@ Abbott, A., & Hrycak, A. (1990). Measuring resemblance in sequence data: An optimal matching analysis of musicians’ careers. American journal of sociology, 96(1), 144-185.
- 摘要
- 本文提出一种基于插入、删除和替换操作的简单度量方法，用于测量序列间的相似性。这种被称为最优匹配的技术在自然科学领域已得到广泛应用。文章首先回顾序列分析的文献基础，继而详细阐述最优匹配算法。通过将该技术应用于18世纪活跃于德国的音乐家职业数据，本文展示了该方法的应用流程，并成功构建出一组典型职业模式，能够有效归类研究者所考察的大部分实际职业轨迹。
第一节 职业研究文献综述
- 社会学界对职业轨迹与职业模式的关注源远流长。
- 1950-1960年代，学界持续关注专业群体的职业路径研究。
- 至1960年代，职业流动研究逐渐融入广义的社会流动分析框架，将职业生涯解构为孤立的事件片段。
- 1970年代，职业研究出现范式革新。White（1970）的开创性研究揭示职业轨迹对组织结构的依赖性，从根本上挑战了地位获得学派的理论预设。
- 然而，这些新进展鲜少关注职业轨迹中事件序列的关联性。
- 将职业史中的流动序列视作超越人为建构的实体，存在坚实学理依据。
- 个体持续规划并结构化其职业史，在结构约束中主动选择流动路径。此类选择基于动态的职业身份认知，因此看似无序的职业生涯实则蕴含个体化的逻辑结构。
- 个体的未来规划不仅取决于当下处境，更受既往经历序列影响。人们通过比照既有职业模式与自身历史经验来建构职业未来。
- 职业整体模式究竟反映现实，还是罕见现象？
- 职业整体模式在文献中的消失，既是理论转向的结果，亦反映方法论的局限。
- 解答职业模式问题的方法论突破，将具有跨领域的重大意义。下文将系统梳理现有”典型序列”分析方法体系。
- 社会学界对职业轨迹与职业模式的关注源远流长。
第二节 序列分析方法论
- 针对序列研究的核心问题——（1）是否存在普遍模式（模式问题）与（2）如何生成这些模式（生成问题），学界发展出多种方法论路径。
- 方法论争议与学理依据
- 部分方法论学派认为序列模式问题缺乏学理价值：职业等序列现象本质上是潜在随机过程的表层呈现。任何时刻事件发生的概率，均取决于外生变量及距前次事件的时间间隔。
- 序列模式的依据：
- 复合事件分析需求：当研究涉及多种事件类型（如不同职业形态、政策选择）的时序关系时，随机过程方法显得笨拙低效。
- 确定性序列的存在：法庭预审程序、秘密社团入会仪式、专业培训体系等预设性脚本序列，其生成机制非随机性，首要研究问题即为模式识别。
- 社会认知维度：个体通过比照文化认知模型来规划职业路径，需通过模式分析揭示这些模型的真实性与现实基础。
- 方法论的互补性：模式分析可为随机模型提供历史序列分类工具，助力模型中历史事件顺序效应的研究。
- 非重复序列分析方法
- 穷举法：适用于短序列。
- 多元置换统计：Spearman等级相关系数等可度量序列间距离。
- 多维标度分析：考古学”序列化”技术的移植应用。
- 重复序列分析困境与马尔可夫模型
- 离散状态一阶马尔可夫过程：将序列分解为单步转移概率矩阵，通过计算状态转移概率估计序列聚合特征（如预期状态驻留时间、吸收链长度等）。通过与观测值比较检验模型拟合优度。
- 优势：
- 将复杂序列简化为单步转移概率。
- 允许引入差异化外生变量（与事件史方法兼容）。
- 固有缺陷：
- 历史依赖假设失当：实际过程常具长程依赖性（如教授转行出租车司机后的职业持续性异于原生司机），高阶马尔可夫过程导致状态空间指数膨胀。
- 模式识别功能缺失：仅通过聚合特征检验模型，无法直接识别典型序列。
- 确定性序列失效：对预设脚本序列（如宗教仪式流程）的分析完全失效。
- 优势：
- 离散状态一阶马尔可夫过程：将序列分解为单步转移概率矩阵，通过计算状态转移概率估计序列聚合特征（如预期状态驻留时间、吸收链长度等）。通过与观测值比较检验模型拟合优度。
- 方法论演进方向
- 发展直接的序列相似性度量与分类技术。
第三节 最优匹配技术
- 最优匹配技术：适用于由有限元素集合构成的可重复序列，通过量化序列间转换所需的最小操作成本生成区间级相似性度量。此类度量结果输入聚类或分组算法后，可识别典型序列模式。
- 基本原理：通过计算序列间转换所需的插入（Insertion）、删除（Deletion）、替换（Substitution）操作次数（即莱文斯坦距离）度量相似性。
- 标准化处理：序列长度差异影响绝对距离值，故需标准化处理。将转换成本除以较长序列长度后，获得相对距离矩阵。
- 替换成本差异化：实际应用中需考虑元素间语义差异。
- 算法实现：通过动态规划矩阵求解最小转换成本。
- 优势
- 直观量化序列结构差异
- 支持自定义成本函数适应不同场景
- 为聚类分析提供度量基础
- 不足
- 成本参数设置依赖领域知识
- 长序列计算效率问题
- 对周期性波动序列敏感度不足
第四节 实证案例：1660—1800年德国音乐家职业生涯
- 为验证最优匹配技术处理大规模数据的有效性，本研究采用巴洛克至古典时期（约1660—1810年）德国音乐劳动力市场项目的职业数据。
- 音乐职位的制度框架
- 宫廷
- 核心机构：卡佩拉乐团，由乐长统辖。
- 辅助职位：大型宫廷设音乐总监、专职作曲家与首席乐手；宗教场所配置管风琴师；部分宫廷设独立歌剧机构。
- 就业特征：全职乐手规模可达百人（大型宫廷）至数人（小型宫廷），薪酬受君主财政状况波动影响显著，职位稳定性差。
- 城镇
- 核心职位：城镇音乐总监负责教堂与学校音乐事务，常兼任首席学校校长。
- 教会机构：标配管风琴师与领唱，大型教堂增设乐长职位。
- 薪酬结构：音乐家通过音乐教学、教堂文书、法律咨询、优质座位出租等非音乐活动补充收入。
- 高等教育机构：大学教堂配置管风琴师，学生音乐社团（collegia musica）与寄宿学院（Bursen）聘用兼职音乐指导。
- 其他
- 歌剧领域：18世纪初出现宫廷歌剧团，民间歌剧公司资金匮乏，主要依赖巡回剧团。剧团乐手需承担表演、演唱与伴奏多重职能，经济高度依赖观众即时反馈。
- 私人服务：富裕阶层雇佣行会乐手（按日计酬）或非行会流动乐手提供定制音乐服务，此类从业者在数据集中鲜有记录。
- 宫廷
- 基础假设
- 存在少量稳定的宫廷职业生涯与更多稳定的城镇职业生涯。
- 职位安全性的差异预示多数职业轨迹呈现从宫廷向城镇的流动趋势。
- 存在通向核心管理职位的固定晋升阶梯。
第五节 德国音乐家的典型职业生涯
- 数据
- 源自两部音乐学词典——《音乐的历史与现状》与《新格罗夫音乐与音乐家词典》，收录1650-1810年间活跃于德国的所有音乐家职业轨迹。
- 编码策略
- 135种职位/领域组合中仅34种在595名音乐家中出现超过9次，定义为核心职业表，其余101种组合归入”其他”类别。
- 地理流动信息：将”内部流动”（职位类别不变下的地理或雇主变动）与非流动合并处理。
- 复合职位处理：约半数音乐家职业生涯中存在同时担任两个职位的阶段——仅采用无复合职位的职业记录。
- 每位音乐家的职业生涯被转化为35种职位构成的年度序列。
- 最优匹配参数：替换成本
- 同时变更领域与职位比单一变更更具显著性差异。据此设定：
- 仅变更领域或职位：替换成本0.75。
- 同时变更领域与职位：替换成本1.0。
- 进一步整合流动性信息优化成本矩阵：
- 构建基于流动频次的”距离”矩阵：统计35种职位间所有流动频次，对称化处理矩阵（即合并i→j与j→i频次），将”其他”类别行/列元素除以101（因该类别含101种职位/领域组合），最后通过常数减法转换为相异矩阵。
- 线性组合相异矩阵与职位/领域矩阵，确保最大流动性”相似性”与领域/职位相似性对成本降低的贡献等效。
- 同时变更领域与职位比单一变更更具显著性差异。据此设定：
- 结果
- 在设定替换成本模型后，可将最优匹配算法应用于数据。
- 职业类型大致分为管风琴师职业集群、宫廷职业集群与教会职业集群。
- 时间度量扩展
- 最优匹配技术允许调整时间度量假设
- 同构异速职业：两位音乐家任职顺序完全相同，但任职时长存在倍数差异。实质层面或需认定其高度相似（相同进程以不同速率展开）。
- 终局差异职业：两条轨迹前20年完全一致，随后一条因死亡终止，另一条延续终局职位20年。关键相似性可能集中于前期阶段，终局时长差异或属次要因素。
- 时间度量模型
- 基准模型（实时模型） ：假设职业差异源自职位序列差异或任职时长波动。仅当职位序列完全一致且各职位任期相同时，才认定职业高度相似。
- 标准化时间模型：将职业生涯标准化为50单位长度，仅关注职位间时间占比。
- 对数时间模型：对每职位任期取对数（加1处理1-2年任期），弱化长期任职差异影响。
- 实证分析
- 将279条职业轨迹随机分为三组（首组94条已分析），分别应用上述时间模型。
- 三类模型共同识别出以下稳定职业模式：
- 单一职位主导型：
- 宫廷/教会管风琴师
- 宫廷乐长、器乐师、作曲家
- 教会乐长与领唱
- 阶梯晋升型（偶现过渡阶段）：
- 宫廷歌手→乐长
- 宫廷器乐师→乐长
- 宫廷器乐师→首席乐手
- 宫廷器乐师→首席乐手→行政职位
- 单一职位主导型：
- 关键发现
- 宫廷体系官僚化：所有阶梯晋升路径均存在于相对科层化的宫廷系统。初级职位（歌手、器乐师）存在有限晋升通道，但严格限于宫廷内部。
- 领域区隔性：未发现跨领域（宫廷→城镇/教会）的多职位职业模式。个别案例（如J.S.巴赫）存在领域跨越，但属罕见现象。
- 职业稳定性修正：城镇职位的安全性未形成系统性吸引力，宫廷音乐家存在内部晋升可能，颠覆既有文献的松散预测。
- 最优匹配技术允许调整时间度量假设
- 数据
第六节 最优匹配方法的优势与局限
- 优势
- 直接测量序列相似性的能力，为回答”数据中是否存在共同序列模式”等基础问题提供工具。
- 应用广度
- 分类生活事件序列以识别压力诱发模式。
- 构建历史发展的理想型序列。
- 研究组织演进、革命进程、家庭生命周期。
- 应用前提
- 独立性假设：与所有个体轨迹分析方法相同，需假设序列间相互独立。
- 参数化要求：替换成本设置需明确理论依据与实证测量。
- 共性局限
- 变量度量假设
- 时间涵义界定
- 案例独立性预设
- 固有局限
- 数据规模约束：作为直接分析方法，其二元数据需求限制样本容量。
- 非替代性：与随机分析形成互补而非替代。
- 软件支持不足：现有生物学软件包缺乏社会科学所需的输入输出功能。
- 优势