第二节 社会网络分析

20世纪30～60年代，在心理学（勒温、莫雷诺、海德等）、社会学（莫雷诺等）、人类学（布朗、纳德尔、梅奥、巴恩斯、米歇尔等）以及数学（特别是欧拉）、统计学、概率论研究领域，各种网络概念如中心性、密度、中心势以及社群结构、派系等纷至沓来。然而，在20世纪60年代网络分析刚刚开始时，学术界对于社会网络分析就存在着两个不同的领域。一是以林顿·弗里曼（Linton Freeman）为代表，采用社会计量学的传统，进行社会心理学的小群体研究；二是以哈里森·怀特（Harrison White）、格兰诺维特和林南等为代表，他们的研究属于结构主义社会学的范畴，以网络作为社会结构，来看待社会网络对个人行为的影响。到20世纪70年代中期，《社会网络》杂志成立，宣告“网络分析的国际网络”已经形成，从此网络分析就成为社会学中具有相当影响力的领域（张其仔，2001）。

社会网络分析与传统研究最大的不同在于社会网络分析是从个体之间的关系入手，分析网络成员间的互动和影响，而传统研究则主要关注个体的属性（罗家德，2005）。把个体间的“关系”作为分析单位决定了社会网络分析已成为一种新的社会科学研究方法和范式。网络分析者认为，整个社会是一个由相互交错或平行的网络构成的大系统。社会网络的结构及其对社会行为的影响模式是社会网络的研究对象，研究社会网络的目的是为了揭示深层的社会结构，即隐藏在社会系统复杂表象之下的固定网络模式（肖鸿，1999）。一般来说，社会网络结构可分为微观、中观和宏观三个层次（Duch and Arenas, 2005）。

一 个体层次

权力是社会学、政治学研究的重要内容。如何解释权力的成因、结果，学者们很少能够达成一致的意见（刘军，2004）。由于权力的概念往往是抽象的，因而很难对其进行测量、界定。然而，自从社会网络学的研究兴起，用网络研究中的中心性就能够很好地表达权力的概念。

中心性是社会网络微观结构的重要特性之一，也是社会网络分析的重点之一，其反映的是个体在网络中权力的大小。怀特等提出个体之间的关系是一种客观存在的社会结构，分析这些关系对个体的影响，指出人们在其社会网络中是否处于中心地位以及其占有网络资源的数量和质量等（肖鸿，1999）。通过对中心性的测量能够反映出个体在组织内权力的大小。中心性通常用三种指标来测度：度中心性、接近中心性和居中中心性（Freeman, 1979）。如果个体度中心性较大，表明该个体居于中心地位，从而拥有较大的权力；接近中心性高的个体，说明他和其他点很接近，因此不依赖于他者；居间中心性表征的是一个个体在多大程度上成为他者的桥梁或在多大程度上能控制他人。

结构洞刻画的是社会网络微观结构的另一个重要方面。Burt提出的“结构洞”理论认为，社会网络表现为两种关系，一种是社会网络中的个体与部分个体有关系，这种无直接联系或关系间断的现象，称作“结构洞”；另一种是网络中的任何主体与其他主体都发生联系的“无洞”结构（Burt, 1992）。拥有结构洞越多的竞争者，其关系优势就越大，获得较大利益回报的机会就越高。Burt认为结构洞越多，说明非重复性的信息源越多，则越有优势（Burt, 1992）。

除此之外，随着复杂网络的发展，人们发现了一类新的网络结构。已有研究表明，大部分的真实网络都不是随机网络，而是具有某种复杂性特征的网络，社会网络也不例外。1999年，Barabási和Albert发现复杂网络的连接度分布具有幂律形式（Barabási and Albert, 1999a）。由于幂律分布没有明显的特征长度，该类网络又被称为无标度（Scale-Free）网络（Barabási et al., 1999b）。基本的无标度网络模型（BA model）是分两步来定义的（Barabási and Albert, 1999a; Albert and Barabási, 2002; Watts and Strogatz, 1998）：其一，假设网络因不断有新的节点加入，使规模不断增加；其二，新加入节点以偏好连接的方式与原来的节点发生联系。在社会领域中，电影演员网络、科学家合作网络以及性关系网络中均具有这种特性（Small and Tse, 2005）。从目前来看，这类复杂网络特性或结构已被用来研究SARS的传播（Shi and Small, 2006），产业关系（李守伟、钱省三，2006），股票市场（刘继云、李红，2007）等。

与此同时，复杂网络中的无标度特征研究则基于节点度的分布特征，来揭示网络可能具有的核心节点、“富者越富”等资源占有不平等现象。除此之外，网络度分布的研究还发现，核心节点之间倾向于彼此相连，构成所谓的“富人俱乐部（Rich Club）”（Newman, 2002; Michele et al., 2004）；进一步用“异配性”来度量核心节点与其相邻节点度分布之间的关系。在生物网络和技术网络中，核心节点之间直接的连接很少，它们更多的是与非核心节点连接，表现出异配连接倾向（Disassortative Mixing）。而社会网络正好相反，核心节点间有大量的连接，表现出同配连接倾向（Assortative Mixing）（Shi and Raúl, 2004; Julian et al., 2007）。

企业社会网络中的个体“权力”如何？有没有结构洞？是否存在无标度特征以及是否会产生所谓的“富人俱乐部”？这些问题将在本书中进行研究。

二 小团体层次

“物以类聚，人以群分”是自然界和人类社会的普遍规律。这种规律反映在社会网络结构上就是一部分行动者之间关系紧密，而另一部分行动者之间关系相对较为稀疏。中观层次的社会网络结构就是指整体网络中部分行动者之间的关系结构。

社会网络研究的是行动者及其之间的关系。二方关系（即二方组）是社会网络统计分析的基本单位（刘军，2004）。在网络研究中，尤其是有向网络中，二方关系包括虚无对不对称和互惠对。莫雷诺等（Moreno and Jennings, 1938）和布隆芬伯雷纳（Bronfenbrenner, 1943; 1944）就曾对二方关系中的互惠关系进行过定量研究。由于网络数据中样本之间具有相互依赖性，不能够满足传统的统计检验所要求的变量独立假设，布隆芬伯雷纳还提出了一种“稳定参考框架”，并计算出了对称性与不对称性以及孤立点发生的概率。三方组即三人关系，它是由三对二人关系结合而成。三人结构是社会结构的基础，社会关系所负载的社会网络结构可以从“三人组”中分析出来。Davis和Holland等人提出了三人组可能存在的16种同构类型（Davis, 1970; Holland and Leinharht, 1970）。

然而三方组也是整体网络中的子网络。在社会网络分析中称为子群，或凝聚子群。这种凝聚子群也就体现了真实网络中的小团体现象。凝聚子群（Cohesive Subgroups）（一般多于三个成员）是那些具有相对较强、直接、紧密、经常或积极关系的个体的集合。凝聚子群可包括派系（Cliques）、n-派系（n-cliques）、k-丛（k-plex）、k-核（k-core）等（Wasserman and Faust, 1994）。凝聚子群研究的目的就是找出可以“分派”的子群来。凝聚子群从关系紧密（或稀疏）程度的角度来找出网络中相对独立的子群，利用对等性的思想从个体之间的关系中来分析其角色。每个个体所处的网络位置、角色的差异导致他们发挥的作用也不尽相同。在社会网络分析中，正是通过分析个体在网络中的位置来发现其所处的角色，进而探寻行动者子群之间的相似性（Wasserman and Faust, 1994）。

Newman等人将异构网络中，由不同性质、类型的节点组成的关系丰富的结构称为“社群”（Community），并进一步指出社群内节点关系稠密，而不同社群节点之间的关系稀疏的结构——社群结构是复杂网络的特征之一（Newman, 2004）。社群结构虽然类似于凝聚子群，但是其关注的重点却不一样：凝聚子群主要关注群体的凝聚性，子群间可以重叠；社群结构则是保证社群内的关系紧密，社群间的关系尽可能稀疏，即把一个群体尽可能地“分开”。

子群结构（通俗地称为“小团体”）在社会网络和复杂网络领域都得到了大量研究。这些研究主要集中在方法上的探讨，很少被应用到实际的社会问题当中。由于受到行业、职业、地位、人口、社会等特征因素的影响，企业员工很容易依据企业潜在的规则行事，在行为上表露出小团体的特征（吴红宇、谢国强，2006；李树茁等，2006）。已有研究的不足和预期的企业员工内部的小团体特征为本文从社会网络和复杂网络角度研究企业员工的社会网络与个人绩效提供了研究空间。

三 整体层次

一个群体中包括所有行动者的网络指标反映了网络的宏观结构，即整体结构。这样的网络指标主要有密度、出度中心势、入度中心势和居中中心势等。密度（Density）是网络分析中最常用的一种测度，可测量网络中边的分布与全连接网络的差距有多大（刘军，2004）。度中心势（Centralization）不同于中心性（Centrality），中心性是从个体的角度刻画单个行动者的“权力”，而中心势则揭示网络图的整体中心性。实际上，中心势测度的是所有行动者中心性的差异。出度中心势、入度中心势和居中中心势分别测度了网络中所有行动者在扩张关系的能力、声望以及作为其他任何两个行动者之间桥梁或控制资源的能力的差异（李树茁等，2006）。

鉴于世界中国家两极分化严重，劳尔·普雷维什提出了“核心—边缘”（或“中心—外围”）理论。他认为，资本主义世界分为两个部分：一部分是西方发达国家，另一部分是发展中国家（董国辉，2003）。也有学者认为整体世界是由三个位置组成：核心位置（西方世界）、半边缘地区和边缘世界（第三世界）（Snyder and Kick, 1979）。不论分两层还是三层，核心—边缘结构是存在的。核心—边缘结构说明整个世界或一个群体是一个完整的体系，核心成员与边缘成员存在较大的差异，因此，在关系层面上，核心成员与边缘成员是不平等的。

传统研究认为，随机网络是描述真实系统最适宜的网络（Bollobás, 1985）。然而，最近的网络研究发现，大量的真实网络既不是规则网络，也不是随机网络，而是具有独特特征的复杂网络，这种复杂网络在20世纪末成为新的研究热点。其中，小世界效应是目前最受关注的复杂网络特征之一（Barabàsi et al., 1999b; Dorogovtsev and Mendes, 2002）。1998年，Watts和Strogatz在文章中引入小世界（Small-World）网络模型，来描述从完全规则网络到完全随机网络的转变。小世界网络既具有与规则网络类似的聚类特性，又具有与随机网络类似的较小的平均路径长度（Watts and Strogatz, 1998; Dorogovtsev and Mendes, 2002）。

小世界这类复杂网络已经在社会系统中开始了初步的应用。研究发现，计算机网络、学者合作网络等真实网络都体现出小世界特性（Albert and Barabási, 2002）。例如，Watts等人基于小世界现象，提出了一个用于解释社会网络搜索能力的复杂网络（Watts and Strogatz, 1998; Watts et al., 2002）; Dodds等人针对6万名E-mail用户进行全局搜索的社会试验表明，成功的社会搜索主要由弱连接而非强连接决定（Dodds et al., 2003）;Davidsen等人利用小世界原理建立了一个熟人网络模型（Davidsen et al., 2002）; Ebel等人也针对熟人网络等建立了一个复杂网络动态模型（Ebel et al., 2003）。虽然国内已经有将复杂网络用于疾病传染、计算机网络安全的成果报道（罗家德，2005），但是数量相对较少。总体而言，有关社会复杂网络的研究还未受到广泛关注。

员工在轮岗、晋升、离职等方面流动的过程也是一个不断重新构建社会关系网络的过程。然而，尽管员工不是正式组织中的上层，但是由于个体的禀赋以及社会人口特征的差异，他们在群体中的“声望”和“权力”也会有所不同。我们有理由预期，企业员工社会关系网络也会存在核心—边缘结构，一部分个体处于核心地位，对网络资源具有支配作用；而另一些个体则处于边缘，处于被支配地位。这种构建的社会关系网络既不可能是规则网络，也不可能是随机网络。总之，社会网络宏观指标、模型以及复杂网络分析方法为本书分析企业员工社会网络结构与个人绩效提供了方法和启示。