项目概述

本项目基于上市公司披露的前五大客户和供应商数据，构建供应链关系网络，并运用复杂网络分析方法计算企业在网络中的中心度指标。核心目标是通过 PageRank 和 TextRank 算法量化评估各企业在供应链网络中的影响力与重要程度。

核心思路

项目采用无向网络模型构建供应链关系网络，基于的理论假设是信息流在供应链中的传播具有相互性。

通过两种算法从不同维度衡量企业中心度：

• PageRank 算法

基于网络拓扑结构计算节点的基础影响力，反映企业在网络中的连接广泛性。

• TextRank 算法

在 PageRank 基础上引入交易占比作为边权重，更能体现实际经济往来中的相对重要性。

最终结果为每个企业在每个年份生成两个中心度指标，可用于供应链韧性、风险传导等相关研究。

使用流程

1. 数据准备

使用前需准备两个数据文件：

• 前五大供应商.xlsx

• 前五大客户.xlsx

文件需放置在项目根目录下：

data/

数据文件应包含以下关键字段：

• 股票代码

• 年份

• 排名

• 关联企业代码

• 交易占比

2. 数据预处理

运行代码后，系统将自动完成：

1. 数据加载

2. 字段格式统一

3. 合并供应商与客户数据

4. 数据有效性检查

3. 网络构建

• 按年份分别构建无向供应链网络

• 节点表示企业

• 边表示供应链关系

• 边权重（TextRank）为交易占比

4. 中心度计算

系统分别计算：

• 无权重 PageRank 中心度

• 带权重 TextRank 中心度

计算完成后，程序将自动生成：

• 当期中心度指标

• 滞后一期中心度指标

便于后续进行面板数据回归分析。

输出结果

最终输出为包含以下字段的综合数据表：

• 企业代码

• 年份

• TextRank

• TextRank 滞后值

• PageRank

• PageRank 滞后值

该结果可直接用于：

• 学术研究

• 企业供应链结构分析

• 风险传导研究

• 供应链韧性测度

项目价值

• 提供从原始供应链关系到网络中心度指标的完整计算流程

• 同时支持无权与加权网络分析

• 自动生成滞后变量，便于计量建模

• 计算流程透明、可复现

该代码为供应链网络研究提供了一套系统化、可操作的分析工具。

数据说明

本次研究计算生成了 2008–2021 年 共计 3333 条企业-年度 的网络中心度面板数据。
该数据集完整包含 TextRank、PageRank 及其各自滞后一期的值，是进行动态网络分析的核心基础。

数据结构示例

分析指引

1️⃣ 纵向对比（看变迁）

对比企业同一年度的 TextRank 与 TextRank_(t-1)
或 PageRank 与 PageRank_(t-1)，可以追踪其网络影响力的年度变化。

例如：

• 企业 000983 在 2008 年的 TextRank 值较 2007 年大幅下降

• 显示其网络地位出现显著收缩

2️⃣ 横向对比（看维度）

对比企业同一年度的 TextRank 与 PageRank，可以揭示影响力的不同侧面：

• TextRank：包含交易权重，反映经济影响力

• PageRank：反映纯网络结构重要性

例如：

• 企业 600019 在 2008 年两项指标存在差异

• 表明其结构重要性与经济权重并不完全对等

结论

该结构化数据集是进行：

• 面板回归分析

• 网络动态演化研究

• 核心企业识别

• 网络地位剧烈变动企业筛选

的直接入口。

通过纵向与横向对比，可快速定位供应链网络中的核心企业，并为后续机制探究提供量化依据。

完整代码已实现该表的一键生成与导出。