基于线上线下视角的我国民族空间关联特征及影响因素研究

郭涛　阎耀军

【摘 要】我国各民族在空间分布上呈现“大杂居，小聚居”的分布格局，这有利于各民族間社会、经济以及文化等方面相互联系和发展，有利于各民族间的交往、交流及交融。本文引入社会网络分析模型对我国民族空间关联网络特征及其影响因素进行研究，通过收集我国各个民族相关网络搜索数据构造线上网络空间数据，实现对我国民族空间关联线上和线下对比分析。研究结果表明，线下民族空间关联对线上民族空间关联具有显著正向影响，线下民族空间关联提升1%可以提升线上民族空间关联0.303个百分点;提升民族第二产业人口比例、高教育人口比例以及镇区人口比例有助于提升我国线下民族空间关联关系，提升我国各民族第二产业人口比例和高教育人口比例同样有助于提升我国线上民族空间关联关系。

【关键词】民族;线上;线下;空间关联;社会网络分析

【作 者】郭涛，天津工业大学经济与管理学院讲师，博士;阎耀军，天津工业大学经济与管理学院教授。天津，300387。

【中图分类号】C956  【文献识别码】A  【文章编号】1004-454X（2019）02-0036-011

一、引 言

我国是一个统一的多民族国家，各民族在长期的历史发展中，逐步形成了以汉族为主体，各民族大杂居、小聚居、交错杂居的空间分布状态。[1]这种状态有利于促进各民族间社会、经济以及文化等方面相互联系和发展，实现各民族间的交往、交流及交融。党的十九大报告提出，加强各民族交往交流交融，促进各民族像石榴籽一样紧紧抱在一起，共同团结奋斗、共同繁荣发展。在新的历史时期，继续对我国民族空间关联特征及其影响因素进行研究，探索提升我国民族空间关联的有效路径措施，从而有效促进我国各民族之间的交往、交流及交融，具有重要的理论和现实意义。

截至2018年6月，我国网民规模为8.02亿，较2017年末增加3.8%，互联网普及率达57.7%，[2]中国已经真正跨入了网络社会。网络社会作为现实社会的一部分，不仅是现实社会的反映和折射，同时网络社会与现实社会也会产生相互影响和作用。民族空间关联不仅存在于现实空间（线下），在网络空间（线上）中也得到具体体现，如在网络论坛、搜索引擎以及社交媒体等线上空间存储着大量的民族空间关联信息。将这些信息有效提取出来，将会打开我国民族空间关联关系研究的新视角，同时为现实空间民族关联分析提供有益补充。对于当前民族的空间分布特征进行研究，能够为我们以动态的整体性视角把握我国各民族之间的交往、交流及交融提供理论与方法支撑。

对于民族关联和融合方面的研究，费孝通先生已提出“中华民族多元一体”理论[3]，同时各民族在各自发展过程中形成了块式的空间分布模式，其中存在着几条民族相互融合、互动的“民族走廊”[4]，民族走廊对民族的形成以及民族间的融合发挥了重要作用[5]。一些学者利用田野调查方法对民族互动交往的空间、路径及结果进行了研究[6][7]（注：鉴于“民族”与“族群”这两个概念存在一些交叉关联之处，本文统一使用“民族”一词进行描述[8]）;对于我国民族空间分布格局，一些学者基于人口普查数据进行研究[9][10][11][12]，对我国少数民族人口空间分布特征和变动趋势进行分析;随着经济社会的快速发展，各民族人口的空间分布也在发生演变。在互联网不断普及化的背景下，一些学者开始关注网络对民族交往交流交融的影响，周竞红（2003）[13]认为网络的大容量信息及其迅速的传播对多民族社会的民族关系产生了越来越明显的影响，网络信息对民族关系发展的影响具有双重性;陈静静（2010）[14]分析了互联网推进民族多维文化认同建构的可能性;黄旭（2016）[15]认为互联网将重构民族国家在虚拟空间的存在方式，民族国家的空间边界由相对清晰变为模糊，并产生空间溢出和收敛的效应。网络数据为族群研究打开了一种新视角。[16]

社会网络分析模型（Social Network Analysis， SNA）作为近年逐步成熟起来的一种社会科学研究方法，它通过建立个体之间关联关系的模型，来描述群体关系的结构，并分析它对群体功能或者群体内部个体的影响，在经济、金融、旅游等领域取得广泛应用，[17][18][19]本文引入社会网络分析模型对我国民族空间关联网络特征及其影响因素进行研究，通过收集我国各个民族相关网络搜索数据构造线上网络空间数据，实现对我国民族空间关联线上和线下对比分析。本文将在以下三个方面对民族空间关联研究进行拓展：

1.从研究视角方面，通过收集我国各个民族相关网络搜索数据构造线上网络空间数据，实现对我国民族空间关联线上和线下（实际空间分布）对比分析，拓展对我国民族空间关联分析的新视角;

2.从研究方法方面，引入社会网络分析模型对我国民族空间关联网络特征及其影响因素进行研究，对民族空间关联进行定量分析，有利于掌握民族空间关联的实际状态，从而提出有针对性的对策措施;

3.从对策措施方面，针对线上线下民族网络空间关联分析的结果，提出加强我国民族线下和线上空间关联的对策措施，从而有效促进我国各民族之间的交往、交流及交融。

二、研究方法与数据来源

（一）研究方法

本文的研究思路与框架如图1所示，首先收集民族分布统计数据与民族网络搜索数据，对收集的数据进行整理得到线下和线上民族空间关联系数矩阵，然后借助社会网络分析方法对关联系数矩阵进行中心性分析和凝聚子群分析，同时利用QAP相关分析和QAP回归分析得到民族空间关联影响因素分析，最后基于数据分析的结果给出研究结论和政策启示。

社会网络分析方法（Social Network Analysis， SNA）起源于二十世纪五十年代，最初应用于心理学领域，后来被拓展到社会学、人类学、经济学、生命科学等多个领域的研究。社会网络分析分析对象为若干点（社会行动者）以及各点之前的连线（行动者之间的关系）的集合。[20]2-3借助社会网络分析可以对民族空间关联进行中心性分析（度数中心度、中介中心度以及接近中心度）和凝聚子群分析。社会网络分析常用的分析工具有Netdraw、UCINET以及Pajak等，本文数据分析使用UCINET6.0版本。

（二）数据来源

民族分布的主要地区及人口数量基于2010年第六次全国人口普查数据整理得到，来源于《中国统计年鉴2017》，民族人口分产业数据、城镇、教育及年龄结构数据均来源于《中国民族统计年鉴2016》。民族线上搜索数据在百度搜索引擎（www.baidu.com）中输入各民族关键词得到的相关搜索数量。由于除汉族之外的少数民族在空间分布上具有较强的集中性和分散特征，对于线下民族空间关联数据，本文基于《中国统计年鉴2017》中少数民族分布的主要地区，对两两民族共同分布的省级行政区域数量进行统计，构造出线下民族空间聚集矩阵，Cij代表民族i和民族j共同分布的省级行政区域的数量（Cij≥0）。得到线下民族空间关联系数矩阵如表1所示。

其中，Si和Sj分别代表民族i和民族j的百度搜索数量，Sij代表民族i和民族j共同的百度搜索数量。计算得到线上民族空间关联系数矩阵系数如表2所示。

三、我国民族空间关联网络特征分析

（一）整体空间网络特征分析

根据前面线下和线上民族空间聚集矩阵的计算结果，借助UCINET软件可以对线下和线上民族空间聚集进行可视化处理，如图2所示。

由于线上民族空间关联矩阵中0|Dij|1，而在实际关联计算中需要确定两个民族是否存在空间关联关系，即：有关系（用1表示）和无关系（用0表示）。在此引入ρ为民族关系临界值（0|ρ|1）如果两个民族之间的线上空间关联系数Dij|1，此时认为两个民族之间存在空间关联关系，记作1，否则记作0。同时本文中的网络为无向网络。选定了ρ值后，可以得到民族之间的空间关联矩阵Eij。

根据ρ的不同取值，可计算出对应的网络密度值，线下和线上民族空间关联网络密度值的变化对比如图3所示。从图中可以看出，线下民族空间关联网络密度值为0.37，而随着ρ的不断增大，线上民族空间关联网络密度值从0.92降低到0.01，而当ρ=0.1时，线上与线下民族空间关联网络密度值比较接近。

（二）民族空间网络中心性分析

1.中心性分析

民族空间关联网络特征可以借助度数中心度、接近中心度和中介中心度等指标进行中心性进行衡量，表3为线下民族空间关联网络结构特征，56个民族平均度数中心度为28.1，其中24个超过平均值，漢族、回族、苗族、藏族、壮族和瑶族的度数中心度都超过50，这些民族具有人口数量大、空间分布广的特点，与其他民族具有广泛的空间关联。接近中心度的和中介中心度指标数值较高，也说明这些民族在我国民族空间关联网络中扮演着重要的“桥梁”和“中介”作用。

表4为线上民族空间关联网络结构特征，从中可以看出56个民族平均度数中心度为42.4，其中29个超过平均值，蒙古族、哈萨克族、傣族、壮族和苗族的度数中心度都超过70，这些民族都具有跨境民族的特征，度数中心度较高表明这些民族在线上民族空间关联网络中具有较大的影响力，同时接近中心度的和中介中心度指标数值较高，同样表明这些民族在线上民族空间关联网络中扮演着重要的“桥梁”和“中介”作用。

2.凝聚子群分析

凝聚子群分析有助于量化分析民族群体内部的“小团体”，团体现象的研究并不是要将民族群体划分为彼此割裂的团体，而是团体内部成员比外部成员的联系相对更密切，各团体之间也存在着一定的相关联系。在此使用CONCOR迭代相关收敛法对线下和线上民族空间关联网络进行聚类分析，线下聚类结果如表5所示。从表中可以看出线下民族空间关联网络可以划分为8个子群，这些子群与民族的区域分布高度相关，如第一子群包括：汉族、蒙古族、满族、朝鲜族、鄂温克族、达斡尔族、鄂伦春族、赫哲族，整体分布在我国东北和内蒙古地区;第二子群包括柯尔克孜族、东乡族、乌孜别克族、塔塔尔族、锡伯族、塔吉克族、维吾尔族、哈萨克族以及俄罗斯族，这些民族分布在我国的新疆地区;其他子群分别分布于西藏、甘肃、云南、四川、贵州以及广西等地区，这符合我国民族空间分布中的“大杂居、小聚居”特点。

线上聚类结果如表6所示。从表中可以看出线上民族空间关联网络也可以划分为8个子群，这些子群与民族的人口数量以及网络搜索量具有较强的相关性。

四、我国民族空间关联的影响因素分析

（一）影响因素选择与模型构建

在分析我国民族空间关联网络特征的基础上，进一步研究哪些因素可能会影响我国线下和线上民族空间关联性。对于线下民族空间关联网络，民族人口数量、民族各产业人口比例、民族年龄结构、民族城镇人口比例以及高教育人口比例等因素都可能影响到线下民族空间关联性。在此构建线下民族空间关联影响模型如下：

[X=fP，I，A，U，E]

其中，P表示各民族人口数量差值;I表示各民族产业（第一、第二、第三产业）人口比例差值;A表示各民族年龄结构比例差值;U代表各民族城镇人口比例差值，具体可分为各民族城市人口和镇区人口所占比例差值;E代表各民族不同教育程度人口比例差值，具体可分为各民族基础教育程度人口和高教育程度（高中及以上教育程度）人口所占比例差值。

对于线上民族空间关联网络，除以上可能的影响因素之外，线下民族空间关联网络可能影响到线上民族空间关联性。构建线上民族空间关联影响模型如下：

[S=fX，G，P，I，A，U，E]

其中，G表示各民族的网络搜索数量差值，其数据来源于百度搜索引擎（www.baidu.com）。民族人口数量、民族各产业人口比例、民族年龄结构、民族城镇人口比例以及不同教育程度人口比例等数据均来源于《中国民族统计年鉴2016》。

（二）QAP相关性分析

借助Ucinet软件，选择5000次随机置换，对线下民族空间关联网络矩阵及其影响因素矩阵进行QAP相关分析，分析结果如表7所示。其中，相关系数是线下民族空间关联矩阵与各个影响因素矩阵两两计算得到的结果，显著性水平小于等于0.01表示在99%的置信程度下存在显著的相关关系;相关系数均值指的是在5000次随机置换计算得到的相关系数均值;最小值和最大值分别代表随机计算中相关系数出现的最小值和最大值;P>=0与P<=0分别表明这些随机计算出来的相关系数大于等于或小于等于实际相关系数的概率。

从表7可以看出，除第三产业人口差值之外，其他指标均与我国线下民族空间关联网络存在显著的相关关系，其中相关系数最大的是民族人口差值变量（0.412***），其次为高教育人口比例差值（-0.178***）和基础教育人口比例差值（-0.139***），这表明，教育水平的不均衡对我国线下民族空间关联产生显著地负向影响，有75%（42/56）的民族高教育人口比例低于全国平均水平（25.2%），因此，采取积极有效措施提升我国民族高教育人口比例有助于促进我国线下民族空间关联关系。

第一产业、第二产业人口差值与线下民族空间关联网络的相关性分别为-0.117（***）和-0.138（***），这说明我国各个民族之间第一产业和第二产业人口比例不均衡对我国线下民族空间关联具有负面影响，进一步分析可以看出，对于第一产业人口比例来说，有87.5%（49/56）的第一产业从业人口比例高于全国平均水平（48.3%），合理地降低各民族第一产业从业人口比例有助于提升我国线下民族空间关联关系;对于第二产业来说，有96.4%（54/56）的民族第二产业人口比例低于全国平均水平（24.2%），因此提升各民族第二产业人口比例有助于提升我国线下民族空间关联关系。

镇区人口比例差值与线下民族空间关联的相关系数为-0.135（***），有69.6%（39/56）的民族镇区人口比例低于全国平均水平（20.0%），因此提升各民族镇区人口比例有助于提升我国线下民族空间关联关系。

线上民族网络关联网络及其影响因素QAP相关分析如表8所示，可以看出，线下民族空间关联与线上民族空间关联存在显著的正相关关系;而各民族搜索量差异、第一、第二、第三产业人口差值以及高教育程度人口比例差值与线上民族空间关联存在显著负相关关系。

（三）QAP回归分析

对线下民族空间关联网络矩阵及其影响因素矩阵进行QAP回归分析，随机置换次数选择10000次，QAP回归分析结果如表9所示。回归模型的可决系数R2为0.232，这表明4个解释变量（民族人口差值、第二产业人口比例差值、高教育程度人口比例差值、镇区人口比例差值）可以解释“线下民族空間关联”因变量变异的23.2%。其中民族人口差值对线下民族空间关联的影响最大（0.451***），其次为第二产业人口比例差值（-0.177***）、高教育程度人口比例差值（-0.128**）以及镇区人口比例差值（-0.059*）;其中第二产业人口比例差值、高教育程度人口比例差值以及镇区人口比例差值对线下民族空间关联具有显著的负影响，结合以上分析，增加民族第二产业人口比例、高教育人口比例以及镇区人口比例有助于提升我国线下民族空间关联关系。

线上民族空间关联网络影响因素QAP 回归结果如表10所示，回归模型的可决系数R2为0.146，这表明线下民族空间关联、线上民族搜索量差值、第二产业人口比例差值以及高教育程度人口比例差值4个自变量可以解释“线上民族空间关联”因变量变异的14.6%。从表10可以看出，线下民族空间关联对线上民族空间关联影响系数最大（0.303***），其次为线上民族搜索量差值（-0.269***）、第二产业人口比例差值（-0.132***）以及高教育程度人口比例差值（-0.111**），其中线下民族空间关联对线上民族空间关联具有显著正向影响，线下民族空间关联提升1%可以提升线上民族空间关联0.303个百分点，而第二产业人口差值与高教育程度人口比例差值均对我国线上民族空间关联具有显著的负向影响，因此提升我国各民族第二产业人口比例和高教育人口比例同样有助于提升我国线上民族空间关联关系。

五、结论与政策启示

（一）研究结论

1.汉族、回族、苗族、藏族、壮族和瑶族在我国线下民族空间关联网络中扮演着重要的“桥梁”和“中介”作用。而蒙古族、哈萨克族、傣族、壮族和苗族等跨境民族在线上民族空间关联网络中具有较大的影响力，在线上民族空间关联网络中扮演着重要的“桥梁”和“中介”作用。

2.线上民族空间关联网络与线下民族空间关联网络存在显著的相关性（0.256***），线下民族空间关联对线上民族空间关联具有显著正向影响，线下民族空间关联提升1%可以提升线上民族空间关联0.303个百分点。

3.第二产业人口比例差值、高教育程度人口比例差值以及镇区人口比例差值对线下民族空间关联具有显著的负影响，增加民族第二产业人口比例、高教育人口比例以及镇区人口比例有助于提升我国线下民族空间关联关系;第二产业人口差值与高教育程度人口比例差值对我国线上民族空间关联具有显著的负向影响，因此提升我国各民族第二产业人口比例和高教育人口比例同样有助于提升我国线上民族空间关联关系。

（二）政策启示

基于以上整体研究结论，可以得到以下几点政策启示：

第一，要重视一些民族在我国线下和线上民族空间关联网络中的“桥梁”和“中介”作用，特别是跨境民族对于我国线上民族空间关联网络中的影响力。

第二，线上民族空间关联网络与线下民族空间关联网络存在正相关关系，线下民族空间关联关系的提升有助于提升线上民族空间关联关系。

第三，采取措施提高我国民族第二产业人口比例以及高教育（高中及以上）人口比例，可以有效提升我国线下和线上民族空间关联性，从而推动我国各个民族的交往、交流及交融;同时提升各民族镇区人口比例也有利于提升线下民族关联性，作为连接城市与农村的纽带和桥梁，小城镇建设在乡村振兴战略实施过程中也具有现实意义，小城镇既为大中城市承接大城市转移产业与人口、提供配套支撑，也为农村解决富余劳动力，促进农村城镇化。

参考文献：

[1] 李克建.中国民族分布格局的形成及历史演变[J].西南民族大学学报（人文社科版），2007（9）.