業的社會網絡圖，本文將每個企業的提及頻數做歸一化處理，如萬科的網站中，保利地產、華潤置地、金地集團、招商地產、遠洋地產和綠城中國的提及頻數分別為2、3、1、2、2和2，歸一化處理后每個企業的值分別為0.167、0.25、0.082、0.167、0.167和0.167。

3社會網絡構建

在網絡鏈接分析中，通常用入鏈和出鏈作為社會網絡構建的重要指標，入鏈指該企業網站被鏈接的綜述，出鏈指該企業網站鏈接其他企業網站分別的數量。但是在實際問題中，入鏈和出鏈很難過去，所以本文近似的選擇某企業網站中提及另一家企業網站名稱的數量來代表兩家企業之間的關聯性，即在上文中收集到的二維矩陣中的數值[2]。企業提及頻次是企業之間業務往來，相互關注以及合作、競爭關系的抽象代表。本文利用社會網絡分析軟件Gephi對房地產企業的相互關注程度進行分析，如圖1所示。

4房地產社會網絡分析

在該社會網絡中網絡中心度排名前3的企業是保利地產、金地集團和碧桂園，排名倒數前3的是首創置業、杭州濱江房產以及時代地產。通過房地產企業社會網絡以及中心度度量可以發現，保利地產處于網絡的中心地位，與其他企業的鏈接最多，接下來是金地集團和碧桂園。網絡中心度越高，代表其網站與其他網站交流程度越高，交流越多可以反映出兩家企業之間具有密切的關系，至于關系是競爭還是合作并不好判斷。而首創置業、杭州濱江房地產和時代地產，幾乎與其他房地產企業之間沒有網站鏈接，說明交流較少，開放性不強。

參考文獻

[1]趙蓉英，王靜.社會網絡分析（SNA）研究熱點與前沿的可視化分析[J].圖書情報知識，2011，01：88~94.

篇2

分析方法：

1、節點電壓法：以網絡中每個節點對某一參考節點間的電壓作待求量；

2、回路電流法：以每個獨立回路中流動的假想電流為待求量；

3、端口分析法：把該網絡作為多端網絡來處理，最常見的是雙口網絡；

4、定導納矩陣法：以網絡外接端子對網絡外部某參考點的電壓為待求量；

5、拓撲分析法：一類是把電網絡中各電流電壓等物理量之間的關系用線圖表示出來，再按線圖的簡化規則或公式求出網絡函數，另一類是根據電網絡的線圖和網絡中元件參數，通過計算其各種樹的樹支導納乘積來求得網絡函數；

篇3

【關鍵詞】新手班主任;座位安排;社會網絡分析

【中圖分類號】G420【文獻標識碼】A 【論文編號】1009―8097(2010)04―0028―05

一 序言

班主任工作是一項需要愛心、慧心和恒心的工作,更是一項需要科學指導的工作。一名優秀的班主任,應具備迅速、準確且全面了解學生的能力。面對活蹦亂跳而又淘氣可人的學生,新手教師在有序管理班級、營造良好的學習環境、開展教學活動上該如何著手呢?彭興奎[1]在《優秀班主任的九個好習慣》一文中提到“取長補短,互相協調”(一群相互依賴、互有渴求的學生組合在一起去完成具體目標時,工作效率最高)和“學會傾聽,勤于觀察”(班主任要能傾聽學生家長和同事的意見,切實把握學生的思想脈搏)。

座位是每位學生和家長特別關心的事。對于班主任而言,安排座位是件費心的事,更是項智慧的實踐,對新手班主任而言更是項挑戰,是新手班主任的必修課。根據一些專家班主任的多年實踐經驗總結,安排好學生的座位,需三個步驟:第一,安排座位前,要詳細調查、了解班內各種情況。第二,座位安排時,要全面、慎重考慮各種因素。第三,座位安排后,要根據隨時出現的特殊情況及時調換座位[2]。本文從社會網絡的角度探索班級學生間的整體網絡結構,通過個案研究展開對班級學生間的調查了解,為班級學生的座位安排做好第一步,也是首要步驟。

二 社會網絡分析方法

社會網絡分析方法是一種研究社會結構、組織系統、人際關系、團體互動的概念與方法,能夠用于測量行動者個體及他們所處社會網絡成員之間的錯綜復雜的關系和連結[3],對群組成員之間的通訊模式等進行可視化建模[4]。通過對行動者間的情況分析,得出行動者之間的社會網絡信息,了解行動者的社會網絡特征。社會網絡分析方法的有效性在于:能夠帶領我們“透視”社會網絡中行動者之間的互動――能夠定義并清晰地說明它們,看到它們創建的相互連接的圖式,以及達到理解這些圖式的意義[5]。社會網絡分析被視為研究社會結構的最簡單明朗、最具有說服力的研究視角之一[6]。

三 研究設計與實施

本案例研究的目的是讓新手班主任詳細調查和了解班內學生的各種情況。研究聚焦于新手班主任在安排學生座位問題時,對班級學生間的人際交往、知識交流與共享、信息流通、學習協作等的了解。本研究運用社會網絡分析法測量班級成員個體及他們所處的班級網絡關系和連結,可視化的交流模式,得出班級成員間的班級網絡信息。研究對象為江蘇省無錫市某高中201班的40名學生。由于該班級是高一直升高二的,所以班級成員不變,只是換了一名新的班主任。

對于整體網絡結構而言,節點代表的分析單位不同,其間的連帶也不相同,而且這些連帶不是一維的,班級成員之間的連接可以是多維的,比如同學A是同學B的孿生兄弟,那么A和B間的連接可以是同學關系、也可以是兄弟關系、更可以是學習上的競爭關系。魁克哈特[7]將個人在組織中間的社會網絡分為以下四種:情感網絡、信任網絡、咨詢網絡和情報網絡。以魁克哈特的四種網絡為指導,結合本文的研究對象和研究目的,筆者預先設計好了一份問卷,作為幫助新手班主任詳細調查和了解班內各種情況的依據,以使座位安排符合學生的實際需要。在本文的解釋案例中,問卷題目如表1所示:

首先,新手班主任在新學期接手該班級時,讓班上部分同學先做此問卷,然后根據調查結果適當的修改問卷,接著在第一次班會活動課上讓所有學生填寫問卷。調查問卷中除了學生的個人信息狀況,例如姓名、性別等以外,主要是4道與學生間的班級網絡信息相關的問題。所有學生均返回了有效問卷,該問卷得到的數據作為本研究分析的根據。

表1 了解班內成員間關系的問卷

(1)如果功課遇到困難,你經常跟班上哪些同學討論(咨詢關系)

(2)你通常會與班上哪些人分享班級八卦消息(情報關系)

(3)你有班上哪些同學的電話(包括家里的)(信任關系)

(4)如果你有煩心事,你會向誰吐露苦水(情感關系)

然后,將原始記錄表導入社會網絡分析軟件Ucinet6.1得出數據矩陣表。

四 數據分析與處理

社會網絡分析是一種通過收集社會網絡數據,描繪班級內學生間的信息溝通、知識傳播、學習交流以及情感情報的關系網絡。

在網絡分析中,如果分析的節點較多,人們一般會利用矩陣的方法來表示社會關系網絡,其中最常見的矩陣是鄰接矩陣。鄰接矩陣中的各元素可以表示兩個節點間是否連接以及相互間聯系的強度,其中行代表某種關系的發送者,列代表某種關系的接收者。出于對保護個人隱私的考慮,我們用數字1、2、3......40表示不同的學生。咨詢關系是學生間在知識交流與共享中最重要的關系,因此我們選取咨詢網絡所形成的矩陣如表2所示,相應的社群圖見圖1。

對于表2所形成的矩陣,X12=l表示成員1對成員2進行過學習討論(1是橫坐標,2是縱坐標),在圖1中則表示,節點1連接一根有向線至節點2;X13=0表示成員1沒有對成員3進行過學習討論,那么在圖1中可看出節點1與節點3之間則沒有連接。從圖1亦可看出,學生5、30、22、23、36的點入度極高,即班上很多同學愿意咨詢他們學習或生活上的問題,由此可看出這5位同學知識豐富,也比較樂于幫助其它同學。而學生9和17的點入度和點出度都極低,說明這兩位同學處于班級的邊緣地帶,他們倆既不是很主動請教別人問題,同時也很少有同學向他們請教。新手班主任通過對該矩陣圖和社群圖的分析,能夠清晰的看清每位學生的請教對象和被哪些同學請教,從而采取一定的措施。我們依據安排座位時的優差組合法[8],將學習積極性較弱的同學座位盡量安排在學習主動性較好的同學的附近,將容易傳播、共享知識的同學與一些處于邊緣的學生盡量安排在一起。同上述方法所述,新手班主任可將獲得情感、情報和信任網絡的矩陣和社群圖作為學生座位安排的一個參考量。

1 網絡整體結構分析

通過對整體網絡結構的分析,可以了解其整體特性結構是否適合知識的共享及傳播。而看一個整體網絡結構如何,應該從網絡的密度入手,密度是一個圖中各個節點之間連接的緊密程度,即每個個體間的聯系的緊密程度。通過對網絡密度的分析,可以了解其組織結構的知識共享或情感交流情況。固定規模組織的成員之間聯系越多,網絡的密度就越大。一般來說,關系緊密的團體合作行為較多,信息流通較易,情感支持也會較好;而關系十分疏遠的團體,則常有信息不通、情感支持太少、學習滿意度低等問題[9]。

所以密度是一項重要變量,密度計算公式是=2L/g(g-1)(L=圖中線的數目;g=圖中節點的數目),計算得出該班級的四個矩陣密度,結果如表3所示:

由表3可知四個矩陣密度均在0.15以上,參考其它的一些研究[10],可以認為該班級學生間的互動較多,該班級比較團結。咨詢網絡和信任網絡形成矩陣的平均密度均在為0.2以上,說明該班學生間的信任度很高,溝通與互動也較多,只有少數幾個邊緣型學生,沒有產生獨立的小團體。而情報網絡與情感網絡形成矩陣的密度相對較低,分別為0.1642和0.1604,說明學生間的情報消息和情感互動相對較少,同學們還不愿把心里的秘密或者認為最重要的事情與他人分享。人們普遍認為信任網絡是另一種情感關系,但也有特殊性即咨詢網絡和信任網絡重疊的情況更嚴重,該班級就是一個很好的范例。依據安排座位時的性格組合法及開小灶的方法[11],新手班主任將學習上積極的和平時關系較好的同學的座位拉近點,更利于這類同學的交流,促進學習進步。將那些喜歡傳播班級小道消息的同學分散開來,以使這些與學習無關的消息不易傳播開來,從而給全班同學營造良好的學習環境。

2 中心性分析

中心性是社會網絡分析的重點之一,評價一個人重要與否,衡量一個人的地位優越性或特權性,以及在群體中的社會聲望等常用這個指標[12]。其中網絡中心性中的程度中心性和中介性使用最廣泛。程度中心性常用來衡量誰在一個團體中成為最主要的中心人物。中介性測量的是行動者對資源控制的程度,表示一個點在多大程度上位于網絡中其他點的“中間”,占據這樣的位置越多,就越代表他具有很高的中介性,越多的人聯絡時就必須要透過他而與他人聯系。

上述四個矩陣都可進行中心性分析,從情感交流方面看,情感網絡所形成的矩陣最能反映交流過程中誰處于核心地位。為此,我們對情感矩陣進行程度中心性分析,結果如圖2所示。

由于情感網絡形成的矩陣是一個非對稱矩陣,程度中心性和標準化的程度中心性都有兩個值,內向程度中心性表示連入值,即有多少其他學生愿意向該同學吐露心聲;外向程度中心性表示連出值,即該學生愿意向其它哪些同學吐露心聲。例如:學生23愿意向其他17個同學談心事,有十二個同學愿意與他談心事,標準化的內向程度中心性為30.769,標準化的外向程度中心性為43.590。學生4、22、33、36和38具有較高的內向程度中心性和外向程度中心性。這些學生在班級中既愿意向他人談心事,他人也愿意向他們敞開心扉。而學生3、5、8、9、14、18等學生具有較高的內向程度中心性,但是外向程度中心性則相對較小。說明他人常向這些同學吐露心事,而這些同學很少主動對其他同學談心事。還有一類學生如10、13、29、36具有較高的外向程度中心性,而內向程度中心性較低,表示這類學生愿意與班級中其他同學進行情感交流,但其他同學卻較少與他們進行情感交流。最后一類內向程度中心性和外向程度中心性均較低,雖然該類學生屬于學習團體的人物,但在該班級中卻占了大多數。群體的程度中心性指標同樣也有兩個,群體外向程度中心性為28.271%,群體內向程度中心性為25.641%。雖然這兩個值反映出該班級比較團結,但其中還存在著一些問題,如班級中缺少一些與許多學生都聯系緊密的核心成員,另一方面有許多同學跟其他同學的情感交流極少。新手班主任不僅要關注學生的學習,還要關心同學們的心理健康,應鼓勵學生們多多進行情感方面的交流,加強學生間的友誼。在安排座位時,班主任就要考慮這樣一個問題:是不是將不喜歡與他人交流的學生與班級活躍分子座位靠近點,這樣既能夠帶動內向學生的情感交流,同時又避免了活躍分子與活躍分子座位挨著一起的“超活躍”現象。

本文的案例中,該班級打破人們普遍認為的信任網絡是另外一種情感網絡的關系,展示了咨詢網絡和信任網絡重疊的情況。說明某同學只有在信任另外一個同學的基礎上,才會向這個同學咨詢問題,或者他向這個同學咨詢問題,說明他對這個同學更加信任。雖然咨詢網絡能反映網絡中的信息傳播途徑,但是情報網絡更適合進行中介性分析。整個網絡的中介性是12.6%,某些學生處于信息的中介位置,控制著信息的流動。節點11、7、18、8、33、38、6、30、32、22、4、6、5、24、35、16、23、1、17等標準化中介性值均在1以上,其中11的標準化中介值最高為15.499。由圖3可見,學生11、7、8和18在班級中扮演信息傳播中介者的角色。與此相反的是,一共有7位學生的中介性為零,表示其所處位置無法快速有效的得到班級最新消息。

通過情報矩陣各節點的中介值的測量,讓新手班主任更加清晰明了的看到了班級同學中,哪些是消息的中心人物,在班級中傳播信息,為班主任以后的班級管理提供了參考。同時從另一個側面看到了班級同學的各自特點,并且清晰地洞察了班級的整體概況。

五 總結

本研究是將社會網絡分析應用于班級管理的探索性嘗試,其研究結果只適用于與本案例相近的環境(如班主任為新手,同學間有一定的熟悉以及年級等因素),更多的推論將會失之于大膽。但是,我們利用社會網絡分析也清晰地描繪了該班級學生的網絡結構和班級的整體情況。而且,通過社會網絡分析得到的一些數據,為新手班主任在學生座位的安排上提供了一定的參考依據,更好地管理班級。雖然利用社會網絡分析研究班級管理的技術不是很成熟,但是本研究還是試圖對上述數據作了一定的解釋。本文的研究過程也存在著一些不足,除了班級中的咨詢網絡、信任網絡、情感網絡和情報網絡可以給新手班主任提供參考外,新手班主任在管理班級中的座位安排時還應該考慮其他的因素,如學生的高矮個頭、近視等等情況。

參考文獻

[1] 彭興奎.優秀班主任的九個好習慣[J].課程教材教學研究(教育研究版),2008,(4):3.

[2][8][11] 王科雄,張巧紅.座位安排三步曲[J].輔導員,2006,(7-8):83.

[3] Wellman, B.Structural analysis: From method and metaphor to theory and substance[A]. B. Wellman&S. D. Berkowitz. Social Structures: A Network Approach[C]. Greenwich, CT:JAI Press,1997:19-61.

[4] Monge, P.R., & Contractor, N.S. . Emergence of communication networks[A]. F.M. Jablin & L.L. Putnam.New Handbook of Organizational Communication [C]. Newbury Park, CA: Sage,2001:440-502.

[5] Haythornthwaite, C.. Social Network Methods and Measures for Examining E-learning[DB/OL].

[6] 張存剛,李明,陸得梅.社會網絡分析―一種重要的社會學研究方法[J].甘肅社會科學,2004,(2):109-111.

篇4

自1983年Bateman和Organ正式提出組織公民行為（OrganizationalCitizenshipBehavior，OCB）概念以來，許多中外學者對其進行了多方面研究：如，從組織公民行為的因子方面，有二維結構、三維結構、四維結構、五維結構、七維結構、九維結構、十維結構等；從組織公民行為的前因變量來看，影響組織公民行為的因素主要有工作滿意感、公平知覺、組織承諾感等態度變量和動機等心理變量、領導行為變量和組織特征變量等；從結果變量來看，主要集中在組織公民行為對組織績效的影響及對管理績效評價的影響。而最近幾年來，對組織公民行為的研究又出現了很多新的發展趨勢，比較突出地是突破傳統的個體屬性變量研究，擴展到結構變量研究，即從社會資本和社會網絡分析等觀點和方法來實證分析和檢驗組織公民行為的前因變量和結果變量。從社會資本和社會網絡角度分析組織公民行為主要關注的是人際公民行為（InterpersonalCitizen-shipBehavior，ICB），主要考察社會網絡位置（如網絡中心性、中介性、網絡規模等）對組織公民行為的影響。這個視角的發展得益于社會資本和社會網絡的跨學科研究。社會資本和社會網絡本來是社會學和人類學學者提出的概念，因其研究方法的獨特性，越來越受到除社會學以外的經濟學、心理學、管理學、組織行為學等學者的青睞。社會資本是關于結構與行動的理論，可以為組織及其成員帶來各種優勢。社會資本植根于社會網絡之中。在企業組織中，主要有三種網絡：一種是友誼網絡，一種是信息網絡，一種是咨詢網絡。另外，還有一種是信任關系。按照抽樣方式不同，對社會網絡的分析方法主要有自我中心社會網絡和整體社會網絡。自我中心社會網絡可以采用隨機抽樣，整體社會網絡必須采取一個封閉的整體，這個整體可以是一個組織，也可以是一個組織中的幾個部門，主要特點是其所分析的最小單位是整體，必須整體中的所有成員都參與進來。

二、研究假設與研究方法

1.研究假設。目前已有一些學者采用社會網絡分析方法對組織公民行為進行了實證分析。Bowler和Brass（2006）發現社會網絡關系對組織公民行為的行為者和接受者的影響。Settoon和Mossholder（2002）發現友誼網絡中心性對組織內人際公民行為有正向影響。朱慶忠（2003）在其碩士論文中發現，組織內部經常在工作上被他人請或求助的員工，以及在私人情感方面經常被他人依賴的員工，會展現出較多的組織公民行為。Lai，Liu和Shaffer（2003）在中國香港、臺灣、上海樣本中研究了社會網絡特征以及社會網絡中的關系規范對人際公民行為的影響。同時，Bolino和Turnley（2002）分析了組織公民行為的指標、社會資本的維度以及組織績效的關系，提出組織公民行為有可能在結構因子、關系因子和認知因子上增加組織的社會資本。社會網絡學者認為個體可通過網絡關系獲得及運用各種資源，而這些資源即所謂的社會資本，其鑲嵌于社會網絡之中，并由員工的社會網絡位置決定。個人的網絡中心性愈高，所建立的關系連帶愈多，其所擁有的社會資本也愈多。多數的研究發現，位于網絡中心者或連結許多強連帶者，通常能獲取較豐富的信息與資源，對他人有較強的影響力與控制力、較能提升他人對自己的依賴。個人擁有的社會資本愈多，則所獲得的相關信息、資源、情感支持、情緒支持、協助和幫助也愈多。行動者投資越多的個體資源，則擁有的社會資本也愈多。據此，本研究提出命題（1）：個體社會資本（IndividualSocialCapital，ISC）在個體網絡中心性（IndividualNetworksCentrality，INC）和組織公民行為（OCB）之間具中介作用（INC-ISC-OCB）。本研究的另一個基本假設是個體心理變量對組織公民行為具有顯著的預測作用，在這個基礎上試圖發現獨立于個體動機之外的其他類型的預測變量(如結構)對組織公民行為的預測作用和中介作用，從而探討社會情境互動中的組織公民行為成因模式。據此，本研究提出命題（2）：個體社會資本（ISC）對個體動機（IndividualMotives，IMs）和組織公民行為（OCB）具有中介效應（IMs-ISC-OC）。2.研究方法。本研究主要以個體社會資本為中介變量，采用整體社會網絡分析法建立組織公民行為的結構方程中介模型。社會網絡分析是社會科學中的一種獨特視角，包括自我中心社會網絡和整體社會網絡兩類。二者分析的重點不同，關注的的關系也不同。自我中心社會網絡關注的是個體行動者的一些關系特征，如關系的密度、同質性等，而不是作為一個整體的網絡。這種研究可以隨機抽樣。而整體社會網絡是分析具有整體意義的關系的各種特征，如互惠性、關系的傳遞性等。這種研究必須整群抽樣。本研究采用的是整體社會網絡。根據測量關系的層次和分析單位的不同，整體社會網絡因分析分析單位的不同，又可以分為個體層次分析、網絡層次分析、對偶層次分析和三方關系分析等。本研究采用的是個體層次分析。個體層次是對“點”的屬性數據分析，其分析單位是“點”，即行動者個體，其數據為屬性數據，及由關系數據轉換而成的屬性數據。本研究的變量主要有：個體社會資本、個體網絡中心性、個體動機、組織公民行為。其量表來源為：個體社會資本量表是由Seibert等（2001）所編制，其中文部分是由方鈺如（2001）所翻譯修改而成，共有11個項目（原13個項目），每個項目使用利克特7點計分法來顯示被試者的符合程度，其得分越高，表示員工所獲得的個體社會資本越多。組織公民行為的量表采用Farh等（2004）的組織公民行為量表，原量表共26個項目（原32個項目），分個人層面、群體層面、組織層面，每個項目使用利克特7點計分法來顯示被試者的符合程度。個體動機量表采用Rioux和Penner（2001）開發的15個項目的組織公民行為動機量表（原30個項目）。每個項目使用利克特7點計分法來顯示被試者的符合程度。組織內部網絡問卷題目參考Krack-hardt和Hanson（1993）研究組織內部友誼網絡、咨詢網絡的題目，采用提名生成法編寫而成。本研究通過多階段整群抽樣，在1667家企業中獲得16家企業，其中有4家企業不愿配合，實際參與調查的共12家企業，發放問卷620份，回收14家企業共485份問卷，回收率78.2%。鑒于整體社會網絡研究問卷的特殊性，若一個企業的問卷回收率或有效率低于80%，則確定為整體無效問卷。在所調查的12家企業中，最后確定整體有效問卷11家企業，其他1家企業屬整體無效。有效問卷為470份，有效率75.8%。

三、中介效應分析與檢驗

本研究采用SPSS15.0統計軟件、AMOS7.0結構方程模型軟件、UCINET6.3社會網絡分析軟件進行數據分析。1.INC-ISC-OCB中介效應分析。在AMOS7.0上運行結果顯示：個體網絡中心性對個體社會資本的影響在p<0.05水平上達到顯著，相關系數為-0.122；個體社會資本對組織公民行為的影響在p<0.001水平上達到顯著，相關系數為0.50；個體網絡中心性對組織公民行為的影響在p<0.001水平上達到顯著，相關系數為0.23?？ǚ脚c自由度之比為3.158，符合Wheaton等（1977）提出的“小于或等于5”的標準。RMSEA值為0.068，在0.05-0.1之間，表示模型具有好的擬合度。NFI、IFI、NNFI、CFI分別為0.935、0.955、0.930、0.954，符合“大于或等于0.9”的普遍可接受標準。個體社會資本對個體網絡中心性和組織公民行為三者之間的關系路徑如圖1所示。由于依次檢驗各條路徑都是顯著的，所以個體社會資本的中介效應顯著。又由于個體網絡中心性對組織公民行為的影響顯著，所以是部分中介效應，中介效應ab=-0.16×0.42=-0.03，直接效應c'=0.26，中介效應占直接效應的比例ab/c'=-0.03/0.26=11.5%。INC-ISC-OCB中介變量的模型分析結果表明：一方面，個體網絡中心性（INC）對組織公民行為（OCB）有直接正效應，即個體網絡中心性越高越容易表現組織公民行為。但另一方面，處于較高網絡位置的員工對個體社會資本有負面影響，說明個體社會資本對個體網絡中心性和組織公民行為的相關具有緩沖的作用。2.IMs-ISC-OCB中介效應分析。在AMOS7.0上運行結果顯示：個體動機對個體社會資本的影響在p<0.001水平上達到顯著，相關系數為1.131；個體社會資本對組織公民行為的影響在p<0.001水平上達到顯著，相關系數為0.50；個體動機對組織公民行為的影響在p<0.05水平上不顯著。卡方與自由度之比為5.74，大于Wheatonetal.（1977）提出的“小于或等于5”的標準。RMSEA值為1.01，大于0.1，表示模型擬合度很差。NFI、IFI、NNFI、CFI分別為0.863、0.884、0.849、0.883，低于“大于或等于0.9”的普遍可接受標準。個體社會資本對個體動機和組織公民行為三者之間的關系路徑如圖2所示。在IMs-ISC-OCB中介作用中，由于個體社會資本對組織公民行為的影響不顯著，而且各項擬合指標均不符合可接受標準，所以個體社會資本對個體動機和組織公民行為的中介效應不顯著。也就是說，個體社會資本在個體動機和組織公民行為之間不具有中介作用。3.中介效應檢驗。根據以上提出的中介效應分析與檢驗程序，以上分析中的個體社會資本對個體動機和組織公民行為的中介效應需要做Sobel檢驗。為了保證本研究的嚴肅性，本研究對以上兩個中介效應分析除了做Sobel檢驗外，又采取了GoodmanI檢驗和GoodmanII檢驗。這三種檢驗也是中介效應檢驗通常所采用的，其所用的統檢驗結果如表1所示。中介效應檢驗結果表明：個體社會資本對個體網絡中心性與組織公民行為的中介效應顯著、個體社會資本對個體動機與組織公民行為的中介效應不顯著。

篇5

關鍵詞：社會網絡分析 班級 同學 消息傳播 Cytoscape

中圖分類號：G434 文獻標識碼：A 文章編號：1674-098X（2014）10（b）-0239-02

1 研究目的

該文借鑒文獻[1]中的方法，嘗試用社會網絡分析方法分析班級同學間的關系，并對班級內的消息傳播機制進行初步分析，找出規律，并應用于解決一些實際問題。

2 數據收集

采用問卷的方式。每名學生在問卷上填寫自己的姓名、性別、喜歡的三個同學姓名和不喜歡的三個同學。調查者事先向學生們保證調查結果的保密性，以此確保學生填寫信息的真實性。

將收集得到的數據進行整理。按照豎列的順序在相應的橫排標注該學生喜歡和不喜歡的學生學號，喜歡標注+，不喜歡標注-，在自己的一欄填入■代表不適用。A班41位同學的關系如表1所示。

3 網絡分析及結果驗證

3.1 網絡參數計算

利用軟件Cytoscape[2]進行數據分析，下載并安裝插件（plugins） Hubba[3]，用于計算各種網絡參數。表2是其中的4個參數，取B班Degree得分最高的前7位同學列于表中。

Degree，頂點的度，指與該頂點相關聯的邊的條數。B班度最大的是5號同學，其次是12號和30號，這表明他們是相對最受歡迎的同學。經班主任證實，這些同學確實是班級中人緣最好的。

EcCentricity，點與所有其他點的最大距離，通俗來說就是某個對象的古怪程度。B班這個值最大的是20號同學，沒有多少人喜歡，也沒有多少人不喜歡。經班主任證實，該同學的確是最古怪不合群的。

Closeness，頂點的緊密度，度量考慮的是中心的概念，由到圖中各頂點之間的距離衡量。頂點的緊密度越大，表明頂點越居于網絡的中心，它在網絡中就越重要。B班這個數值最大的是10號同學。

Betweenness，介數中心性，用于刻畫網絡中的節點對于信息傳播的影響力，衡量了一個人作為媒介的能力。B班這個數值最大的是5號同學。

3.2 男女同學之間的關系分析

利用軟件Cytoscape，按照節點的性別，對B班的數據進行分析，得到圖1。

圖1中，圓形節點代表女生，矩形節點代表男生。圖的左、右兩邊分別展示了女生之間、男生之間的喜歡關系網絡，中間的連線展示了女生與男生之間的關系。

文獻[4]在研究中發現：同伴網絡結構存在性別差異，女生比男生更多地加入到學校的社會網絡結構中，女生雙向選擇朋友的次數多于男生。許多學者也傾向于這一觀點。在B班26個男生中，與異往的只有6個，占比約23%，涉及異性人數（不含重復）僅有7人；然而在B班17個女生中，與異往的有10個，占比高達59%，涉及異性人數（不含重復）有7人。顯然，女生比男生更傾向于與異往。

另外，班級中也存在最受異性歡迎的學生。例如，在B班，被男生喜歡次數最多的女生是12號，被女生喜歡次數最多的男生是7號，提名率遠高于其他同學。

3.3 男女同學之間消息傳播機制

根據圖1男女同學關系，與圖中另一個圓圈（即異性同學）連接最緊密的結點就是消息傳播到異際圈中的缺口。例如，在B班，男生的消息最可能從7號和10號男生處傳遞給女生，因為他們的三名喜歡對象都是女生，并且最可能得到消息的女生是12號，因為喜歡她的男生最多。而女生的消息最有可能從8號和34號女生處傳遞給男生，因為他們的三名喜歡對象中兩名都是男生，并且最可能得到消息的男生是7號，因為喜歡他的女生最多。

4 應用

班主任對班級學生關系的整體觀察與本研究的分析結果大部分相吻合。從理論層面上了解學生之間的人際關系有助于班主任對學生的影響、調控和管理。利用消息傳播機制可以進行班級內部的輿論調控，利用社團的概念可以使內部成員互相積極地影響，利用最受歡迎和最不受歡迎的特征可以了解學生的社交狀況并有效地心理輔導。這些根據社會學網絡知識得出的結論能夠使班主任的工作更加高效。

通過實驗分析的結果發現，A班29號、B班33號同學都是極為不合群、不受群體關注的（喜歡與不喜歡該學生的人數最少），應該注意多與這兩位學生溝通，了解他們的心理狀況，鼓勵他們多與同齡人交往。在B班，早戀問題應該重點關注7號男生和12號女生，因為他們是最受異性歡迎的。B班度最大的是5號同學，其次是12號和30號，這幾位同學人緣較好，可以安排他們號召同學參與活動的任務，或者安排他們與古怪的同學坐在一起，帶動這些人參與同學交往。

致謝

袁源女士對于該文的研究，給予了大力支持，作者在此表示感謝！

參考文獻

[1] Graph Theory and Complex Networks：An Introduction. Maarten van Steen.2010.

[2] http：///.

篇6

社會網絡分析高等教育定量分析我國市場化程度進一步加深，使制度改革從經濟領域延伸到社會生產生活的各個方面。這些因素的影響使高等教育的發展不得不調整結構、理念以及資源配置以適應現代社會的變遷。近年來，我國對于高等教育投入了大量的技術和資金，為高等教育的改革創造了良好的環境。但是受到傳統理念、基礎設施、管理模式和制度建設等方面的制約，我國的高等教育水平整體來看并不理想。因此，運用科學的分析方法探尋我國高等教育的發展趨勢、研究熱點對于改變我國高等教育理論研究過于單一化的現狀有重要意義。

一、社會網絡分析概述

社會網絡分析（Social Network Analysis）主要是用來分析事物相互之間的關系和這些關系構成的集合方法，所謂社會網絡實則就是有多個點之間的連線所構建的集合體。長期以來在社會學領域一致存在著研究對象和研究方法是否具有客觀性和科學性的問題，這些思想成為阻礙社會科學發展的重要因素。定量分析方法的提出和應用能夠在極大程度上對這些質疑作出回應。社會網絡分析方法是根據數學方法和圖論基礎發展出來的一種定量分析方法，這種分析方法的建立重構了人們對社會科學研究對象的理解，使研究對象從傳統的“個體”變成了“社會結構”，通過運用網絡關系分析，實現了個體之間關系以及微觀網絡和宏觀社會結構相結合。

二、社會網絡分析視角下的高等教育研究

目前我國對于高等教育的理論研究大多集中于定性研究領域，并且將研究視角局限在了政策提示下的約束性分析，在內容上過分注重于運用系統理論研究高校教學實踐和教育服務質量的改善。這些研究有一個共同的缺陷，就是不能從宏觀上把握我國高等教育的發展趨勢、實時動態和研究熱點。

1.研究方案設計

（1）分析對象

本次研究的分析對象來源于中國知網學術期刊網絡出版總庫，將“高等教育”作為搜索關鍵詞，設定搜索時間為2000年1月1日至2013年6月1日，匹配模式均為“精確”，共檢索到文獻206478個，將這些文獻作為研究對象。

（2）分析方法

以社會網絡分析方法為基礎，并運用UCINET分析軟件以及文獻分析系統BICOMB對按條件檢索到的文獻進行變化規律、發展方向、研究熱點方面的分析，進而得出目前我國高等教育理論研究領域的現狀以及特點。

2.研究結果

（1）關鍵詞的社會網絡分析

在對檢索結果進行分析的基礎上運用UCINET軟件的Netdraw功能可以將關鍵詞的社會網絡分析結果運用共現知識網絡圖的形式予以直觀的展示（見圖1）。通過共現知識網絡圖可以明顯觀察到目前高等教育理論研究中研究主題與關鍵詞的聯系程度以及緊密關系。通過對分析數據和共現圖進行研究可以看出高等教育管理、中國高等教育、體制改革、高教管理、高等教育系統、高等教育發展、高等教育評估和高等職業教育等關鍵詞的出現頻率極高。對相關論文進行統計分析可以得出結論，目前學界對于高等教育的研究主要著眼與以下方面：第一是高等教育的管理問題；第二是高等教育的基礎理論建設問題；第三是與高等教育相關的制度問題；第四是高校教學改革問題；第五是高等教育的招生就業問題；第六是高等教育的評價機制等。分析結果在一定程度上反映了社會大眾對高等教育發展的態度和期盼，例如目前社會上呼吁從基礎教育到高等教育的全方位改革、加強高校就業指導以及與社會用人單位的溝通協調、建立和完善高校運行的監管體制等一些列關于高等教育的社會熱點話題。（2）中心性分析

中心性分析主要包含三個方面的內容，即點度中心度、中間中心度以及接近中心度。其中點度中心性反映的是一個要素同其他要素的直接關系，如果該要素的點度中心度較大，則表明帶點在網絡中占據重要的位置，或者掌握著相當大的權力。在本次研究中點度中心度最大的關鍵詞是宏觀管理體制改革，而宏觀這個詞語在整個網絡中處于絕對的核心位置，其標準化中心度達到了72.681%，成為高等教育研究領域的主要內容。

中間中心度是指社會網絡中一個要素如果處于其他要素交往網絡的路徑上，則認為該要素具有重要意義，究其原因是因為該要素控制了其他要素的交往路徑資源，通過對信息進行操作將會對整個群體產生影響。在評價中間中心度時，如果一個要素處于眾多要素的最短路徑上，則高要素的中心度越高。研究結果顯示，在高等教育研究領域，中間中心度最高的兩個要素是宏觀管理體制改革研究和客戶層與教學合作研究，表明這兩個要素占據著多數的資源，其他的關鍵詞多數是通過這兩個要素實現與網絡的溝通。

接近中心度的測度可以不受其他因素的控制，如果一個要素的接近中心度較高，則該要素必然與其他所有要素的距離最短。經分析得出高校內部管理改革研究的接近中心度高于其他關鍵詞，表明該關鍵詞與其他關鍵詞的距離最短，是最有可能與其他關鍵詞共現的因素。

三、結論

整體來說，學界對于教育體制以及相關制度的研究熱情最高，而對于微觀層面和實際的教學實踐有所忽視。這種狀況導致了理論研究資源的不均衡，使高等教育發展進程中以人為本的理念難以得到落實。因此，對于學生主體性的思考以及其創造力和主觀能動性在高等教育中的作用等細節問題應納入到高更教育研究中來。

參考文獻：

＼[1＼]牛奉高，王菲菲，邱均平.中國高等教育評價研究的主題及其演變分析＼[J＼].重慶大學學報，2013，（1）.

＼[2＼]胡媛.高校教學團隊的演進與發展策略――基于社會網絡理論的視角＼[J＼].出國與就業，2011，（12）.

＼[3＼]王超，許玉貴，蔣萍.社會網絡分析視角下的高等教育研究＼[J＼].云南農業大學學報，2013，（2）.

篇7

Statistical and Machine

Learning Approaches for

Network Analysis

2012，344p

Hardcover

ISBN9783527331833

M·德默等編

圖形結構被用于計算機可以識別的結構信息時，對圖形信息進行統計分析就成為可能。生物信息學、分子與系統生物學、理論物理、計算機科學、化學、工程等多個領域都在利用這一特點充分發揮計算機在分析和統計方面的優勢。本書的一個重要特點就是將諸如圖論、機器學習及統計數據分析之類的理論相互結合，形成一個新領域，以交叉學科的方式探索復雜網絡?；蚪M、蛋白質，信號以及代謝組學數據的大規模生成使得復雜網絡的構建成為可能，它為理解生理學以及病理學狀態的分子基礎提供了一個嶄新的框架。網絡和基于網絡的方法用于生物學中以便表征基因組、遺傳機理以及蛋白質信號。疾病被看作關鍵細胞網絡的異常干擾。如今，在對諸如癌癥、糖尿病等的復雜疾病的干預中，就使用網絡理論來分析。

本書共有11章：1.重構及劃分生物網絡計算方法概論； 2.復雜網絡入門：度量、統計性質及模型； 3.進化中的生物網絡建模； 4.內含動力學的生物網絡的模塊性配置； 5.統計概算機對管理網絡大規模因果推理的影響； 6.加權頻譜分布：網絡結構分析的度量； 7.進化中的隨機二部圖的結構； 8.圖形內核； 9.用于早老性癡呆病的基于網絡的信息協同分析； 10.結構化數據中基于密度的集合枚舉； 11.采用加權圖形內核的下位詞析取。

本書第1主編是奧地利健康與生命大學生物信息學和轉化研究所所長，他在生物信息學、系統生物學和應用離散數學領域130篇。他是Wiley出版的《復雜疾病醫學生物統計學》《復雜網絡分析》和《微陣列數據分析》等書的合作編者。

本書可用作應用離散數學、生物信息學、模式識別、計算機科學專業跨學科研究生課程的補充讀物，對于這些領域的研究人員和專業人員，也是一本有價值的參考書。

胡光華，退休高工

（原中國科學院物理學研究所）

篇8

關鍵詞：矢量分析儀；饋線維護；運用

中圖分類號：TM935 文獻標識碼：A 文章編號：1672-3791（2016）06（a）-0000-00

矢量網絡分析儀是一種先進的網絡分析儀器，可以對各種通信網絡進行有效的調試測試和驗收測試，如：雷達、通訊、廣播、電視等。尤其是測試各種饋線系統，對其阻抗、反射系數的參數，可以做出準確精準的分析，判斷饋線系統是否處于正常的使用狀態，如發現問題要進行及時有效的維護，保證其運用質量。

1網絡分析儀的意義

目前，網絡市場上各種各樣的射頻器件基本都運用在廣播電臺的網絡系統中。其網絡端口分為單口和雙口兩種。前者通常都連接在儀器的最后一個接口，有著對終端負載的作用。如：短路器、負載器等。后者則是用來連接儀器的饋線或射頻電纜等，還可以連接匹配網絡的射頻元件。而 網絡分析儀就是用來測量這些網絡端口參數的，其包含兩種不同特性的儀器，即標量分析儀、矢量分析儀。不同特性的儀器所具有的測量功能也是不一樣的，標量分析儀只對特性的幅值網絡參數有效果，使用性能特別局限性。而矢量分析儀的功能就較標量分析儀先進很多，既能測量網絡參數的幅值，又能測量相位。其在廣播電臺的使用率也是最高的，因為通過矢量分析儀可以測量饋線系統中的各種參數，并對其進行精準的分析，通過分析的結果，可以幫助維護人員發現饋線的故障成因，盡早做出有效的維護，保證饋線系統的正常使用。

2矢量分析儀在饋線維護中的運用

2.1饋線系統特性測試及網絡匹配的調整

在饋線系統維護中，需要注意的就是夏季和冬季的維護工作。受不同季節的影響，饋線所呈現的物理特性也不盡相同。處在嚴冷的冬季時，由于外界氣溫較低，饋線遇到強冷空氣，半徑就會自動縮小，其阻抗特征就會增大，影響正常的信號傳輸。而處在炎熱的夏季時，饋線就會自動膨脹，使半徑面積加大，阻抗特性減小。充分體現了饋線遇冷減縮、預熱脹大的特性。針對這種特性，維修人員在冬夏季時，就要對饋線的松緊及垂直力度進行適當的調整，，保證系統的正常使用，避免饋線在受力時致使絕緣子拉斷，造成內外層導線短路，影響正常的工作進度，盡量保持饋線在冬季時放松一些，夏季則拉緊一些。同時，還要派出專業的維護人員做好饋線的定期檢查工作，尤其是冬夏兩季，不僅要檢查還要對其進行測試，把饋線與機器連接，觀察反射功率表值和天線零點表值，保證無誤后方可使用，否則就要對發射機或天線調配室的網絡進行有效的匹配、調整。

2.2時域故障定位法

在饋線維護中，如果發現故障問題時，機器的電壓駐波比就會發生波動，形成自動保護系統，機器就會自動關機。傳統維修中工作人員要想找到故障成因，都是沿著饋線長度查找，有的饋線高達1000米，而且所處的地理位置也十分復雜，增加了很大的作業難度，工作人員在具體實施中，進行的十分困難，格外加重了工程負擔。面對這種情況，工程師們研制出了時域故障定位法，這種定位方法既減輕了工作人員的業務負擔，又提高了饋線維護的工作質量。其具體操作方法如下，首先，將矢量分析儀與饋線系統連接好，然后進行儀器的校準和設置，最后進入時域測量。進入測量前，先要將電橋測試端口與饋線輸入端連接上，當儀器顯示屏右上角出現變動的數字時，則證明儀器已經進入測量狀態中，數字消失則說明測量結束。其次，對儀器進行時域計算。在計算過程中，顯示屏會出現一個圓形光點，根據測量結果，光點會按照從左至右的順序對每一個數據進行詳細的分析，最后依據定測試距離中從內到外的反射強度的大小，將光標移至到峰點附近，按照顯示屏方格頂部出現的數字，來計算光標所在點的反射率、電長度、反射角及延時度，如果開路性質在零度左右，短路性質在一百八十度左右時，這就說明饋線系統發生了短路現象。維修人員可用傳輸線將終端接口開路或短路，測出電長度和機械長度，按照測量公式將機械長度除以電長度，就會得出電波比數據，根據電波比就會計算出饋線的具置，通過這一些列的計算方式，工作人員可以迅速的找到故障原因和位置，有效的對其進行維護，為網絡通信提供了簡單、快捷的通訊途徑。

2.3饋線的性能測試及調整方法

為了加強分析儀器在饋線系統維護中的較高優勢，還要對調配室進行全面的改造。在改造過程中維修人員依然會面對各種網絡難題，必須采取相應的技術方法。例如：電波比指數偏大的問題。首先，將矢量分析儀器與饋線連接好，斷開饋線終端。然后進行儀器的校準和測試。這些工作全部完成后，再進行駐波比測試。根據相關測試表明，當儀器終端只接標阻不接天線的情況下，電波比的指數是在1.5的數值。相反，讓其在工作頻率較大的情況下。電波比指數則是在1.34的數值。盡管兩種條件下相差的數值不是很大，但是還是說明了饋線存在一定的安全隱患，必須對其進行全新的調整，等到調整完畢數值平穩后，再進行天線的接入，必要時，也可以調整一下網絡匹配，讓其更好的恢復到正常工作中。其次，對于饋線測試中出現的電波比指數差異的問題，也要究其原因，仔細的進行分析和評判?？梢岳脮r域故障定位法找出故障節點。其中節點可分為兩種坐標，即縱坐標、橫坐標。前者為反射系數，后者為電長度，根據實際的電長度所形成的反射系數，看其最高峰值在哪個點上，根據找到的點判斷故障地點，這要刨除機械對距離判斷的誤差，分析出詳細的位置。并對故障因素進行有效的處理?？梢詤⒄震伨€特性阻抗計算公式，讓維修人員了解具體的饋線參數。屬于參數規定范圍內的內層導線半徑稱作r1、內層導線數稱作n1、外層導線半徑稱作r2、外層導線稱作n2。然后根據這些參數進行相應的調整，讓特性阻抗值達到需要的標準，降低饋線桿或絕緣棒引起的反射效果。最后，進行測試后的后續工作，連接發射機，觀察儀器屏幕上的反射功率表值和天線零點表值，使其接近0，如差異較大，就要對饋線兩端的匹配網絡內的發射元件進行輕微的調整，直到數值均衡為止，這樣才能完成測試的總體工作。

3結束語

綜上所述，通過本文闡述的矢量分析儀的使用狀況，可以充分掌握饋線的各項技術信息，有效的提高了饋線維護的工作效率，使其在保質保量的情況下，為網絡通信系統打下良好的基礎。而在采用的維護方法中，時域故障定位法是實用性和準確性都比較強的技術手段，不僅適用于饋線維護的工作中，對于短波、有線電視等各種傳輸線的故障原因也起到很大的輔助效果，準確判斷出故障原因。由此可見，通過矢量分析儀在饋線維護中的運用，充分體現了科學技術的進步，對各種網絡通信設備都有著巨大的影響，值得相關技術部門的廣泛運用，在未來的時展中，還要不斷的提升科技水平，研制更為有效的分析儀器。

參考文獻：

[1]郝富年。矢量網絡分析儀在移動通信網絡建設和維護中的應用[J]工程實踐。2014（12）87-90

篇9

【關鍵詞】高速鐵路 CDL話單 用戶行為

中圖分類號：TN929.5 文獻標識碼：A 文章編號：1006-1010（2014）-22-0003-05

Analysis on High-Speed Rail Wireless Network Based on CDL Bill

YE Guan-wu

（China Youke Communication Technology Co.， Ltd.， Fuzhou 350007， China）

[Abstract]

According to the characteristics of the high-speed rail calls， all CDL （Call Detail Log） bills in high-speed rail station are extracted. The filtering rules of high-speed rail are discussed to filter the bills of high-speed rail. By analyzing bills， the comprehensive and precise high-speed rail users’ behaviors and network data can be derived to optimize high-speed rail wireless network.

[Key words]high-speed rail CDL bill single user behavior

1 引言

高鐵無線網絡一般采取針對高鐵線路覆蓋的專門站點和大網站點相互結合的覆蓋方式，但這并無法避免專門站點覆蓋到高鐵周邊的其他區域，無法通過后臺提取的站點KPI指標得到準確的高鐵網絡運營狀況，因此需要進行大量的測試。由于較高的車速導致高鐵無線網絡復雜多變，隨機異常事件頻發，上車測試得到的采樣數據有限，所以通過測試得到的網絡整體狀況不夠準確，同時又需要耗費大量的人力物力。

通過系統提取CDL（Call Detail Log）話單，可以得到大量的通話記錄，從中篩選出用戶在高鐵上的通話記錄，從而得到海量的高鐵通話數據，再對這些數據進行分析，得到更為準確的高鐵用戶行為和網絡狀況，以便進行市場分析，同時也為上車測試提供新的方向，緩解了高鐵優化工作對上車測試的需求。

2 基于CDL話單的高鐵無線網絡分析

2.1 話單提取

通過網優平臺或基站設備廠家網優工具，提取足夠數量的話單樣本以作分析。

2.2 話單篩選

針對提取的樣本話單，根據高速動車上通話的特點擬定一定的原則進行篩選，再根據不同線路高鐵動車的不同情況，擬定相應的篩選規則。以下篩選條件適用于大多的高鐵通話，可作為日常應用參考。

各條件存在先后順序，需要刪除的話單標記為0，待保留的標記為1：

（1）S1：保留起呼小區和釋放小區均為高鐵覆蓋小區的話單，刪除其余話單。

（2）刪除確定非高鐵通話的話單：

D1：刪除非高鐵運營時間內的話單。若列車趟次較少，可精確至每趟列車通過時間;若趟次較多（如下例中的福廈線），先刪除運營時間外（通常為夜間至凌晨）的話單。

D2：刪除大網IMSI的話單。如同一時段在同一小區多次起呼的IMSI可以判定為大網IMSI。

D3：刪除起呼小區相同但呼叫時長大于通過該小區覆蓋范圍所用時間的話單。

D4：其他。根據各地高鐵網絡現狀自定義篩選原則。

（3）保留確定和不確定是高鐵通話的話單：

A1：短話單。以單個小區平均覆蓋1km計算，若高鐵以200km/h的時速通過該小區大約需要18s，建議以18s作為短話單判定標準，保留200km/h時速下運營的動車線路上的通話短話單。

A2：釋放小區為相鄰地市小區的話單。以中興設備為例，其跨地市的話單會被分為兩條，存在于相鄰地市的兩個BSC上，不易判斷，暫作保留，而本地市的跨BSC話單仍為一條話單。

A3：高鐵站點小區話單。只覆蓋高鐵而吸收不到高鐵周邊話務的小區的話單，如無人山區或無外引信號的隧道洞室等。

A4：其他。根據各地高鐵網絡現狀確定符合各自情況的原則進行篩選。

（4）對可能是高鐵上通話的話單參考高鐵通話的特點用相關條件進行篩選，刪除不符合條件的話單：

F1：根據起止距離（起呼位置到終止位置的距離，部分網優平臺可提取，也可根據話單字段得到，若粗略估計可以用起止小區經緯度代替）和理論通過距離（通話時長乘以動車行駛速度）進行比較，預留一定裕量，刪除兩者差別較大的話單。

F2：其他。根據各地高鐵網絡現狀確定符合各自情況的原則進行篩選。

綜合上述各項原則及其之間的優先級，得到如下篩選公式：

K=S1*product（D1，D2，D3，D4…）*[sum（A1，A2，A3，A4…）+

product（F1，F2…）] （1）

若K值等于0，則刪除該話單;若K值不為0，則保留該話單，判定其為高鐵上通話話單。

2.3 話單分析方法

根據上述篩選出的話單可以進行由宏觀到微觀、由整體到細節的分析，從大量話單中找出高鐵網絡的整體規律、話務模型，為高鐵網絡建設、運營、優化找出方向，并提供依據，再從單個小區話單、單個用戶話單的細節分析為高鐵優化提供幫助。

（1）對提取的大量樣本話單進行統計，根據話單相關字段的統計對用戶行為進行分析，得到用戶在高鐵上的一些行為，如長話比例、通話時長等，用以幫助市場分析。

（2）對話單通話情況進行統計得到高鐵網絡的話務模型，如高鐵網絡話務忙時、閑時等。

（3）通過分析得到高鐵上通話的整體指標情況，如高鐵上通話的接通率、掉話率等，該結果相比較上車DT測試所得由于其采樣數據量大，更能客觀反映整體指標。另外，部分高鐵站點需要同時兼顧大網，故這些高鐵站點的KPI指標包含對大網通話情況的統計，無法得到其在高鐵上的網絡情況，通過對這些高鐵站點話單的篩選可以得到它們對高鐵的覆蓋情況。因此，高鐵話單分析出的結果相對網管KPI指標更能準確反映高鐵網絡質量，找到高鐵網絡的真正短板。

（4）通過上述對話單統計得到高鐵整體網絡情況之后，針對網絡短板，對相應的話單進行更加有針對性的分析。如上述統計得到高鐵掉話嚴重的小區，可以針對該小區的掉話話單逐條分析掉話相關字段，得到該小區內掉話的情況，再結合路測數據或網管信令跟蹤情況進行優化。

3 某高鐵話單分析優化示例

3.1 某高鐵用戶規模預估

每個基站設備廠家話單字段有所不同，本次優化選取某高鐵沿線連續3個同廠家的本地網（依次為A/B/C這3個地市）路段作為分析對象進行分析優化。

優化路段全程約200多公里，高速鐵路車程約70分鐘，沿線高鐵扇區近200個。該段高鐵運營時間為每日首班車06：30出發，末班車由C地市出發到達A地市的時間為23：05左右。根據高鐵客運情況和運營商市場占有率情況，對該段高鐵的CDMA用戶規模進行預估，用以判斷篩選結果的合理性，并結合話單分析市場用戶行為。預估情況如表1所示：

表1 高鐵優化路段用戶規模預估

全程公里數/km 273

平均每列乘客/人 700

每日往返列車數/對 45

上座率/% 90

合計乘客/人 56 700

手機普及率/% 95

市場占有率/% 25

每日動車CDMA用戶數/人 13 466.25

每趟動車平均CDMA用戶數/人 149.625

根據上述估計，每日約有1.3萬個CDMA用戶經過該段高鐵，而平均每列動車上約有150個CDMA用戶。

3.2 話單篩選

網優平臺提取高鐵沿線地市A到地市C基站一周的數據，起呼和釋放小區均為該段高鐵沿線覆蓋小區的話單，累計90多萬條，作為采樣樣本進行篩選。

參考上述篩選原則，并結合福廈線高鐵的情況，根據下列條件對樣本話單進行篩選：

（1）D1：刪除大網IMSI話單1。同一時段在同一小區起呼次數3次及以上的IMSI判定為大網IMSI，刪除該IMSI在該時段的話單;同一天在同一小區有3個時間段有起呼記錄的IMSI判定為大網IMSI，刪除該IMSI在當天所有話單。

（2）D3：刪除起止小區相同但呼叫時長大于動車通過該小區覆蓋范圍所用時間的話單。以每小區通過時間為18s計算，即呼叫時長大于（18s*該小區同PN小區數），車站A和車站B各?？?分鐘，因此比較時加上?？繒r間。

（3）A1：保留18s內的短話單。

（4）A2：保留終止小區為邊界小區的話單。

（5）F1：呼叫起止距離與理論通過距離比較，刪除理論距離大于起止距離2倍以上的話單（為防止起止距離誤差，預留一定裕量），刪除理論距離小于起止距離較多的話單，此處差值以（起止小區的同PN小區數之和/2*1km）為判定標準。

篩選公式如下：

K=D1*D2*（A1+A2+F1） （2）

若K值為0則保留，判定為高鐵話單作為下文分析之用。

由該篩選方法從90多萬條話單中得到83 627條話單。

3.3 用戶行為分析

對篩選出的83 637條話單進行統計，結果如表2所示：

表2 高鐵話單篩選結果

累計話單數 83 637

累計話務量/Erl 651.28

累計通話IMSI數量 54 586

日均話單 11 948.14

日均話務量/Erl 93.04

日均通話IMSI數量 7 798.00

每IMSI產生話單數 1.53

平均每趟列車通話IMSI數 86.64

平均每趟列車產生話單 132.76

平均每話單通話時長/s 28.03

主叫話單比例/% 51.24

被叫話單比例/% 47.26

已知IMSI歸屬地話單 59 388

各本地用戶 28 416

漫游話單比例/% 52.15

各本地用戶主叫話單 13 354

各本地用戶主叫長途比例/% 10.84

從表2可知，根據話單結果該段高鐵動車上日均產生11 948條語音話單，日均話務量約為93.04Erl。由上述預估每趟列車有天翼用戶數150人，其中地市A至地市C約有86人產生語音通話話單，平均每2人撥打3次電話，每次通話時間約為28s，主叫和被叫比例約為1：1。

由于平臺數據庫無法得到所有IMSI的歸屬地，從采樣結果中僅得到59 388條話單的IMSI歸屬地，對此進行的統計結果看到，本地用戶僅占不到一半，漫游話單比例達52.15%，而本地IMSI的主叫話單中，長途主叫的比例有10.84%，比例較高。

篩選出的話單按照時間段統計，由于僅提取一周數據，每日全天話務走勢不具有代表性，僅統計每天各時段話務分布，結果如圖1所示：

圖1 該段高鐵小區每日各時段話務情況

由圖1可以看到，每日各時段的分布中，09：00―10：00和17：00―19：00最多，最忙時為17：00，這與傳統的語音晚忙時19：00明顯不同，因此后續對該高鐵的優化建議多參考沿線站點17：00時段指標。繼續深入分析每個高鐵扇區的忙時，能更準確地對每個高鐵小區話務模型進行分析優化。

3.4 掉話情況分析

采樣結果的83 637條話單中有642次掉話話單，語音掉話率達0.77%。由于呼叫時長小于18s的短話單無法很好的區分是否是在高鐵上起呼，而大于18s的話單可以通過其他條件篩選，得到更貼近高鐵通話的話單，因此將話單區分為18s內的短話單和18s以上的長話單，分別統計掉話率，得到結果如表3所示：

表3 該段高鐵掉話情況

呼叫時長/s 掉話次數 掉話率/% 占比/%

≤18 160 0.35 24.92

>18 482 1.29 75.08

由表3可以看到，該段高鐵上大于18s的通話掉話率達1.29%，掉話率較高?？梢詫Φ粼捖矢叩男^進行TOPN進一步分析。分析結果與各小區網管掉話率指標相比更具指導意義，也可與上車DT測試結果進行比較分析，根據基站廠家的話單字段含義得到掉話原因值如表4所示：

表4 該段高鐵掉話原因

失敗原因值 掉話次數

SDM_Link_Fail_RevTooManyBadFrm 550

ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvOrgnInSessionState 71

ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvRegInSessionState_Others 18

由表4得到主要的掉話原因：“SDM_Link_Fail_RevTooManyBadFrm”，該原因的掉話次數有550次。引起該失敗值掉話的原因有很多，主要是無線環境惡化導致BSC側在一段時間內收到大量壞幀，從而引起掉話。另外掉話較多的失敗原因是失敗71次的“ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvOrgnInSessionState”，根據這些掉話原因，進一步對掉話的話單進行詳細分析。

3.5 其他情況分析

根據以上的分析方法，還可以對高鐵上CDMA用戶的接入情況、切換情況等指標進行分析，進一步了解高鐵沿線基站的覆蓋質量、用戶的使用行為。

4 結束語

本文針對高鐵的特點，設定一定的規則對話單進行篩選，得到較為符合高鐵列車上的通話話單。文中所列的篩選條件僅作參考，不同地市或不同的高鐵線路應根據各自的特點采用不同的條件進行更精確的篩選，如根據動車的運營時間、通過每個站點的時間，根據該時間篩選話單可得到更精確的結果。

本文僅對CDMA語音話單中的一些主要字段進行分析，得到該段高鐵CDMA語音網絡的部分用戶行為及網絡情況。CDL其他字段也可供優化人員進行分析，以獲得更多高鐵網絡信息，再根據整體分析得到問題點，對問題話單的相關字段進行更深入的分析。不同基站設備廠家有其各不相同的話單字段，為優化人員提供了通話過程的各種信息，通過對海量高鐵話單的分析，得到更準確的高鐵用戶行為和無線網絡狀況，幫助市場分析和網絡優化。

隨著經濟的發展，我國將建設更多的高速鐵路，越來越多的用戶將通過高鐵出行，高鐵網絡的優化工作也變得更加重要。本文通過CDL話單定位分析高鐵無線網絡狀況，為今后的高鐵優化工作提供了一個較為便捷有效的優化手段。

參考文獻：

[1] 張傳福，李夢迪，王剛. 高速移動環境下組網方案[J]. 電信工程技術與標準化， 2009（4）： 75-78.

[2] 張敏，李毅，舒培煉. 高速鐵路列車車廂穿透損耗應用探析[J]. 移動通信， 2011（2）： 21-25.

[3] 中興通訊股份有限公司. 系統呼叫失敗原因和掉話解釋（1X業務分冊）[Z]. 2009.

篇10

關鍵詞：復雜網路；投入產出；度分布

一、引言

系統是由相互作用和依賴的若干組成部分結合的具有特定功能的有機整體[1]。而網絡是由節點以及節點之間的連線組成的，將真實系統中的元素看成網絡中的節點，元素之間的數量關系看成網絡中的邊，用這種方式構建的網絡可以用來描述各類真實系統。近年來，復雜網絡作為大量真實復雜系統的高度抽象[2]，成為學者們研究的熱點，很多國際一流的期刊都陸續刊發了許多有關復雜網絡的論文，研究范圍包括：電力網絡、病毒傳播網絡、神經網絡、演員合作網絡、交通網絡等，而對產業結構進行研究的論文還較少。

經濟的發展與其產業結構有重要的關聯。產業結構轉型是地區經濟快速增長的核心驅動力[3]。而優化高效的產業網絡是經濟社會全面發展的必要條件[4]。本文以我國產業結構為研究對象，將其抽象為由產業和產業關聯所組成的復雜網絡，產業作為網絡中的節點，產業間的聯系視為網絡中的邊，以此建立起產業結構的網絡模型，計算網絡的統計特征，研究網絡的復雜性，希望能為中國產業結構的優化發展提供決策依據。

二、方法和數據來源

中國的產業結構網絡由42個產業（即節點）組成，數據來自中國2012年的投入產出表。對數據說明如下：

第一，不考慮本產業之間的中間投入，這樣可以避免建立一個自環的網絡。

第二，引入消耗系數并作無向化處理。計算過程如下：

第一步：計算直接消耗系數。

aij=xij/xj（i，j=1，2，……n）（2-1）

其中，aij為j產業生產時所消耗i產業投入的系數，xij為i產業對j產業的中間投入，xj為j產業的產出。

第二步：無向化處理。

rij=aij+aji2（2-2）

在本文中設a為消耗系數的臨界值，然后對所有的rij取均值即得到a。如果rij≥a則認為這兩個部門之間有聯系，即兩點之間有邊。本文計算出的a值為4.324×10-3，即當rij≥4.324×10-3時，i和j之間有邊存在，經計算網絡中的邊數為1936條。

三、網絡相關統計指標

（一）平均最短距離

平均最短距離描述了網絡中各個節點的分離稱度。在產業結構網絡中，兩個產業之間最少的邊數即為兩節點之間的最短距離。因此，網絡的平均最短距離可定義為所有節點最短距離的平均數。計算如下：

L=2N（N-1）∑i>jdij（3-1）

其中，N=42是網絡的節點數，dij為節點i與節點j之間的最短距離，計算的中國產業結構網絡的平均最短距離為1.372。

（二）平均簇系數

簇系數是用來衡量網絡節點聚類稱度的參數，節點i的簇系數計算如下：

Ci=1Ki（Ki-1）∑Nj，k=1bijbjkbki（3-2）

其中ki為節點i的度，bij為鄰接矩陣元，當節點i，j相鄰時其值為1，否則為0。

因此，整個網絡的簇系數為：

C=1N∑Ni=1Ci（3-3）

計算可得中國產業結構網絡的簇系數為0.533，具有一定的聚集性。

（三）度及其分布

與節點連接的邊的數量稱為節點的度，而網絡的度是網絡中所有節點的度的平均值。節點的度越大代表節點的影響力越大，在網絡中的地位越重要，反之亦然。度分布用分布函數P（k）表示，可定義為在網絡選擇一個節點其度值為k的概率，也等于網絡中度值為k的節點的個數與網絡節點總數比值。根據數據可以算的中國產業結構網絡的平均度為23.4，即每個產業平均與23個產業相連。

（四）度-度相關性

度-度相關性指的是節點之間相互選擇的偏好，節點i的所有鄰近節點的平均度可記為：

Knn，i=1Ki∑kij=1Kij（3-4）

其中，Kij是i的Ki個鄰近節點的度，j=1，2，……，ki。度為k的所有節點的鄰近點的平均度，公式如下：

Km（k）=1Nk∑iki=1Km，vi（3-5）

其中，度為k的節點表示為v1，v2，……，vi，Nk是指網絡中度為k的所有節點的個數。

通過計算我們就可以知道網絡的相關性，當Km（k）隨著k的增加而增加，隨著k的減小而減小，即可判斷網絡是正相關的，反之如果Km（k）隨著k的增加而減小，隨著k的減小而增加，即可判斷網絡是負相關的。運用Newman給出的計算方法可計算出網絡節點度的Pearson相關系數r[5]。公式如下：

r（g）=M-1∑ijiki-[M-1∑i12（ji+ki）]2M-1∑i12（ji+ki）-[M-1∑i12（ji+ki）]2（3-6）

式中，M為觀察到的網絡中的連線的數目，jk，ik是第i條連線兩端的節點度數且i=1，2，……，M，-1≤r≤1。

根據公式計算出的中國產業結構網絡的相關系數r=0.628，度度之間表現為正相關性，說明度小的節點優先連接度大的節點。

（五）介數中心性

介數中心性是以經過某個節點的最短路徑的個數來刻畫節點重要性的，簡稱介數（BC），具體地，節點i的介數可定義為：

BCi=∑s≠i≠tnistgst（3-7）

其中，gst為從節點s到節點t的最短路徑的數目，nist為從節點s到節點t的gst條最短路徑中經過節點i的最短路徑的數目。計算可得，中國產業結構網絡中各節點的點介數分布前十的產業如下：

表節點介數排名前十的產業

序號產業節點介數

1化學工業0.24836

2金屬冶煉及壓延加工業0.14637

3電力及蒸汽、熱水生產和供應業0.11293

4農業0.08534

5商業0.07246

6貨運郵電業0.06582

7石油和天熱氣開采業0.06191

8機械工業0.04237

9電子及通信設備制造業0.03183

10食品制造業0.03012

節點介數的大小反映了該產業在網絡中的影響力，因此如果將表中的某個或某幾個產業乃至全部的產業從網絡中去除將會極大的影響網絡的運行。

四、結論

本文借助復雜網絡理論對中國產業結構網絡性質做了初步的研究，得出中國產業結構網絡是一個小世界網絡，具有小的平均最短路徑和較大的聚集系數，度-度表現出正的相關性，說明度小的節點傾向于與大的節點連接。對于復雜網絡所涉及到的更為復雜的研究方面包括：邊的方向及邊權、點權對網絡性質的影響等在本文中沒有做深入的研究。（作者單位：蘭州交通大學經濟管理學院）

參考文獻：

[1]錢學森，許國志，王濤云.論系統工程[M].長沙：湖南科學技術出版社，1988：7-12.

[2]周濤，柏文潔，汪秉宏等.復雜網絡研究概述[J]，物理，2005，34（1）：31-36.

[3]Sachsa J D，Woob W T.Understanding China’s economic performance[J].The Journal of Policy Reform.2001，4（1）：1-50.