TERGM参数的贝叶斯估计及其在黄河流域城市群生态韧性研究中的应用.pdfVIP

摘要

时间指数随机图模型（TemporalExponentialRandomGraphModels，TERGM）

通过引入时间维度动态模拟和分析网络演化，相较于传统静态模型更符合现实需

求。然而，其常用的极大伪似然估计（MaximumPseudo-LikelihoodEstimation，

MPLE）和马尔可夫链蒙特卡洛伪似然估计（MarkovChainMonteCarloMaximum

Pseudo-LikelihoodEstimation，MCMC-PLE）方法存在明显局限性，一是不能充

分利用图结构信息，二是对初始采样值选择过度敏感。鉴于此，为更高效准确地

进行TERGM参数估计，亟需探索新的方法。同时，城市群内城市节点网络结

构复杂，且其生态韧性网络关系的演化受网络结构、节点属性和外在变量等多种

因素共同影响，现有研究在该领域的分析方法存在改进空间，这也促使研究寻求

新的方法来深入剖析城市群生态韧性网络。

文章提出基于贝叶斯估计的TERGM参数估计方法，该方法充分利用样本

数据，并整合参数先验信息与总体信息，在处理大规模、高维图结构数据时，能

够深入挖掘图结构中的潜在信息，通过先验分布对参数进行合理约束，从而有效

避免模型过拟合问题。且贝叶斯估计在处理参数估计的不确定性方面表现更为优

越。通过对参数后验分布的深入分析，能够更准确地评估模型的稳定性和可靠性，

克服传统MPLE和MCMC-PLE方法的固有缺陷。此外，文章构建城市群生态韧

性网络，从空间网络视角分析城市群生态韧性演变特征，运用贝叶斯估计对

TERGM参数进行估计，探究网络结构与参数的内在关系，分析网络内部结构和

外部因素对黄河流域城市群生态韧性的影响。

研究表明，基于贝叶斯估计的TERGM参数估计标准误显著降低，估计精

度显著提升，在不同采样迭代次数下稳定性强，后验输出对迭代次数的敏感性较

低，鲁棒性良好。对黄河流域城市群生态韧性网络的研究发现，各城市在生态韧

性网络中关联松散，核心—边缘结构明显，城市间联系不紧密，形成核心城市带

动周边城市的协同发展格局。通过对网络自组织结构、节点属性以及网络协变量

的分析可知，黄河流域城市群生态韧性网络的形成并非随机，城市节点间存在互

惠特征与传递闭合结构；人均GDP和第三产业占比高的城市更易吸引其他城市

建立联系；人口密度、年末金融机构存款属性变量对生态韧性网络形成促进作用

不明显；社会消费品零售额作用微弱；自然增长率具有抑制作用。公共管理社会

保障和社会组织差异、教育和科技创新差异对网络形成无促进作用；而环境规制

差异和地理空间距离能促进网络形成。

关键词：贝叶斯时间指数随机图模型空间网络结构城市群黄河流域生

态韧性

Abstract

TemporalExponentialRandomGraphModels(TERGM)

dynamicallysimulateandanalysenetworkevolutionbyintroducingthe

temporaldimension,whichismoreinlinewithreal-worldneedsthan

traditionalstaticmodels.However,thecommonlyusedMaximumPseudo-

LikelihoodEstimation(MPLE)andMarkovChainMonteCarloMaximum

Pseudo-LikelihoodEstimation(MCMC-PLE)methodsaremoresuitable

foranalysingnetworkevolution.MCMC-PLEmethodshaveobvious

limitations,onebeingthattheycannotmakefulluseofgraphstructure

information,andtheotherbeingthattheyareoverlysensitivetothechoice

ofinitialsamp