2021年12月下期
基于社会网络分析的独角兽企业关系网络研究／张学艳 周小虎 王 侨
来源：领导科学网,领导科学杂志社唯一网站
作者：张学艳 周小虎 王 侨
日期：2022-01-26 09:38:40
| 它映射和度量了正式和非正式的关系，以理解是什么促进或阻碍了连接交互单元的知识流，即谁知道谁、谁通过什么通信媒介（数据和信息、语音或视频通信）与谁共享了什么信息和知识。社会网络分析是一种应用于社会科学的量化研究方法，用图和矩阵来表示社会网络，用图论工具及代数模型来研究关系模式，并进一步探索关系模式对社会网络内部行动者及社会网络整体的影响。社会网络研究中网络位置的测量指标主要是网络中心度。网络中心度可以测量独角兽企业及企业创始人在创业网络关系中充当中心枢纽和获取投资的程度，常用的量化指标为程度中心度和中介中心度。程度中心度是指个体与网络中其他个体直接联结的总数，计算公式为：
其中， j表示一个个体， ji表示网络中除i之外的其他个体，用于计算个体i与其他个体直接联系的数量，g表示个体的总数。为避免受到网络规模变化的影响，采用（-g）来消除差异，并对所采用的中心度指标进行标准化处理。
中介中心度是指个体作为中间人联系网络中其他个体的重要程度，计算公式为：
其中，gjk表示个体j与个体k联结必须经过的捷径数，gjk 表示在个体j与个体k的捷径路径中个体i的数量。
2.PageRank算法
PageRank算法最初由Pinski和Narin开发，后来由Brin和Page进行了修改，根据网页的相关性和重要性进行排名。1998年，谢尔盖•布林和拉里•佩奇在发现Google后，引入了PageRank算法。PageRank算法实际上是重塑搜索引擎排名算法，将优先考虑从多个渠道传入的高排名的页面链接。换句话说，该算法不仅给那些高排名链接的页面打了高分，也给那些被热门网站链接的页面打了高分。根据Google浏览，PageRank通过计算一个页面的链接数量和质量来粗略估计网站的重要性，其潜在的假设是，更重要的网站可能会收到更多来自其他网站的链接。在其web应用程序中，该算法背后的模型假设是：有一个web浏览者，他跟踪web页面之间的链接，经过一系列移动之后，他会感到厌烦，并随机地访问一个页面。因此，给定页面的PageRank与随机浏览者登录该页面的概率相关。因此，该模型可以看作一个马尔科夫过程，其中，状态是页面，转换概率由页面之间的链接给出。因此，PageRank的计算与马尔科夫平稳分布的推导非常相似。具体修正PageRank算法的方程式为：
式中，Mpi是所有对pi网页有出链的网页集合，L（pj）是网页pj的出链数目，N是网页总数，a一般取值为0.85。
（三）数据变量
本文选择独角兽企业投资人的投资状况和独角兽企业创始人的工作经历来衡量独角兽企业创始人社交网络的度量指标，选取2018年中国161家独角兽企业为调研对象，数据来源为2019年胡润大中华区独角兽指数、企查查和天眼查。对于少数未能在上述网站上查到的情况，通过企业相关网站获取，以确保数据的准确性与可操作性。在研究范围上，本文选择2018年中国161家独角兽企业，覆盖面广，研究价值高。
三、实证分析
（一）独角兽企业投资关系网络分析
1.独角兽企业投资关系网络总体分析
在本文选取的161家企业中，有不少公司的投资方仅仅参与过一家企业的投资，这样的投资方仅仅与一 |