网络社区发现算法在流动表建模中的设计与应用

摘要：

代际流动表可以统计子代与其父代社会地位配对数据的交互频数,反映了社会资源占有的优劣势在父子两代人之间的比较.对财富、阶级、特权等社会基本特征演变的实证考察,均依赖于代际流动表的量化分析.对数线性模型是流动表建模分析的基本工具,通过对列联表单元格频数进行拟合,可以识别流动表行分类与列分类之间的强弱交互效应,刻画父子社会地位间的交互结构.本文利用复杂网络社区发现算法分析父子社会地位的关联结构,针对简约对数线性模型拟合精度不够的问题,提出一种新的建模思路:利用社区发现算法对简约对数线性模型的残差列联表进行关联关系挖掘,将发现的社区效应作为附加参数约束引入原对数线性模型,以改善数据的拟合情况.由于该方法只在原简约对数线性模型中增加了一个参数约束,因此仍可以保证建模结果的简洁性及理论意义,同时社区效应补充了原对数线性模型对经验数据结构的解读.论文用此方法对来源于中国综合社会调查数据的经验代际职业流动表进行建模分析,较好地解释了子代职业阶层与父代职业阶层间的关联模式.

关键词：社区发现算法、代际流动表、对数线性模型、矩阵谱分析

所属期刊栏目：36

分类号：C81(统计方法)

资助基金：国家社会科学基金后期资助项目“转型中国社会代际流动特征的测度与比较研究”18FTJ001

在线出版日期：2019-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：119-128