地方政府農業部門網站與農業發展的關聯度分析

顧海兵+沈煜

摘 要：信息化的發展為農業的持續發展提供了新的契機。以我國七省中102個城市為研究樣本建立回歸模型，探究地方政府農業部門網站的建設質量與地方農業發展的相關關系，基于總體樣本及東部、中部和西部不同的經濟區域分別進行回歸。研究結果表明，地方農業部門網站建設質量與人均農業總產值正相關。就總體樣本和東部區域而言，人均農業總產值每提高100，網站評估因子將提高0.21分和0.26分。而且，這種關聯在按照人均農業總產值水平進行分組歸類后更為顯著，擬合優度達到75%，再剔除一些農業產值較高的資源性城市和網頁數出現異常值的城市之后，擬合優度可達81%，這一計量結果定量地證實了地方農業部門網站與地方農業發展之間的關聯度。

關鍵詞：農業部門網站；網站建設質量；農業發展水平；回歸分析

中圖分類號：F320 文獻標識碼：A 文章編號：1003-3890（2015）06-0083-08

一、研究背景

互聯網技術的出現和飛速發展使信息的傳播變得更加迅捷，也極大地提高了信息對社會的影響。根據CCNIK發布的《2014年度中國互聯網絡發展狀況統計報告》，截至2014年12月，中國互聯網普及率為47.9%，其中農村網民規模不斷擴大，占比達27.5%，規模達1.78億。同時，“.CN”域名年增長2.4%，達到1 109萬[1]。在我國網民和網站都大幅增長的情況下，農業信息化的發展狀況日益為現代農業所關注和運用。

為保障和促進現代農業的進一步發展，中央一號文件多次將農業信息化建設作為新農村建設的重要內容之一；十二五綱要提出了“發展農業信息技術，提高農業生產經營信息化水平”的具體任務，從而將通過信息化的途徑促進農業的發展上升為國家戰略規劃的重要內容之一。農業信息化對于解決“三農”問題，促進農民增收、農業增長、農村穩定都有著積極深遠的影響。

農業網站正是重要的農業信息服務平臺之一?，F在，全國各級政府農業部門網站已發展到一定規模和數量，上至?。▍^、市）農業行政主管部門，下至地級、縣級農業部門均建立了農業信息網站，一些鄉鎮也有農村信息服務站。與此同時，與農業緊密相關的各類行業網站、科教媒體網站和企業網站大量興起。中國涉農網站具有數量大、品類全、結構完整的特點，這些網站在滿足農民信息需求、推進農業信息化方面發揮了巨大作用。網站內容通常包括三農新聞、政策法規發布與解讀、行政審批與在線服務、市場行情分析預測、農業技術知識與農民就業信息等，基本上涉及到了農業、農民、農村的各個方面。

對于還處在農業經濟增長方式轉型時期的國家來說，科技與信息使得傳統的產品供求模式和生產目標發生改變，信息化的發展為農業可持續發展提供了新的契機。目前在農村人口占46%的我國，信息化仍未充分發揮對農業經濟增長的作用。提高農業信息化水平，加強對政府農業部門網站的建設，使農民及時獲得準確的政策、市場與技術信息，將非常有助于發展農業生產，降低各項農業生產經營成本，優化資源要素配置，促進農產品的流通，使農業生產經營過程的種植、生產及銷售各個流程更為緊密地銜接，促進農業經濟增長。從而達到提高農民收入，改善農民生活水平的目的。

綜上所述，農業信息化對農業經濟發展的促進有著舉重若輕的作用，建設政府農業部門網站是提高農業信息化水平的重要渠道之一，因此我們有理由推測當地農業部門網站的發展水平與當地的農業經濟發展水平是相互關聯的，從而對這種關聯進行經濟學分析是十分必要的。

綜合國內外網站的評價研究，學者們已提出的衡量方法有網站自動評價法、網絡可用性評測法、網站鏈接分析法、網站框架評價法和對應分析法等。由于各種評價方法的角度和側重點不同，得出的結論也不盡相同。

1997年Peter[2]為了分析一定時期內相對關注的網站平均被引情況，首次提出網絡影響因子（Web Impact Factor，以下簡稱WIF），這被認為是網絡信息計量學誕生的里程碑。

WIF的概念源于引文分析的測度指標——期刊影響因子[3]。此后，眾多學者指出，WIF體現了信息資源在信息交流中被人民所重視的程度，如田紅梅 等都在針對不同類型網站的評估研究過程中使用了WIF，而且大部分結果均表明，WIF對評價網站質量和網站影響力有重要價值。

楊濤[3]在各種大學評價指標體系中進行比較和研究時，發現以網頁總數為分母的網絡影響因子的整體表現要優于其他各種的網絡影響因子，而且WIF與各種大學的評價指標體系最為相關。段宇鋒[4]基于網站被鏈接頻次的方法，以網絡影響因子作為評價的依據，對美國商學院網站進行了研究，所得結果認為WIF對評價網站質量和測定核心網站具有重要價值，可以用來作為評估網站的依據。

田紅梅[5]基于鏈接分析，將WIF運用于對學術性核心網站的評價，發現WIF可以用來分析在一定的時期內相對關注的網頁情況。通常，影響因子越大，網站的學術影響力就越大，質量就越高。因此，網絡影響因子從信息的利用角度，體現了信息資源在信息交流中被人們所重視的程度。王宏鑫[6]通過對公共圖書館網站的研究，發現WIF在各自網絡指標中可信程度最高。

沙勇忠[7]在利用網絡鏈接分析及網絡影響因子對中國省級政府網站的影響力進行評價時，用WIF與各省市自治區信息化水平總指數進行相關分析，結果表明二者具有明顯的相關關系?？梢?，網絡影響因子對評價省級政府網站具有重要的意義，WIF具有很強的評價能力。而宴爾伽[8]通過對省會城市政府網站的研究，發現WIF與政府網站排名是具有相關性的。

王知津[9]提出了以鏈接分析為核心的評價指標，其中包含：網頁數，即該網站內所包含的網頁總數；總鏈接數：用搜索引擎搜索到的與某網站存在鏈接的網頁總數；外部鏈接數：用搜索引擎在該網站外搜索到的與該網站存在鏈接的網頁數。網絡影響因子=總鏈接數/網頁數。他認為網絡影響因子越大，網站的學術影響力就越大，質量就越高。

以上研究中均采用網絡影響因子對網站進行評價。如果一個網站相比其他網站重要程度更高，那么在網站規模相當的時候，其被鏈接和推薦引用的次數也應當比較高。利用這種方法來評價一個網站，比單純的定性分析也更具有說服力。

一個網站所擁有的網頁數越多，信息含量越大，這在一定程度上反應了網站的規模。而處于WIF定義中的分子“總鏈接數”，則反映研究對象的被認可程度。在網絡環境中，指向目標網站的每一個鏈接，都被認為是對目標網站的一次投票，效果類似于對傳統文獻的引用。而網站自身所擁有的網頁多屬于導航性質的鏈接，主要用于網站內部的信息組織，而與網站影響力無關。所以，用搜索引擎搜索到的該網站存在鏈接的網頁總數除以該網站所擁有的網頁數，能夠有效地消除網站自身規模的影響，能夠反映網站網頁被鏈接的平均水平，即網站的平均影響力大小。

考慮到網站評價的科學合理性原則和實用可行性原則，本文最終決定基于網絡鏈接分析對農業部門網站進行質量評估。所謂鏈接分析法，就是運用網絡數據庫、數據分析軟件等工具，利用統計學、拓撲學和情報學方法，對網站的網絡鏈接自身屬性、鏈接對象、鏈接網絡等進行分析，以便揭示其數量特征和內在規律。在鏈接分析中，上述不少學者是利用WIF對網站評價進行測度，大部分認為WIF對網站評價有重要意義，故本文最終選取WIF對我國部分地區農業部門網站的建設質量進行評價。

基于農業部門網站的鏈接分析結果，我們研究其與農業發展之間所存在的可能的相關關系。具體方法是用網絡影響因子作為衡量網站建設的評估得分，用當地的人均農業總產值來衡量農業發展水平，最后對農業部門網站的建設質量和地方農業發展水平的關聯度進行實證分析。

二、數據選取與模型選擇

從科學角度說，我們的研究應該選擇農業產值比較大的省份。根據從2003年到2013年《中國統計年鑒》中提供的數據，農業產值排在前列的省份有山東省、河南省、河北省、江蘇省、四川省、湖北省和湖南省?？紤]到樣本規模需要適度又充分，本文選取了這七省內的下轄市（名單取自各省統計年鑒）作為研究對象，城市總數為102個。其中有山東省17市、河北省11市、河南省18市、江蘇省13市、四川省18市、湖南省13市和湖北省12市。

中國軟件測評中心每年頒布的《中國政府網站績效評估報告》中對國家部委網站、省級（副省級）政府網站、區縣級政府網站進行了質量評估。但遺憾的是，該報告中缺乏對各地區具體部門網站的評估。目前國際上較有影響的網站評價機構有Amazon公司的Alexa、Forrester Research公司等，這些機構均能提供專業性網站評價服務。但同樣，由于這些第三方評價機構收錄網站個數有限，以及取樣的網站規模（這些機構所收錄網站通常規模較大）所限，無法從這些較科學、成熟的評價體系中直接獲取樣本網站的評估結果。因此，本文將進行獨立評估。

評估網絡影響因子所需要的網絡鏈接的數據都來自于搜索引擎，因此，搜索引擎的選擇在網絡鏈接的測度中起著非常重要的作用。目前能夠提供中文網站鏈接情況的搜索引擎有：AltaVista、Alltheweb、Northlight、Google。其中Northlight服務需要付費，AltaVista在國內不能使用，考慮到可行性的問題，我們選取了Google搜索引擎。以新浪網（www.sina.com.cn）為例，利用Google測其鏈接數的具體檢索式為：

利用上述檢索式，我們對這102個城市的農業局網站（或由農業局承辦的農業信息網）在Google中進行了檢索。分別得到了各市農業部門網站的網頁數、總鏈接數。通過計算二者比值可得該網站的網絡影響因子，并用此變量作為衡量農業部門網站建設質量的評估得分。為保證數據的穩定性和科學性，本文對樣本進行了篩選。首先，由于不同行政級別的城市之間差異較大，本文將各省的省會城市剔除；其次，考慮人口規模。因為我國共有約300個地級市，農村人口占到6億。單從取樣的102個地級市來說，城市人口規模從100萬跨度到1 000萬都有，為了保證樣本數據的連貫性和可比性，我們將勞動人口在250萬人以下的城市樣本剔除。其中包括東營市、萊蕪市、鶴壁市、三門峽市、自貢市、雅安市、鄂州市和張家界市；最后，還剔除了網站在2014年末改版、無法打開頁面、或網頁信息不全等情況下的樣本，其中包括東臺市、樂山市（兩市均無政府官方農業部門網站），宿遷市、保定市（此兩市農委網站數據無法從Google獲取），濟源市（該網站的robots.txt文件存在限制指令，數據無法從搜索引擎獲?。┖蛷V元市（該市于2014年底前后改版）。所以102個樣本中，實際有效的數據為81個。山東省14市、河北省8市、河南省14市、江蘇省11市、四川省13市、湖北省10市和湖南省11市。

在選取度量地區農業發展水平的變量時，本文采取的是當地的人均農業產值，在原農業產值的基礎上除以當地總人口所得。采用人均農業產值而非農業總產值的目的是消除由于不同地區人口規模差異帶來的影響。相關數據如表2所示：

我國各個地區由于自然條件、地域文化以及政策導向的不同，經濟發展水平既有差異又各具特色。整體上可劃分為東部、西部和中部三大經濟地區。而在本文取樣的七省中，河北省、山東省和江蘇省屬于東部地區，河南省、湖北省和湖南屬于中部地區，四川省則屬于西部地區。

本文采用線性回歸的方法研究政府農業部門網站建設質量與當地農業經濟發展水平之間的相關性，運用統計數據做實證檢驗，構造一元回歸模型如下：

Mi=C+C1Gi+ε

其中Mi表示i城市農業部門網站的網絡影響因子，我們用此變量作為衡量該網站建設水平的評估得分；Gi為i城市2014年人均農業產值，ε為隨機誤差項。利用eviews軟件，通過對上式進行回歸分析，我們可以建立農業部門網站建設質量和地方人均農業產值間的線性關系。首先，基于原始數據，取七省全部81個城市的樣本進行計量回歸。然后再根據東、中、西部三大地區分別進行回歸分析。

三、基于原始數據的回歸分析

使用eviews軟件對原始81個城市的網絡影響因子及各地人均農業產值數據進行回歸，回歸結果如表3所示。

從表3可得，回歸系數均為正。從總體上的實證結果來看，各地的農業部門網站建設與該地區的人均農業產值呈現出正相關的聯系。結果定量地驗證了農業部門網站與地方農業經濟發展水平存在促進作用的理論。從t檢驗中的P值為0.000可知，原假設是顯著的，即農業部門網站質量的回歸系數不為0，總體回歸通過檢驗。根據數據制出關于網站建設質量與人均農業產值的散點圖，如圖1所示。

盡管從擬合結果來看，兩個變量整體上存在著正向的聯系，但上述方程的擬合優度R^2僅為30%，說明回歸直線對觀測值的擬合程度較差，這一線性方程不能很好地描述二者之間的關聯度。從回歸系數來看，所得的回歸系數值為0.002 126，其經濟含義為人均農業產值每提高100會導致農業部門網站評估得分提高0.21分，在樣本總量81個城市中，符合這一趨勢的城市比例約為30%。

東部地區各市回歸結果所得的系數也為正，且每個t檢驗結果也均表明檢驗通過，回歸系數是顯著的，不為0。與全部樣本回歸的結果相比，東部地區所得的回歸系數值更大，人均農業產值每提高100時，網站評估得分將提高0.26分左右，擬合程度也更好，從30%增至38%。東部地區34市的農業部門網站建設質量與人均農業產值的散點分布與回歸如圖2所示。

從散點圖上的分布來看，這兩個變量的確存在著正向相關的關系，但是回歸分析得到的線性方程擬合程度較差，尚不能很好地描述農業部門網站建設質量與當地人均農業產值水平之間的相關性，這與總體樣本的回歸結果是相同的。

然而中部地區和西部地區的回歸結果則有一些差異。兩地區t檢驗的P值分別為0.006 5和0.691 4，西部地區未通過顯著性檢驗，這表明回歸系數有較大的可能為零。此外，兩個地區的擬合優度較總體和東部地區更低，分別為0.20和0.01。所以我們無法證實在這兩個經濟區域中，農業部門網站建設質量與地方農業經濟發展水平之間存在顯著的線性相關關系。中部地區和西部地區的農業部門網站績效評估得分與人均農業產值的散點分布圖如圖3和圖4所示。從西部地區的回歸結果和分布圖來看，我們無法直接得出二者存在顯著的正相關關系，而且西部地區的相關性明顯要低于中部地區。

四、基于分層歸類的回歸分析

不論是對七省中的總體樣本進行回歸分析，還是將東中西部三個地區的樣本分別回歸，所得的線性方程對實際數據的擬合程度都比較低，這說明以上計量結果還不足以證明農業部門網站建設與當地農業經濟發展水平的關聯度存在著促進關系。但是從散點圖的趨勢線中不難看出，二者之間確實存在著一定的正向聯系。為了更好地描述和證實二者的關聯度，本文基于以上分析結果，借鑒前人的分層分析方法，通過將樣本點分布的分散性降低來研究變量間的相關性。

對總體81個樣本做以下處理：首先將城市按照人均農業產值降序排列，以每9個城市為一組，然后分別計算出每一組的平均農業部門網站評估得分與平均人均農業產值。再利用（1）式，將數據帶入方程式中回歸。同樣的，我們也對東部、中部的樣本做這樣的處理，但是考慮到分區域樣本量較小，對東部地區和中部地區以每5個城市為一單位進行分組。由于西部地區只包括四川一個省的數據，分組的話樣本量過小，故未對西部地區做分組處理。所得結果如表4所示：

從表4可以發現，在各地區分組之后，回歸系數的變化并不明顯，但是擬合優度均有顯著幅度的提高。以總體樣本為例，分組前的擬合優度只有30%，而分組后的擬合優度達到了75%。此外回歸系數表明，人均農業產值每上升100，農業部門網站評估得分將增加0.24分。從圖5總體樣本分組回歸后關于農業部門網站建設質量與人均農業產值關系的散點圖也可以看出來，這兩個變量之間存在顯著的正相關的關系。東部和中部地區的回歸情況也大致相似，擬合優度分別從38%、20%上升到60%與62%，回歸系數表明，當人均農業產值每上升100時，農業部門網站的質量評估得分將分別增加0.25分和0.15分。以上兩部分回歸的P值也均表明，在95%的置信水平下，回歸系數是顯著的。

為了進一步分析樣本數據，對總體樣本及東部、中部和西部地區的樣本數據分別求均值，所得結果如表5所示：

用總體樣本分組后的數據對照上述總體樣本的均值來看，中部與西部的一些城市在人均農業產值與平均水平相當時，農業部門網站得分卻較大幅度低于均值。為了探尋原因，我們將眼光聚集到這些城市上來。通過觀察我們發現，這幾組中的樣本有多個城市在中西部地區，而且還包含像邯鄲市和達州市這樣的資源型城市。資源型城市往往自然資源富集，城市的發展和生產與資源開發密切相關。這些城市在樣本數據中的特點則體現為，人均農業產值非常高，但農業部門網站評估得分卻處于比較低的水平。為了使樣本更有代表性和說服力，我們比照這幾組的處理，對其他組的城市也進行了排查，將一些帶有明顯特征的資源型城市從總體樣本中剔除。所以，本文一共剔除了濟寧市、張家口市、淄博市、瀘州市、邯鄲市、達州市和平頂山市這7個資源型城市，以及蘇州市這樣由于經濟發達，人均農業產值排在最末，但網站評分確能排在前十的城市。

同時，根據比對和觀察，考慮到網頁數也會對WIF結果產生較大的影響，而網頁數主要與網站的更新速度及規模有關，而我國政府網站租用服務器的現象較為普遍，在政策的指引下，存在頻繁更換服務器或域名的現象，會造成各政府網站之間網頁數差別較大，也導致對網站進行評估時帶來偏差。所以我們還將網頁數低于1000的網站樣本剔除，其中包括徐州市、安陽市、益陽市、日照市、郴州市、湘潭市、婁底市和岳陽市共8個城市的農業網站。

在剔除了這16個城市后，我們對剩余的65個樣本再次進行分組回歸（6個一組，一共11組，最末5個樣本歸入最后一組）。所得結果如表6所示：

與剔除樣本前的回歸結果相比，表6的數據表明，t檢驗說明回歸系數是顯著不為零的，而且擬合優度從0.75上升至0.82，證明這一線性擬合方程式能夠較好地描述政府農業部門網站建設質量與地方農業發展水平之間的正相關聯系。兩者間的散點圖如圖6所示。

除了發現資源型城市，我們還可以從表4各地區的數據均值中發現，經濟發達地區的農業部門網站建設質量越高，網站的評估得分也越高。其中，東部地區的網站評估得分高出中部的網站評估得分1分左右，且東部和中部的網站評估得分也顯著高于西部。

上述分析發現，就總體樣本而言，農業部門網站建設質量與當地農業經濟發展水平之間的確存在正相關關系，而且這一關系在根據人均農業產值水平分組后體現得更為顯著。就各個區域而言，兩變量之間的相關關系在東部地區和中部地區比西部地區體現得更為明晰。通常由于經濟發達地區有更加豐厚的經濟基礎，能夠投入更多的人力物力提升農業信息化水平，從而更有利于農業網站的建設，更有助于農業發展。如江蘇省和山東省，當本地經濟比較發達的時候，政府對信息化的重視程度更高，對相關項目的扶持力度較大，財政資金投入更多。

另一方面，在不夠發達地區，農業產值占其經濟總產值的比重較大，但農業信息化水平較低，無法滿足該地區日趨增長的信息需求，盡管農業部門網站建設質量與當地農業經濟發展水平的相關性在西部地區表現得較弱，但提升農業部門網站建設對當地農業發展的促進有很大的市場空間，所以對兩變量相關關系的探究仍是非常有意義的。

五、結論與思考

本文基于我國81個地方城市的原始面板數據和分組數據，對地方農業部門網站評估得分變量與當地人均農業總產值進行線性回歸，分析地方農業部門網站與當地農業發展水平之間的關聯度。但囿于水平和時間問題，文章尚有許多不足和可改進之處，對此有以下思考。

1. 關于樣本選取。本文最初選擇的城市樣本是農業總產值排名前列的七個省份的下轄市，其中涵括了省會城市、副省會城市和地級市。不同行政級別的城市不論在社會、經濟、文化方面都有顯著差異，信息化發展水平也參差不齊，因此會導致樣本在分布上比較分散。所以我們不僅用人均農業產值來衡量當地的農業發展水平，同時還剔除了省會城市與勞動人口在250萬以下的城市。而區、縣相對于上述城市區別更大，故也未將其納入回歸樣本。在未來的研究中，可以考慮擴大樣本量，比如可選取農業總產值排名前十五名的省份中的所有城市，從這些樣本中，挑選出省會城市、副省會城市，將同一行政級別的城市分為一組進行回歸，探究其地方農業部門網站與地方農業發展水平之間的關聯度。

2. 關于變量選取和模型建立。本文選取網絡影響因子作為評估一個網站建設水平的變量，使用人均農業產值來衡量當地的農業發展水平，通過一元線性回歸模型來分析地方農業部門網站建設質量與地方農業發展水平的關聯度。

關于衡量當地農業發展水平的變量，本文還嘗試過以當地的人均農民純收入和人均農業產值的增加值來分析，但是帶到方程中回歸后都未取得理想的結果。本文猜想，農民純收入受到了原農民家庭經濟條件、財產財務和人口素質的影響，而農業產值增加值最新只能得到2013年的數據，與農業部門網站建設的即時性不符合。所以人均農業產值能夠更好地衡量與農業部門網站建設相匹配的農業發展水平。

本文選取網絡影響因子衡量網站的建設質量，而事實上，內部和外部網絡影響因子等變量在網站評價體系中也有重要意義，這些指標都屬于網絡計量學的學科內涵。但存在的問題是，目前仍缺乏成熟的理論指導，網絡計量學是在上世紀90年代中后期逐步形成的一門學科，對其研究不過十年的時間。至今，在網絡鏈接研究領域還沒有取得如文獻計量學三大定律那樣為所有研究者所共同認可的理論研究成果。此外還缺少完善的研究工具。目前多數學者所作的鏈接分析是基于商業搜索引擎的，但是商業搜索引擎不像SCI是專門為引用分析而設計和開發的，相比SCI商業搜索引擎被用于網絡計量學分析時，主要存在覆蓋率低和穩定性較差這樣的缺陷。

從回歸結果來看，西部地區的結果并未表明兩個變量之間的正相關關系非常顯著，這說明可能農業發展水平只是影響農業部門網站建設的變量之一，還包含許多其他的因素。比如經濟發展水平、社會因素、政治因素等。從社會因素來看，人才結構、地域文化、輿論傾向和傳統習俗決定了當地民眾對農業部門網站的接受程度和使用偏好；從政治角度來看，國家與當地的政策導向，負責領導人的施政目標，個人偏好、年齡結構、文化水平等，決定了地方政府部門對網站建設的重視程度，而農業在當地經濟中的重要程度又進一步影響地方農業部門網站的建設。從本文的樣本數據和回歸結果中也能夠發現，就地區而言，兩變量之間的關聯度在更為發達與開放的東部比相對落后和封閉的中西部地區更顯著；就城市而言，經濟水平更優、發展更強更快的城市在網站建設方面也優于還在發展中的城市。

3. 關于分析方法。本文在分析地方農業部門網站與地方農業發展水平關聯性的時候，只是就其結論進行論證，并未具體探究兩變量之間互相作用的因果關系。地方農業部門網站建設與地方農業發展水平是互相關聯、互相促進的。從理論上來說，這兩者間是存在良性循環的，但是不同城市在這兩方面的發展不一定是同步的。本文所采取的橫截面數據既無法體現這種發展上的時序性，也不能體現兩變量間具體的因果關系。在今后的研究中，還可以通過時間序列和格蘭杰因果檢驗進一步分析。

4. 關于農業信息化。不少學者研究農業信息化對農業經濟發展的促進作用，基于此研究基礎，本文探究了地方農業部門網站和地方農業經濟發展的關聯度。事實上，農業信息化是一個動態過程，涵蓋內容比較廣泛。對一些農業發達的資源型城市，農業信息化有助于提升產業結構，優化資源配置，加快農業技術進步。在未來的研究中，還可以利用農業信息化對農業經濟增長的影響機理，運用相關政策，進一步分析如何將資源消耗型的粗放式發展方式轉變為可持續發展方式。

參考文獻：

[1]中國互聯網絡信息中心.第35次中國互聯網絡發展狀況統計報告[EB/OL][2015-02-03].http：//www.cnnic.net.cn/.

[2]Ingwersen P. The calculation of web impact factors. Journal of Documentation[J].1998，54（2）：233-256.

[3]楊濤.中國50所大學網站的網絡影響因子比較分析[J].圖書情報工作，2004，（6）：50-54.

[4]段宇峰.基于鏈接分析的網站評價研究[J].中國圖書館學報，2005，（4）：19-23.

[5]田紅梅.基于鏈接分析的學術性核心網站評價[J].情報科學，2004，（9）：1078-1080.

[6]王宏鑫.我國省級以上公共圖書館網站的鏈接分析[J].中國圖書館學報，2005，（3）：86-89.

[7]沙勇忠.中國省級政府網站的影響力評價——網站鏈接分析及網絡影響因子測度[J].情報資料工作，2004，（6）：17-22.

[8]宴爾伽.中國省會城市政府網站鏈接分析[J].情報科學，2008，（2）：218-223.

[9]王知津.網站評價中的樣本選取及鏈接測度[J].圖書與情報，2006，（3）：53-58，97.

[10]顧海兵.國內主要商業銀行網站質量之比較[J].山東社會科學，2009，（11）：93-97.

[11]顧海兵.政府部門網站的信息品質之國際比較——基于特大城市警察部門的分析[J].學術界，2010，（6）：48-57.

[12]顧海兵.市級政府網站與市域經濟的關聯度之分層分析——基于292個地級市的資料分層分析[J].學術界，2014，（6）：10-21.

[13]顧海兵.中央銀行網站：國際比較與借鑒[J].山東社會科學，2014，（6）：163-167.

[14]許劍穎.基于鏈接分析法的中國農業網站影響力分析[J].圖書情報工作網刊，2012，（10）：42-46.

[15]劉義誠.農業網站評價方法與評價指標體系研究[J].農業網絡信息，2010，（7）：5-8.

[16]張洋.網絡影響因子研究綜述[J].中國圖書館學報，2010，（1）：63-79.

[17]王知津.網站評價指標體系的構建方法與過程[J].圖書與情報，2006，（3）：42-52.

[18]邱均平.中國大學網站鏈接分析及網絡影響因子探討[J].中國軟科學，2003，（6）：151-155.

責任編輯：張 然