谷歌矩阵方法提供了与通常的输入/输出矩阵方法截然不同的新型结果。这与变换矩阵(14)考虑网络上各个周期的求和这一事实有关。4讨论在这项工作中,我们从ECD WTO TiVA数据库开发了世界经济活动网络的谷歌矩阵分析。PageRank和Cheirank概率可以获得世界各国的排名,这取决于它们的富裕程度,主要取决于它们的经济关系效率。所开发的方法证明了经济活动部门的不对称性,其中一些部门是以出口为导向的0050,10,15v(s)1020 30s00,20,40,6v(s)图24。顶部面板:2008年几个国家的简化转移矩阵转换向量的文件v示例。此处,初始扇区为s=2(挖掘),而转换向量v(s)由图23中定义的矩阵形成;这些国家是法国(蓝色)、德国(红色)、瑞士(绿色)和美国(黑色)。底部面板:为了进行比较,我们在这里显示的与顶部面板相同,但不是T,r我们使用输入/输出矩阵M和规格化列(此处不替换悬挂节点,一个国家内部的转换为零);PCMSS,cc给出的国家cis的此类amatrix列;此处,相同的国家/地区以与顶部面板中相同的颜色显示。。00050,1v(s)1020 30s00,20,40,60,8v(s)图25。与图24中的初始扇区s=34(教育)相同。结果显示塞浦路斯(蓝色)、新加坡(红色)、卢森堡(绿色)和马耳他(黑色)。还有一些是以进口为导向的。我们还表明,WNEA谷歌矩阵的IGenstates选择了面向特定活动部门的特定的、孤立的社区。
|