引言

不知社会网络分析方法(Social Network Analysis，SNA)能否成为将政策网络量化的工具？在浏览文献的过程中，小白看到了山西财经大学刘海燕等学者所写的《政策网络影响政策产出的模式分析》一文，其中便提到了如何提取政策网络中两个重要变量———“互动频率”和“开放程度”，并用社会网络分析的工具UCINET构建可视化的网络。

在这里，我梳理这篇文章的思路，并提出一些自己的看法。

1. 数据来源

首先，政策网络的重要组成元素是网络中的行动者，以及行动者之间的相互关系（可能是权力依赖、资源共享等）。所以，利用UCINET时，关键在于找出网络中的行动者们及其之间的关系。文章中，作者搜集行动者们及其之间的关系的数据是通过已有的政策网络的代表性论文;人民网、新华网、新浪、网易等门户网站的新闻报道。

已有论文或新闻报到中都会提到行动者以及联系，若数据量不太大时，由了解这一领域的研究人员人工阅读论文or新闻，再手工记录；若数据量足够大时，可能需要用到文本挖掘与机器学习的技术。

搜索到这些网络的数据，建立矩阵，即可通过软件进行分析，得到图如：

2. 如何量化

文中，作者着重提到了几个SNA中的概念：网络密度、网络规模、中心度。上文说过，作者提取了出政策网络中两个重要变量———“互动频率”和“开放程度”。

• 用网络密度来衡量互动频率。

  如作者分析的四种政策网络的网络密度分别为：食品安全监管政策网络（网络密度为0.2）、房地产调控政策网络（网络密度为0.4833）、新医改政策制定网络（网络密度为0.2988）、控烟政策网络（网络密度为0. 4579）。

• 用行动者的数量与多元性来衡量开放程度。

• 用点度中心度/中介中心度来分析政策网络中的行动者的重要程度与行动特征。

  如作者分析得到的网络中心度表如下：

3. 讨论

文章给出了一种量化政策网络的方法，我认为在日后以同样方式分析时需要注意的地方有：

首先，关于数据收集时需要注意的。政策网络是存在于现实中，许多行动者之间关联的讯息并不一定存在于网络讯息中。这也给政策网络量化工作带来一定困难。为克服这一困难，第一应尽可能扩大搜索范围，除作者提到的较为权威性的网站外，更广泛第关注其他网络，甚至微博中的讯息。第二，尽可能做横行或纵向对比，用相关性抵消讯息不足的缺陷。

其次，社会网络分析的概念丰富，有待进一步挖掘和丰富，若能与政策网络中更多概念结合（除互动频率与开放程度外），可使SNA分析方法与政策网络的契合度更高。

最后，关于使用行动者的数量与多元性对开放程度的衡量。数量的计算很简单，但多元性如何衡量？或者说如何在政策网络中找到政策子系统？小白认为可以使用聚类分析来体现多元性，也可以观察是否存在政策子系统。此后以加入一个功能系数，将数量与多元性两者结合，最终得出开放程度系数。