分类:科学中的代际流动性

研究背景和问题

在经济学研究中，公平性是一个重要的主题。一种公平性是分布函数体现出来的静态公平性——是不是大多数人的收入都差不多；一种是收入绝对值和排序排序的变化体现出来的动态公平性。前者由Geni系数之类的量来表达，后者由绝对和相对流动性来描述。

例如，代际收入流动性，就可以定义成类似这样的指标[math]\displaystyle{ D=\frac{\sum_{i}\left|x_{i}\left(t+1\right)-x_{i}\left(t\right)\right|}{\sum_{i}\left|x_{i}\left(t\right)\right|} }[/math]，或者，[math]\displaystyle{ d=\frac{\sum_{i}\left|r_{i}\left(t+1\right)-r_{i}\left(t\right)\right|}{N\left(t\right)\left(N\left(t\right)-1\right)} }[/math]。

现在我们来看一看，期刊的排序的相对流动性，以及绝对流动性，这些年都有什么表现。更难产生一个新的好期刊或者变成一个烂期刊了——这个时候可以把正负的[math]\displaystyle{ r_{i}\left(t+1\right)-r_{i}\left(t\right) }[/math]分开来讨论，还是更容易了。

我们还可以来看一看，是不是好的导师的学生比较好，差的导师的学生比较差，也就是学术领域的阶层固化的程度，随着时间的变化。类似的讨论在^[1]中已经有。

或者学校阶层的固化随着时间的变化，类似的讨论在^[2]中已经有。

同时，一个小小相关的但是额外的问题：网络演化的BA模型中的流动性，可以当做这些实际测量出来的流动性的一种对比基准。^[3]发现，大量实际问题的流动性都远远高于专门为了复现分布函数的演化模型数据上得到的流动性。

方法和数据

方法上就是从一个研究对象集合的某个特征量在一段时期内的每一个时间点的值[math]\displaystyle{ \left\{x_{i}\left(t\right)\right\} }[/math]计算[math]\displaystyle{ D\left(t\right), d\left(t\right), D_{\pm}\left(t\right), d_{\pm}\left(t\right) }[/math]。

数据上，我们需要研究对象的特征量，例如期刊的被引次数，研究单位的被引次数或者其他产出和影响力的指标，科学家的代际关系（例如[| 数学学术传承树]）和科学家的产出和影响力指标。

主要结果

下一步的工作

1. 获取数据。
2. 做分析。
3. 阅读经济学和科学学相应文献。

参考文献

引用错误：在<references>中以“Redner”名字定义的<ref>标签没有在先前的文字中使用。