• 节点强度分析 [page::7]：

- 1995年日本部门间经济联系规模整体超过中国。
- 2007年两国强度分布趋于重叠。
- 2018年中国超越日本，显示出快速经济扩张和部门增长。

• 中国与日本输入输出网络可视化及结构差异 [page::9]：

- 中国制造业及农业相关部门链接强度较日本更显著。
- 日本服务业和贸易部门占据更大比重，体现产业结构差异。

• 加权有向同质性系数及其不确定性分析 [page::12]：

- 中国所有同质性指标显著为正，表现出强烈的同质结盟倾向。
- 日本表现多样，部分指标仅在经济危机期显著且强度较低，波动性较高。

• 关键部门识别（扩展PageRank方法，辅助指标为增加值）[page::15][page::16]：

| 国家 | 排名 | 1995 | 1998 | 2001 | 2004 | 2007 | 2010 | 2013 | 2016 | 2018 |
|------|------|------|------|------|------|------|------|------|------|------|
| 中国 | 1 | 25 | 07 | 25 | 07 | 25 | 25 | 25 | 25 | 25 |
| | 2 | 06 | 06 | 07 | 25 | 07 | 17 | 20 | 06 | 17 |
| | 3 | 07 | 25 | 06 | 17 | 17 | 07 | 06 | 17 | 40 |
| | 4 | 26 | 01 | 01 | 06 | 15 | 19 | 26 | 20 | 26 |
| | 5 | 15 | 26 | 26 | 19 | 19 | 20 | 17 | 07 | 07 |
| 日本 | 1 | 26 | 26 | 26 | 26 | 26 | 26 | 26 | 26 | 26 |
| | 2 | 25 | 25 | 25 | 20 | 20 | 42 | 42 | 42 | 42 |
| | 3 | 42 | 42 | 42 | 42 | 42 | 20 | 20 | 20 | 20 |
| | 4 | 20 | 20 | 20 | 25 | 37 | 37 | 37 | 37 | 37 |
| | 5 | 37 | 37 | 37 | 37 | 25 | 25 | 25 | 25 | 25 |

- 中国关键部门随着工业化推进，结构有所演变，制造业和建设业突出。
- 日本关键部门高度稳定，服务业和贸易行业主导。

• 行业社区检测与动态 [page::19][page::22]

- 社区检测揭示中日两国行业群体结构的差异，如中国建设相关行业聚类，与日本的运输设备制造群体不同。
- 行业社区结构在24年间具有较强稳定性，部分关联行业持续聚集。
- 基于调整互信息(AMI)指标，国家内部社区结构相似性高于跨国对比，反映不同发展路径 [page::19][page::22].

• 量化因子部分（扩展PageRank算法及辅助指标灵活应用）[page::14][page::28][page::29]

- 报告结合PageRank中心性，将节点权重、边权、以及外部辅助指标（如部门增加值、出口额）融合，提升关键部门识别的针对性与准确性。
- 通过调节扩展PR的调节参数$\gamma$，实现辅助信息与网络结构的不同权重平衡，推荐$\gamma=0.85$以兼顾两者，适配行业结构识别需求。
- 利用出口值作为辅助指标进行扩展PR分析发现，中国传统制造业部门占优，反映出口导向型经济特色；日本维持产业稳定性。

| 国家 | 排名 | 1995 | 1998 | 2001 | 2004 | 2007 | 2010 | 2013 | 2016 | 2018 |
|------|------|------|------|------|------|------|------|------|------|------|
| 中国 | 1 | 07 | 07 | 07 | 17 | 17 | 17 | 25 | 25 | 25 |
| | 2 | 25 | 17 | 17 | 07 | 07 | 07 | 17 | 17 | 17 |
| | 3 | 26 | 25 | 25 | 25 | 25 | 25 | 07 | 07 | 07 |
| | 4 | 19 | 06 | 06 | 19 | 19 | 19 | 19 | 19 | 19 |
| | 5 | 17 | 26 | 26 | 15 | 15 | 20 | 20 | 20 | 20 |
| 日本 | 1 | 20 | 20 | 20 | 20 | 20 | 20 | 20 | 20 | 20 |
| | 2 | 26 | 26 | 26 | 26 | 26 | 26 | 26 | 26 | 26 |
| | 3 | 17 | 17 | 17 | 17 | 17 | 17 | 19 | 19 | 19 |
| | 4 | 25 | 25 | 19 | 19 | 19 | 42 | 42 | 42 | 42 |
| | 5 | 19 | 19 | 25 | 25 | 15 | 19 | 25 | 25 | 25 |

深度剖析报告：《Comparison of sectoral structures between China and Japan: A network perspective》

---

1. 元数据与概览

• 标题： Comparison of sectoral structures between China and Japan: A network perspective

- 作者及机构： Tao Wang（山西财经大学统计学院，中国太原）、Shiying Xiao、Jun Yan（康涅狄格大学统计系，美国斯托尔斯）

• 日期： 2024年2月27日

- 主题： 通过网络分析方法，比较中国和日本1995年至2018年的经济部门结构差异。

核心论点与主要贡献

本报告利用输入-输出表构建的经济网络（IONs），深入探讨了中日两国经济部门间的结构差异，采用了节点权重分布、定向加权关联系数、PageRank中心性指标和社区检测等多样的网络分析工具，突破传统输入-输出表仅限于指标描述的局限，揭示了中日经济部门间互动和结构演变的微观层面，发现中国制造业占主导地位，而日本以服务业为核心，两国部门社区结构均体现较强稳定性。详细的核心部门识别和部门集群分析对理解两个亚洲主要经济体的经济发展和调整路径具有重要意义。[page::0][page::1][page::3][page::23]

---

2. 报告结构与章节分析

2.1 引言与背景（1-3页）

• 关键论点： 阐述了中国与日本两国的经济规模、生产力及行业结构差异。强调日本服务业占比更高，工业更先进，且中国的快速发展与日本历史阶段存在一定相似性，特别是产业升级路径的借鉴价值。

- 推理依据： 结合国际货币基金组织数据与学术引用，指出老龄化是日本经济结构带来挑战，中国可借鉴经验，避免长期经济衰退风险。

• 文献回顾： 既有研究多聚焦贸易、投资、金融市场，针对经济结构特别是部门结构的对比研究还较为稀缺，尤其是利用网络分析方法相对不足。网络分析在其他领域证明了其对复杂系统的适用性和优势，故该研究填补了方法上的空白。[page::2][page::3]

2.2 数据来源与网络构建（4-6页）

• 关键内容： 介绍输入-输出表（IOT）的基本结构和构成要素（中间投入矩阵$W$，最终需求$F$，以及增加值$X^{\top}$），并说明如何根据$IOT$构建加权有向的经济网络$G(V,E,W)$。

- 数据处理挑战： 两国的$IOT$更新频率、类别划分不统一，国际数据库（WIOD，ADB-MRIO）受时间跨度或部门覆盖限制，选用的STAN数据库解决了这些问题，提供了1995至2018年两国统一45部门（实际44部门）数据。

• 逻辑与方法： 通过赋权边代表部门间金钱流通，基于标准产业分类，保持表格的行列平衡保证数据一致性。

- 数据质量说明： 强调了选用统一国际标准数据库的合理性与局限，[page::4][page::5][page::6]

2.3 节点强度（Node Strength）分析（7-9页）

• 定义与意义： 节点的入强度$si^{in}$与出强度$si^{out}$分别表示部门从其他部门获得和投入的总金额；总强度为两者之和。是衡量部门经济互动的重要指标。

- 实证结果（图1, 7页）： 1995年，日本部门间互动金额更大（分布右移），但到2007年中日明显接近，2018年中国超过日本，显示中国跨部门经济流动快速成长，反映经济规模和产业链扩张。日本强度分布趋势平稳，中国则有显著提升。

• 图2—弦图（Chord Plots，9页）： 以色彩区分部门，弦宽对应流动大小。制造业在中国中占比大，服务业在日本占主。中国农业部门比重较大且增长，日本零售贸易领先。供给端和需求端部门在两国各具特色，强调需更细致分析。[page::7][page::8][page::9]

2.4 关联性（Assortativity）分析（10-13页）

• 指标定义（公式）: 引入加权、有向的关联系数$r{\alpha,\beta}$（$\alpha, \beta \in \{\mathrm{in}, \mathrm{out}\}$），测量经济网络中部门间的类似性或“同质性”，正值表示强部门与强部门互联，负值则相反。

- 不确定性量化: 采用网络的Jackknife方法计算标准误，为因以往研究忽略置信区间而可能误判提供改进。

• 数据解读（图3，12页）：

- 中国各类型关联系数均明显为正，表明强部门倾向连接强部门，网络稳定性高，标准差小，去除任一部门影响有限。
- 日本关联系数表现较为复杂，入入关联明显为正且受2008年经济危机影响明显；其他类型在统计上偶尔显著，波动较大。

• 时间序列趋势及事件影响： 日本2008年金融危机削弱了网络同质性，中国2003年（入世后需求增）和1998年（亚洲金融危机后政府刺激）出现特殊波动，反映宏观政策及外部冲击对经济网络的影响。[page::10][page::11][page::12][page::13]

2.5 关键部门识别（5. Key sectors identification）（13-17页）

• 挑战与创新： 传统中心性指标局限于网络结构，忽视了可获得的辅助信息（如部门增加值、出口额），本研究采用扩展版PageRank（PR）中心性，引入辅助变量$\lambdai$，通过参数$\gamma$调节结构与辅助信息比重。

- 方法论： 扩展PR定义为 $Pi = \gamma \sum{j} \frac{w{ji}}{sj^{out}} Pj + (1-\gamma) \frac{\lambdai}{\sum \lambdai}$，$\gamma=0.85$较为平衡。

• 辅助变量选用与理据： 选增值反映部门的经济贡献。图4展示1995和2018年各部门GDP增值占比，中日服务与制造业明显区别，标准差相近，合理性强。

- 结果分析（表2，16页）：
- 中国： 1995-2002以农业（01）、食品（06）、纺织（07）和建筑（25）交替主导，反映农业基础和基础设施建设。2007年后，制造业高科技部门崛起（电子、汽车等），建筑持续领先，体现工业化与城市化进程。
- 日本： 结构更稳定，批发零售（26）长期领先，建筑（25）、汽车（20）、医疗（42）、房地产（37）持续领先，体现成熟的服务经济。

• 方法对比与扩展： 与Li等（2017）等文献不同，报告通过辅助信息使得PR指标有更强适应性，对比betweenness和degree中心性的异同，提示不同中心性指标关注的经济维度不同。附录还用出口额作为辅助指标并比较了Hub-Authority中心性指标，进一步验证方案可靠性与灵活性。

2.6 社区检测（6. Community detection）（18-22页）

• 方法论： 基于Newman模体最大化(Q最大化)，利用节点间权重构建社区，采用Clauset等贪心算法优化，捕捉部门间紧密耦合结构。

- 结果解读（图5,19页）：
- 中国社区示例： 1995年农业链（农业、渔业、食品、餐饮）社区完整，说明从原材料到消费的循环。
- 日本示例： 医疗产业链完整，包括化学、医药、橡胶、医疗服务。
- 两国均存在建筑相关社区，含上下游原料部门。

• 跨国差异：

- 日本零售（26）多与农业链关联，中国零售划分到服务业社区。
- 电子机械制造相关部门在日本形成稳定社区，中国却多归入建筑相关社区。
- 医药相关部门在日本形成稳定三部曲社区，中国未显著与化工、橡胶稳定集群。
- 日本服务行业中金融与房地产紧密社区，中国不明显，反映产业融合度不同。

• 社区稳定性（21页）： 长期维持的部门集群表明结构依赖性强。农业链、基础能源链在中国稳定；日本农业链、零售链稳定。24年周期内无重大结构解体迹象。[page::18][page::19][page::20][page::21]

2.7 社区结构相似性与动态（22页）

• 测度方法： 使用调整互信息（AMI）量化不同年度社区划分的相似性。AMI取1为完全相同，0为随机一致。

- 结果及解读（图6, 22页）：
- 中日两国社区结构相似性约为0.5，表明两个国家整体结构存在中度差异。
- 日本社区结构年际间相似性较高，2005年前后有递减趋势，推测为产业进步带来的微调。
- 中国社区结构相似性波动较大，反映快速经济增长导致部门关系结构持续变迁。

• 意义： 日本经济结构成熟且稳定，中国经济结构调整迅速，反映发展阶段和产业升级速度的差异。[page::22]

2.8 结论（23页）

• 利用多种网络分析技术结合统计推断，首次系统比较了中国、日本经济部门的动态演变，识别关键部门和部门集群，揭示其结构异同。

- 中国制造业主导、部门联系强且趋向同质化，结构高动态调整；日本服务业主导，结构稳定但遭受2008年危机波动。

• 辅助信息整合的扩展PR体现了经济多维视角，提高了关键部门识别的针对性和灵活性。

- 社区分析展示了经济部门的功能关联及其稳定性，助力理解经济系统抗风险能力。

• 为未来运用细粒度数据、国际多区域输入输出表及探讨全球冲击（如金融危机、新冠疫情）留下了丰富研究空间。[page::23]

---

3. 图表深度解读

图1（第7页）

• 内容描述： 展示了1995、2007及2018年中国和日本44个部门的入强度、出强度和总强度的核密度半-小提琴图及箱型图，强度单位为以2015年美元计且对数变换后的金额。

- 数据趋势： 1995年，日本部门节点强度整体偏高。2007年两国强度近似，2018年中国明显超过日本，尤其是入强度展现出快速扩张。

• 联系文本： 表明中国经济跨部门关联显著增强，反映经济总体规模扩大和结构调整。

- 可能局限： 由于对数尺度，极端值压缩；半小提琴图虽体现分布但不显示原始数据差异细节。[page::7]

图2（第9页）

• 内容描述： 弦图形式直观呈现1995与2018年中国和日本的经济部门间资金流动强度，每条弦代表跨部门流动，宽度对应金额大小。

- 趋势要点： 中国制造业部门（绿色区域）在两个时间点显著，农业部门占比提升；日本零售服务部门优势明显，汽车及相关产业链条明显，反映不同发展阶段和结构特点。

• 贡献： 可视化经济结构差异和动态变迁，支持节点强度分析结论。

- 局限： 超过40部门时弦图复杂度高，部分细节难以分辨。[page::8][page::9]

图3（第12页）

• 内容描述： 显示1995-2018年中日经济网络的五种加权有向关联系数（in-in, in-out, out-in, out-out, total）及其一个标准差的误差条。

- 关键解读： 中国各关联系数明显为正且误差小，部门结构趋于同质化。日本则表现波动大，且部分指标在全球金融危机后下滑，体现经济冲击与稳定性差异。

• 支撑论据： 协助判断中日结构差异及时间波动，验证关联指标的统计显著性。

- 可能限制： 关注强度指标，忽略可能的非线性联系或部门间其他类型关系。[page::12][page::11][page::10]

图4（第15页）

• 内容描述： 1995及2018年中国、日本各部门相对于GDP的增值占比柱状图。

- 解读： 日本服务业部门占比高，特别是零售贸易、医疗、房地产等；中国制造业及建筑类占领先地位，反映经济结构差异与产业侧重点。

• 逻辑联系： 为扩展PR的辅助变量提供经济基础，合理反映部门重要性。

- 局限： 增值比例不足体现部门间输入-输出复杂度，仅显示经济贡献比例。[page::15]

图5（第19页）

• 内容描述： 1995及2018年中国和日本经济部门社区结构的层次树(cluster dendrogram)，不同颜色代表不同社区。

- 重点观察： 机构链条例如农业链、医疗链、建筑链条清晰；中日社区分组差异显著，如日本运输制造业聚集，中国则多归入建筑链，揭示产业集群的异同。

• 经验借鉴： 对理解产业链内部联系、产业融合度及经济抗风险提供了可视化展示。

- 潜在限制： 社区划分依算法优化，非唯一解，且跨国部门编号对应需准确匹配。[page::19][page::20]

图6（第22页）

• 内容描述： AMI相似性矩阵热图，对比不同年份中国和日本社区结构的相似度，单位从0（无相似）至1（完全相同）。

- 主要发现： 中国和日本社区结构年度内相似度在0.5左右，说明结构中度异质。日本内部年际相似度较高，呈缓慢递减趋势；中国社区结构波动较大且无明显规律，体现快速发展和重构。

• 方法论支持： AMI作为随机效应调整的相似度指标，科学量化结构稳定性。

- 限制： AMI不区分社区间具体内容差异，无法反映具体部门迁移。[page::22]

图7（附录28页）

• 内容描述： 1995和2018年中国和日本各部门出口额占比柱状图。

- 解读： 与增值图类似，日本出口集中于汽车、机械制造，强调成熟出口产业链；中国出口结构从纺织等传统制造到高科技制造业转型。

• 联系辅助变量说明： 用于扩展PR方法的另一辅助指标，反映经济对外贸易关注点，补充增值指标分析。[page::28]

---

4. 估值与关键方法解析

输入-输出表（IOT）和经济网络（ION）

IOT是描述经济部门间中间产品与服务流动的矩阵表格，包含中间使用矩阵$W$，最终需求向量$F$，以及增加值向量$X^\top$，满足行列平衡条件。

通过将部门映射为网络节点，流动金额为有向加权边权，形成流量加权的经济网络$G(V,E,W)$，更直观揭示部门间结构和互动。

加权有向关联系数 $r{\alpha,\beta}$

以节点入/出强度作为特征，计算边权加权后的强度相关性，计量强度相似部门间连接倾向，具体计算公式详见公式（10页），区间[-1,1]。此指标更细致并考虑权重与方向性，提升网络特征解析深度。

扩展PageRank（PR）中心性

标准PR基于节点度和邻居影响，通过随机游走模型为节点排名，能够检测网络关键点。

扩展PR引入辅助变量$\lambda_i$（如部门增加值或出口额），调节参数$\gamma$调节网络结构与辅助变量权重，公式如13页。

此方法基于区分网络内外信息，有助于针对具体研究问题定义关键部门。$\gamma=0.85$兼顾稳定性与灵敏度，数据分析显示适用性良好。

---

5. 风险因素评估

• 数据一致性风险： 中日IOT更新不平衡，国际数据集存在年份与部门分类限制，可能影响对比精度。

- 测量误差与结构简化： 输入输出表和网络模型对经济活动有所概括，可能对快速变化和非中间投入的动态反映不足。

• 宏观事件影响： 2008年全球金融危机显著影响日本经济网络结构，表明外部冲击对局部节点重要性的影响非线性且潜在较大波动。

- 模型假设风险： 关联系数及PR模型假设经济部门间作用线性且稳定，可能忽略复杂经济机制如政策调整、技术突变等因素。

报告通过jackknife不确定性分析及多中心指标验证，缓解部分风险，但对多源异构数据融合与冲击响应机制建模尚需深化。

---

6. 批判性视角与细微差别

• 数据选择影响： 采用STAN数据库确保部门对齐，但限制了2000前后和细部门粒度分析，可能低估了经济结构微变。

- 模型敏感性： 扩展PR的调节参数$\gamma$对排名有显著影响（补充材料），须谨慎设定，防止辅助信息主导或网络结构主导偏差。

• 指标互补性： 报告展现了不同中心性指标差异，但聚焦PR及HITS，其他如介数中心性、紧密中心性虽未充分展开，可能遗漏复杂网络核心结构。

- 社区划分不唯一： 新多算法可选，现用模块度最大化与贪心搜索，可能陷入局部最优，社区结构解读需结合产业经济学背景谨慎。

• 经济事件解析有限： 虽分析了2008年金融危机影响（关联系数波动），但对疫情、贸易战等近年来冲击未检验，未来研究方向明显。

---

7. 结论性综合

本报告通过利用现代网络科学方法，结合传统输入-输出分析，创新性地构建了中日经济部门间加权有向交易网络，深入揭示两国经济结构的动态差异与共同规律。节点强度分析反映中国经济快速扩张，跨部门流动强度明显增加，渐超日本；关联性指标表明中国经济部门更趋同质化，稳定性更强；而日本经济呈现周期性波动，尤其受2008年全球金融危机影响显著。基于扩展PageRank方法，集成经济辅助变量（增值、出口额），精准锁定中日关键部门，展示中国从农业基础向制造业高科技转型的清晰路径，日本则表现出成熟服务业驱动的稳健结构。社区检测揭示了上下游产业链条及服务业集群，体现了各自经济体系的内生联系与演进规律。跨年度和跨国比较表明，日本经济结构相对稳定，中国则体现快速重构特征。

报告方法严谨，辅以Jackknife不确定性估计，确保统计推断稳健。附录内容丰富，涵盖参数敏感性、替代中心指标及详尽社区结构图谱，增强了研究说服力与可复现性。

此项研究不仅填补了中日经济结构比较的学术空白，且为政策制定者理解经济体结构调整、把握关键部门、优化产业链配置提供了科学依据。未来有望结合更高分辨率数据、多区域跨国IOT，以及对全球经济冲击事件的动态分析，深化对经济网络韧性与可持续增长路径的洞察。

---

总体评估

本报告构建了一个系统、多维度的分析框架，融合计量与网络科学方法，全面解析中日经济部门结构动态，既有理论创新亦兼具实际指导价值。文中对关键指标计算、图表数据与网络模型的解释细致，附录补充完整。分析层层递进，能够为经济学、统计学及政策研究提供范式和数据支持。

---

主要文献引用示例

• 输入输出分析经典：Leontief (1963), Miernyk (1965)

- 网络分析基础：Newman (2003)

• 加权有向关联系数方法：Yuan et al. (2021)

- 扩展PageRank及网络中心性：Zhang et al. (2022), Ding (2011)

• 社区检测：Newman (2006), Clauset et al. (2004)

- 经济结构对比研究及网络应用：Li et al. (2017), Xiao et al. (2022)

---

附件：关键图表示意

图1节点强度

图2经济部门弦图

图3加权有向关联系数

图4部门增值份额

图5社区检测示意

图6社区结构相似性AMI矩阵

---

以上分析综合文本叙述、图表及方法细节，力求为您呈现该报告科学价值、方法框架及研究贡献的全貌，为专业领域的决策和研究提供权威参考。[page::0][page::1][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19][page::20][page::21][page::22][page::23][page::24][page::25][page::26][page::27][page::28][page::29][page::30][page::31][page::32][page::33][page::34][page::39][page::40][page::44][page::45]

报告