居民主觀感知視角的數字化社區運行影響因素分析

宋麗娜 潘雯秋 劉羽洋 李莉 宣欣祎

摘要：數字化改革的浪潮促進了數字化社區的發展，其績效評價也成了當務之急。本文以杭州市為例，針對居民對所在社區數字化建設的主觀感知進行問卷調查。利用社會網絡圖從網絡密度、節點度和模塊度三個角度分析影響居民主觀感知的外部因素，探究各變量之間的關系。并構建結構方程模型從潛變量角度進行分析，對社會網絡分析的結果進行驗證。結果表明居民整體主觀感知較好，其認知水平等對其主觀感知有影響。最終本文提出了相應的建議。

關鍵詞：數字化社區；居民主觀感知；社會網絡分析；結構方程模型

中圖分類號：F27文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2022.21.028

0引言

伴隨著現代科學信息技術的迅猛發展，人們對居住環境的要求不斷提高，社區的數字化建設成為最貼近居民生活需求的舉措，數字化社區應運而生。本文從側面探究數字化社區建設情況，引入居民態度和意愿度兩個指標，將研究視角從居民滿意度拓展至包含居民滿意度、居住意愿和支付意愿、態度等主觀感知。以杭州市為調查地點，通過對杭州市居民進行抽樣調查，以居民文化程度、對數字化社區的了解程度和對社區建設各方面認同度作為影響因素，利用社會網絡分析和結構方程模型探究其對居民主觀感知的影響，以此為數字化社區建設建言獻策。

1研究方法

1.1社會網絡分析

社會網絡分析方法是基于圖論和數學方法發展起來的定量分析方法，用以刻畫網絡的關系、形態和類型，測度網絡的各種結構性特征。本文利用社會網絡分析從網絡密度、節點度和模塊度3個角度，探究杭州市居民對數字化社區的主觀感知與文化程度、對數字化社區的了解程度、對數字化社區的建設持有的不同認同度之間的關系。本文利用Gephi軟件構建認知水平—主觀感知、認同度—主觀感知兩個社會網絡圖。

1.1.1網絡密度

網絡密度可用于刻畫網絡中節點相互連邊的密集程度，通常當網絡密度大于0.3時，該網絡聯系緊密，即進行下一步的研究是有意義的。一個具有N個節點和L條實際連邊的網絡，網絡密度的計算公式為：

dG=2LNN－1（1）

計算可得，認知水平—社會網絡的網絡密度為0456，認同度—社會網絡的網絡密度為0418，均大于03，因此本文構建的社會網絡可行且有意義。

1.1.2節點度

節點度指與該節點相關聯邊的條數，是在社會網絡分析中刻畫節點中心性最直接的度量指標。本文采用節點加權度來刻畫這一性質，利用Gephi得出兩個網絡各變量的節點度如表1和表2所示。

1.1.3模塊度

模塊度反映社會網絡的聚集程度，同一模塊內部的點之間連接相對稠密。定義Q為模塊度，則

Q=12m∑ijAij-kikj2msisj+12

=12m∑ijAij-kikj2mδi，j（2）

其中，δ（i，j）表示節點i和j在同一個社團。Aij表示節點i和節點j之間邊的數目?！苅jkikj2m表示隨機放置邊的情況下，結點i和結點j之間邊數的期望值。

利用Gephi對兩個社會網絡進行模塊劃分，最終可得認知水平-主觀感知網絡分為表3的3個模塊。

認同度-主觀感知網絡分為了表4的2個模塊。

1.2結構方程模型

結構方程模型是應用線性方程表示觀測變量與潛變量之間，以及潛在變量之間關系的多元統計方法，其實質是一種廣義的一般線性模型，通過對變量之間路徑系數的估計和檢驗可以得到各變量之間隱含的關系。

居民的文化程度和對數字化社區的了解程度可以反映居民對數字化社區的認知水平，居民對社區數字化建設的認同可根據不同方面分為安全認同、設備認同、生活認同和管理認同，基于此抽象出如表5所示的各觀測變量背后相應的潛變量，構建結構方程模型對各潛變量進行探究。

1.2.1信度效度分析

（1）信度分析。對問卷數據進行可靠性分析，計算得到克朗巴哈系數為0.736>0.7，量表內在信度較高，測量結果內部一致性較強。

（2）效度分析。計算可得KMO值為0.738>0.7，表明每個變量之間相關性較強。

通過信度和效度分析可知，變量支持建立驗證性因素分析模型的需求。

1.2.2模型假設

根據社會網絡分析的結果，本文作出以下假設：

居民對數字化社區建設的主觀感知水平，受居民認知水平、對數字化社區提升安全層面認同度、提供設備層面認同度、使生活更便捷認同度、提高管理效率認同度的正相關影響。

1.2.3模型建立

結構方程模型涉及觀測變量和潛變量兩類變量，模型包括兩部分，其一是描述觀測變量與潛變量之間關系的測量模型，其二是描述各潛變量之間關系的結構模型。其中測量模型方程為：

xjh=λjhξj+δjh（3）

結構方程為：

ξj=∑j≠iβjiξi+ζj（4）

式中ξj表示潛變量j，xjh表示潛變量ξj的第h個觀測變量，λjh表示觀測變量與對應潛變量之間的關系，即因子載荷；βji表示潛變量i和潛變量j之間的路徑系數，δjh和ξj為誤差項，均值為0，且與預測變量不相關。

1.2.4模型求解

本文采用偏最小二乘（PLS）對結構方程模型進行估計，采用PLS估計可以避免對潛變量和誤差項進行正態性假定，得到更加穩健的結果。

由于觀測變量為二分類變量和五分類變量等不同測量尺度的變量，故采用非度量偏最小二乘法（Non-Metric PLS）進行估計。該方法將PLS方法的適用性擴展到不同測量尺度上的測量數據以及與非線性關系相關的變量，其顯著特點是為非度量變量和度量變量提供了新的度量，且此度量不依賴于原始數據的度量屬性，可同時處理不同測量尺度的觀測變量。本文使用R語言中的“plspm”程序實現模型估計和評價。

1.2.5模型評估

（1）測量模型的估計和評價。測量模型的估計指標結果如表5所示。

因子載荷即觀測變量的變化能被潛變量解釋的比重，該值越高，測量模型內部一致性越好。該模型大部分觀測變量的載荷均大于0.7，說明該測量模型具有較高的一致性。復合信度系數衡量測量模型的單維性，由表5可知，每個觀測變量的復合信度系數均大于0.7，根據經驗法則，可認為每個潛變量內的觀測指標具有單維性。平均方差提取率表示一個潛變量能解釋其所反映的觀測變量方差總和。該模型潛變量的平均方差提取率大部分均大于0.5，即潛變量的解釋效果均較好。

（2）結構模型的估計和評價。根據潛變量和觀測變量的直接路徑系數，繪制出最終結構方程模型如圖1所示。由圖1可知，居民關于數字化社區建設能提高社區安全性等方面的認同度對其主觀感知有直接影響，其中居民的主觀感知這一潛變量受其居住意愿的解釋影響最大；除此之外，居民的設備認同和生活認同對其主觀感知也有直接影響，直接影響路徑系數分別為0.204和0.141。

2結論

2.1居民對數字化社區的整體主觀感知較好

由社會網絡分析節點度結果可知，建設態度樂觀、非常滿意、非常愿意居住在數字化社區的節點度最高，說明大部分居民都較支持數字化社區建設。

2.2認知水平對居民的主觀感知有直接影響

由社會網絡分析結果可知，居民文化程度及其對數字化社區了解程度越高，其對建設數字化社區的態度、意愿和滿意度也更好；根據結構方程模型的結果，認知水平對居民主觀感知的直接路徑系數為0.468，說明認知水平對居民主觀感知有直接影響。

2.3安全認同對居民的主觀感知有重要影響

由社會網絡分析結果可知，數字化社區建設能提高社區安全、個人信息安全能得到保障、態度樂觀等變量在同一模塊；此外，根據結構方程模型結果，安全認同對主觀感知總路徑系數為0.461，說明安全認同對居民主觀感知有重要影響。

2.4生活認同和設備認同對居民主觀感知有一定影響

由社會網絡分析結果可知，認為數字化社區能使生活更加便捷、同時設備使用簡單高效、維護成本低與態度樂觀等變量在同一模塊；同時，根據結構方程模型結果，生活認同和設備認同對居民主觀感知有一定的影響。

3建議

（1）積極落實數字化建設。

政府應積極響應國家政策號召，提高數字化覆蓋率，給予數字化技術發展資金保障，提高各建設主體積極性。社區居委會及物業要整合社會資源，加強數字化設備建設，提高服務管理質量水平。

（2）提高居民認知水平。

數字化社區建設應力求惠及全體人群，兼顧老幼特殊人群及低學歷人群，簡化設備使用。鼓勵政府對社區主體開展培訓。社區負責人以橫幅、講座、宣傳單等創新形式，營造數字化氛圍。

（3）提高社區安全性能。

政府和社區在數字化建設過程中，應加強社區安全和個人信息安全的相關建設，如完善數字監控系統、完善小區人臉識別門禁系統等，打造智慧安防系統，通過數字賦能切實保障社區安全。

（4）加強便民服務建設。

社區數字化應注重落實提供智能水表、智能快遞柜等社區日常便民服務建設，降低數字化使用門檻；政府應加大人、財、物供給，降低建設、維修成本。

參考文獻

［1］李天籽，陸銘俊.中國人口流動網絡特征及影響因素研究——基于騰訊位置大數據的分析[J/OL].當代經濟管理，1-12[2022-02-02].

[2]尹慧.基于社會網絡分析的高校菜鳥驛站用戶滿意度研究[D].深圳：深圳大學，2019.

[3]Sun J，Tang J.A survey of models and algorithms for social influence analysis[M]//Social network data analytics.Springer，Boston，MA，2011：177-214.

[4]程開明.結構方程模型的特點及應用[J].統計與決策，2006，（10）：22-25.

[5]Petrarca F.Non-Metric PLS Path Modeling：Integration into the Labour Market of Sapienza Graduates[J].Departmental Working Papers of Economics-University 'Roma Tre'，2013.

[6]Giorgio Russolillo.Non-Metric Partial Least Squares[J].Electronic Journal of Statistics，2012，（6）：1641-1669.