研究，部分进行了专题介绍概念化、分析和支持管理:考察公民社会在环境治理中的作用

共同工作:在费城和纽约市的公民管理协作网络中，地理邻近性、同质性组织特征和邻里环境的作用

• 摘要
• 简介
  • 网络效应
  • 空间效应
  • 组织的特点
  • 社区环境
• 方法
  • 研究领域
  • 数据收集
  • 网络分析
• 结果
  • 网络统计汇总
  • 指数随机图模型
  • 网络术语
  • 空间方面
  • 组织方面
  • 社区环境
• 讨论
  • 局限性和未来工作
• 结论
• 对本文的回应
• 致谢
• 文献引用

介绍

在世界各地的许多城市和地区，公民环境管理正在兴起。公民管理组织的范围从非正式的朋友或邻居团体到专业化的非政府组织(ngo)，他们从事保护、管理、监督、教育或倡导当地环境(Fisher et al. 2012)。这些领域的环境行动者越来越多地在协作、网络化的结构中工作，以实现他们的目标和目标(Gibbs和Jonas 2000, Berardo和Scholz 2010, Ernstson等人2010,Newig等人2010,Bodin等人2017,Groce等人2018)。组织网络是群体共享信息和资源的重要机制，可以增强能力和成果，解决环境问题，这些问题通常过于复杂或规模过大，任何一个组织都无法单独解决(Lubell等人，2010年，Ingold和Fischer 2014年)。这些协作网络通常会导致对共享环境资源和生态系统服务的新的创新治理形式(Connolly等人，2013年，Mountjoy等人，2013年，Campbell 2017年)。与此同时，并不是所有的环保团体都平等地参与协作网络，因此，随着时间的推移，一些团体可能更少地获得想法、材料和资源(Meyer and Hyde 2004, Berardo 2014)。在我们的论文中，我们关注同质性的方式，具有相似特征的组织更有可能在一起工作(McPherson等人(2001)，预测社会结构;我们通过地理空间、组织特征和邻里环境来考察邻近性。每种类型的同质性在文献中被理解为代表不同类型的潜在过程。理解这些模式是理解这些网络的结构和功能以及它们有效管理的潜力的第一步。

目前，环境管理的实证社会网络分析往往侧重于单个网络(Groce et al. 2018;请参见Bodin等人2016年提出的超越单一网络的呼吁，以及Henning等人2019年提出的比较工作的罕见例子)，然而，已知城市环境会影响变量关系(Pierre 2005)。为了理解广义模式和邻域环境效应，必须比较多个网络。跨城市比较可能具有挑战性，因为方法和收集的变量不同，而且即使是一个地点也难以获得网络数据。在本文中，我们研究了费城和纽约市两个城市的公民环境管理网络。目的是了解邻里环境对民间组织之间合作关系的作用。我们假设，社区环境(定义为社区的社会经济和土地使用特征)可能会影响两个公民组织之间合作关系的可能性，并与影响合作的其他因素(如社会和空间邻近性)相互作用。我们证明，网络母题、空间邻近性、组织属性、邻里环境和主要问题焦点的同质性都与组织协作呈正相关，但在两个城市中呈不同的组合。我们使用指数随机图(ERG)模型对这些网络进行了检验，并对两个城市的公民环境管理网络的结果进行了定性比较。我们总结了这些差异对网络本身和组织中的网络同质性理论的影响。

网络效应

先前的研究表明，关系网络效应，如人气和集群，可能会创造条件，促进环境团体之间的合作和交流(Ernstson等人2010,Lubell等人2010,Fischer和Jasny 2017, Groce等人2018)。在网络方面，受欢迎程度意味着一些组织只是首选的合作伙伴，事实上，他们有许多合作者，这意味着优先吸引其他组织(Newman 2001)。集群指的是组织倾向于将合作者介绍给彼此(就像格兰诺维特的“禁忌三位一体”概念一样;(见Granovetter 1977)，从而在由共同工作的组织组成的网络中形成密集的、相互连接的集群。最关键的是，研究人员一直在寻找同质性在预测组织协作中的作用。这些相似的特征可以跨越各种不同的属性，从地理到组织的目标(Fischer和Jasny 2017)等等。

空间效应

早期关于城市环境管理网络的研究发现，组织行政办公室的位置可能在当前和未来的合作中发挥作用(Howells 2002, Belaire et al. 2011)，但空间位置很少被纳入社会网络研究(Sayles和Baggio 2017)。Belaire et al.(2011)之前在芝加哥地区的环境组织之间的合作和关系形成的背景下观察到了空间效应。小组被发现聚集在共享的现场站点，与空间和网络距离相关，即两个组织之间的分离程度。邻里关系和社会组织背景也会与空间位置相互作用，影响合作的可能性(Granovetter 1973, Hall 1999, Jaroff et al. 2009)。有时，邻里协会不太可能与邻近协会合作;巴尔的摩社区团体的激增是低收入社区争夺资源的结果(Meyer and Hyde 2004)。为了增加合作的复杂性，研究人员发现，一些管理小组倾向于专注于单个地块或社区，而其他小组将跨越社区并以更大的规模运作(Connolly et al. 2013, 2014)。从根本上说，由于重叠的工作地点(以下称为“地盘”)或较近的家庭办公室而产生的接近性将表明组织关系是由“诱导”同质性造成的(McPherson et al. 2001);因为组织发现自己更经常靠近类似的组织(使用类似的城市空间)，他们更有可能合作。

组织的特点

组织之间的合作或缺乏合作可能是组织能力和外部因素的结果。组织核心能力包括成员能力、关系能力、组织能力和规划能力;组织之间这些特征的差异可能导致合作关系在获取资源方面的权力失衡(Foster-Fishman et al. 2001, Lasker and Weiss 2003, Ingold and Fischer 2014)。Atouba和Shumate(2015)以及Berardo和Scholz(2010)观察到其他影响非政府组织之间合作关系形成的因素，如组织年龄、地位和共同资助伙伴，因为这些组织倾向于在这些维度上形成同质性的关系。这被认为是“选择”同质性:组织选择与与自己更相似的人合作，因为共享这些属性有助于信任(Kleinbaum et al. 2013)。

两个组织之间在社会维度上的接近度也会影响协作性组织关系的形成(Henry et al. 2011, Stokes et al. 2014, Fischer and Jasny 2017)。社会网络学者经常发现，共同的信念有助于合作(Ingold和Fischer 2014, Diani et al. 2018)。相反，在研究社区协会合作时，Hyde和Meyer(2010)发现态度共识和有效合作之间只有微弱的联系，结论是组织领导者之间的共同态度不足以创建稳定的伙伴关系。他们的混合方法能够识别最重要的因素，即信任、合法性和持续参与的必要性，以及影响持续合作可能性的人口统计学差异(如种族)。合作的其他外部障碍包括资助者的期望和监管(Craig 2007, Lasker和Weiss 2003)，资源竞争和由此产生的权力失衡(Liedtka和Whitten 1998, Bayne-Smith等人2008,Lasker和Weiss 2003)。

社区环境

此外，社区环境也会影响合作。开创性研究表明，在犯罪和健康的背景下，社区效应相对于个人层面的行为(Sampson等人，1997年，Diez Roux 2001年，Lee等人，2017年)，社区机制可以影响个人层面的行为，包括社会关系的缺失或存在，共同的规范，以及加强城市居民中存在的集体效能的惯例(Sampson等人，2002年)。社区环境可能与环境管理组织等基于地方的组织特别相关，因为他们的工作往往直接与一个地区的物理和社会基础设施相关(Svendsen和Campbell 2008)。这项研究最重要的是理解邻里环境被认为是协作能力的关键(Wandersman et al. 1996)。特别是，美国的城市不是同质的实体，而是由非常不同类型的社区组成;不同城市的社会经济和环境条件各不相同。这种变化会影响个体层面的行为(Sampson et al. 2002)，包括志愿者参与(Swaroop and Morenoff 2006, Smith 1994)，以及环境资源的分配(Schwarz et al. 2015)。城市之间的差异也已知存在，尽管研究较少。例如，通过对美国331个城市中与社区社会经济和种族人口相关的组织资源进行调查，Small和McDermott(2006)发现，除了社区差异之外，还存在大都市层面的差异。在人口普查街区组和社区尺度上，公民环境管理组织的分布也因社区而异，并与社区条件有关(Romolini等人，2013年，Johnson等人，2019年)。 Significant factors that relate to stewardship groups’ distribution at a neighborhood scale include race, income, home ownership, and home value (Johnson et al. 2019). Relationships between socioeconomic variables and number of stewardship groups per neighborhood vary across cities, suggesting the importance of historical legacies and development patterns to understanding relationships for any given city (Hall 1999, Jaroff et al. 2009).

从文献中可以清楚地看到，有几个与地点、距离、时间和规模相关的因素会影响环境管理小组之间的合作。在本文中，我们关注与社会邻近性相关的两组属性:组织的属性，包括带薪员工，501(c)(3)地位(正式非营利组织的IRS免税地位)，以及其管理活动的地理范围。在所有这些情况下，我们可能会期望处于类似情况的组织可能会发现更容易一起工作。其次，我们根据组织重点的问题来考察相似性，例如，公共卫生、艺术或青年。这里的理由是，某些重点领域可能在特定城市的公民生活中比其他地方更占主导地位。此外，重要的是要注意，随着时间的推移，公民生活的演变取决于包括社会人口变化、经济发展周期、技术和社区设计在内的条件。这表明，组织网络协作可能会根据特定的主题而发生变化，例如，劳动力发展、社区发展、艺术和教育，这些主题在特定的时间和地点产生共鸣。我们比较了这两个城市的主要异同，以了解社区环境是否与社会和地理邻近相互作用，从而创造有利于合作的条件。

方法

研究领域

我们专注于宾夕法尼亚州费城(成立于1682年)和纽约州纽约(成立于1624年)的公民环境管理网络。纽约市是美国最大的城市，费城是美国第五大城市。这两个城市都是后工业城市，位于东北部的特大城市，费城位于纽约市和华盛顿特区之间，这两个城市都受到周围环境的影响:纽约市是沿大西洋、哈德逊河和东河的沿海城市，而费城位于特拉华河和斯约尔基尔河的交汇处，也受到潮汐的影响。之所以选择这两个城市，是因为在类似的时间框架内，环境管理小组有标准化的、可比较的组织、网络和空间数据。此外，每个城市都有类似的具有代表性的群体样本，他们保护、管理、监测、教育或倡导城市环境。这两个城市都有只在自己的社区工作的小组，也有在全市范围内工作的小组，重点关注从艺术到青年的主题，工作地点类型包括社区花园、公园、海滨地区、屋顶、城市农场、行道树和其他绿色基础设施和开放空间。两个城市在公共绿地的使用权、进入权、包容性和设计权等方面都存在冲突和争论。在一些地方，管理团体与政府和私营部门协调合作，在一些领域，他们卷入了诉讼或倡导活动(Svendsen和Campbell 2008年，Fisher和Galli 2016年)。

费城和纽约市在绿地和发展方面也有不同的治理结构和轨迹，这影响了公共绿地的分布、经济发展周期、社会经济条件和土地使用的分布(表1)。住房需求的增加正在降低纽约的空置率(Mallach 2018)，尽管空置地块的数量仍然很高(Kremer et al. 2013)。这种住房需求限制了纽约社区花园的增长。相比之下，费城有更多的空地，其中一些正在被改造成社区花园(Park and Ciorici 2013)或通过城市的空地计划进行维护。与绿色空间的建立和发展轨迹交织在一起的是每个城市的绿色空间治理结构。两个城市之间的政府机构同样集中于城市绿地;两个城市的公园和娱乐部门管理着行道树、公园和一些社区花园。从20世纪80年代的中央公园保护协会开始，纽约市为该市的许多独立公园颁布了公园保护模式(通常是公私合作的结构)，费城的一些公园，包括费尔芒特公园，也采取了类似的方法。

数据收集

纽约市和费城的组织网络数据集是使用管理测绘和评估项目(stewart - map)方法收集的，该方法包括对组织特征、空间地盘(这里描述为管理活动的物理位置)和社会网络的调查(Svendsen et al. 2016)。纽约市的数据收集于2007年，费城的数据收集于2013年。具体来说，调查要求组织“请列出所有与您经常合作的组织的名称。”然后，这些回答被提示为企业、公民、政府和学校的类别。这里的网络包括所有编码为“公民”的响应，以匹配我们的公民团体的响应人口。我们将本次调查中提到的组织(但不包括在应答者中)视为缺少发送关系(但观察到接收关系;对于这些组织，相关的组织特征(501(c)(3)状态，员工规模，如果他们有志愿者，团队重点)，以及办公地点地址，是通过网络搜索和电话确认的，以验证我们的信息。有关数据收集、处理和分析变量选择的详细信息，请参见附录2。

网络分析

收集数据后，我们计算了两个城市公民管理网络的网络统计数据，包括互惠性、集中性和传递性。这些措施是在R 3.4.1 (R Core Team 2017)中使用Statnet包v2016.9 (Handcock et al. 2016)计算的。在ERG模型中，关系网络是被建模的因变量，就像在逻辑回归中一样，通过充分统计数据的指数线性组合(关于不同网络术语和自变量的解释见附录3)。网络依赖意味着，与逻辑回归不同，我们认为一些关系依赖于其他关系。马尔可夫链蒙特卡罗模拟用于生成参考分布并计算将这些依赖结构纳入估计的似然统计量(Lusher et al. 2012)。

在我们的调查中，受访者被要求说出与他们合作的组织。因为不是所有这些组织都被调查了(但被调查的人提到了)，我们在网络中有缺失的数据。这些提到的组织可能在网络中有合作关系，如果他们被调查的话。许多社会网络研究删除了这些组织(Goodreau et al. 2009)，但我们决定保留这些信息，并相应地调整了我们的方法(更多信息，请参阅附录1和2)。我们提供了整个网络(包括非受访者和我们将在ERG模型中使用的数据)的邻域统计数据，以及仅受访者的网络进行比较。非应答者无法发送联系，这影响了许多标准的网络度量，如外学历集中度和互惠性。我们的ERG模型考虑了由于无响应而导致的数据缺失，因此考虑了数据收集过程的这一方面(见附录1)。然而，当网络大小不同时，许多标准网络统计数据(如密度)很难进行比较(Anderson et al. 1999)。相反，我们提供下面描述的更具可比性的统计数据。

我们使用互惠、集中化和可传递性来比较网络。互惠是指组织对其变更者的提名进行回报的倾向。一般来说，合作可以被认为是一种无向关系;如果组织A与组织B合作，那么组织B也必然与组织A合作。在这里，我们保持联系的方向，并对报告的网络进行建模，这为我们的网络增加了响应和突出性的维度。即使组织A和B合作，如果这只对其中一个组织显著，而对另一个组织不显著，因此在我们的数据集中没有回报，我们也会保留这种不对称。因此，互惠性衡量的是，当一个组织被点名时，它也有可能对这种关系进行回报的程度。互惠在0到1之间缩放，作为发送领带的次数的分数，它也是互惠的(Wasserman和Faust 1994)。保留联系的方向性使我们有两个好处:我们能够测试在召回中是否存在差异，例如，如果较大的组织更经常忘记报告较小的组织，我们还能够控制这样一个事实，即响应的组织能够发送和接收联系，而非响应的组织只能接收联系。集中化是基于一个(或几个)组织可能主导网络结构的概念。我们根据in-degree(他们被点名的频率)、out-degree(他们点名其他人的频率)和betweness(他们在所有其他组织之间有多少条协作路径)来衡量单个组织的中心性。 Centralization then, again scaled between 0 and 1, measures the difference between the largest centrality and the remaining nodes, normalized by the maximum possible centralization (Freeman 1978-1979). Transitivity is measured as the percentage of the time that organization A names organization B as a collaborator, and B names C, that A also names C. It is frequently thought of as a measure of bonding capital that partners of partners also work together. It is frequently thought of as a measure of bonding capital that partners of partners also work together (Henry et al. 2011, Berardo 2014).

尽管这些度量开始描述网络，但因为它们描述的是一组相互关联和相互依赖的网络纽带，它们不能完全分开彼此来理解。ERG模型(Lusher et al. 2012)作为一种方法，可以充分模拟这种相互依赖性，合并由于研究设计而缺失的数据，并将这些不同的网络交互测量与大量其他协变量进行比较。我们计算了每个城市的公民管理网络的ERG模型，以了解哪些网络、组织和空间因素有助于解释两个群体是否合作，即关系。对于每一个联系，发送者、接收者或两者(同质性)的存在因素在ERG模型中作为单独的自变量进行分析。

图1显示了ERG模型中使用的不同术语。网络主题为纽带、相互、反程度集中化和反程度集中化。Ties项在模型中的作用类似于截距项。这是平局的基本概率，控制了模型中的其他因素。在社交网络中，这个术语通常是消极的，显著的，表明网络与50%密度的网络相比是相对稀疏的。术语B代表相互关系。这就是互惠关系的趋势。尽管协作，这里测量的关系，通常被认为是一种互惠关系(一个组织如何与另一个不与他们合作的组织合作)，如前所述，我们选择保持联系的方向性。如果受访者忘记提及领带以及有争议的关系，那么不对等的领带可能会导致假否定。考虑到受访者可能只列出了他们组织中所有合作的一小部分，高互动性表明我们的调查在充分捕捉网络中的关系方面做得不错。 The last two terms, for InDegree Anti-Centralization and OutDegree Anti-Centralization, look at preferential attachment or centralization. These terms are inversely measured meaning that a positive coefficient indicates the lack of preferential attachment or centralization. This occurs when, given every other term in the network, organizations tend to have the same number of ties on average. High centralization on in-degree would mean that certain organizations are very popular collaboration partners. High centralization on out-degree would indicate that certain organizations gave many more responses than others. If we think of collaboration as theoretically undirected, and the direction of the ties is simply a product of our survey method, then these two terms would be identical.

其余的术语度量属性的影响。对于每个二分类属性，我们测量接收者、发送者和同质性的一定比例。接收方术语衡量的是，与没有该属性的组织相比，拥有特定属性(如受薪员工或青年作为主要焦点)的组织作为合作伙伴被提及的频率。发件人术语衡量的是这些组织与其他组织相比发送领带的频率。我们保留了组织属性的发送方术语，因为具有不同资源访问权限的组织可能有不同的倾向来指定协作伙伴。然而，不同的组织目标不太可能同样地限制合作的机会。我们对此进行了测试，但最终没有包括这些项，因为去掉它们也有助于模型收敛。最后一个术语，领带权重，着眼于两个组织之间的领带强度。我们将其适用于家庭办公室之间的距离和组织是否共享工作地点等地理变量。对于家庭办公室之间的距离，这是用地理度数来衡量的。 If the coefficient is positive, it means the larger the distance, the more likely organizations are to be tied. The shared work site term is dichotomous with a 1 if organizations’ turfs overlap and 0 otherwise. This is only defined for organizations who responded to this question. If it is positive, it means that a shared turf meant organizations were more likely to work together when they share work sites. Additional models were run (see Appendix 3 for results of multiple additive models), and results for a single ERG model for each city (the best model by AIC, but the interpretation is consistent across all models run) are presented below as a series of figures because of the number of terms in the ERG models.

结果

网络统计汇总

图2显示了每个城市的网络叠加在地理上(上)，并使用随机布局(下)。表2显示了每个城市的网络统计摘要。这些数据表明，纽约市的网络比费城的网络要大得多，受访者的数量是费城的两倍多，但未被包括在原始样本中的组织数量几乎相同(费城431个，纽约市440个;表2)。

平均而言，费城的组织比纽约的组织提到与更多的组织合作。费城的民间团体不仅平均被提及的次数更多，而且最大值也大得多。与纽约市(0.09)相比，费城在仅有受访者的网络中有更高的程度中心度(0.36)，这表明与样本的其他地方相比，一些变化被提及得非常频繁。当对整个网络进行计算时，这两个城市之间的比较差异就消失了。虽然0.09比纽约(0.04)高，但已不再是大一个数量级。因为所有不同的网络和属性效应都是嵌套的和相互依赖的，我们转向指数随机图模型进行推理分析。

指数随机图模型

单独的图突出了网络和空间术语(图3和图4)，组织特征术语(图5)，组织问题(图6)，以及人口普查和土地使用数据(图7和图8)。我们的大多数属性是二进制的(见表3)，但有些，如草坪大小，有多个类别。对于发送方和接收方术语，选择一个类别作为参考组，因此在逻辑回归中被省略。对于同质性，可能的类别包括变量的每个值的同质性联系以及非同质性联系。在大多数情况下，非同质关系被视为参照组，但在某些情况下(如问题焦点)，属性不存在的同质关系的术语，例如，两个不共享艺术作为主要焦点的组织，也会被省略。对于这些结果的详细解释和跨城市的比较，请参见附录3，对于每个模型的拟合优度的讨论，请参见附录4。

网络术语

图3是ERG模型中网络术语的图形表示。有趣的是，Ties术语在纽约并不重要(尽管它在所有其他模型中都很重要;这个术语就像一个截距，和大多数其他社交网络一样，费城的强负系数表明网络是稀疏的，密度(可能存在的总边的数量)远低于50%。这两个模型中的强互项表明我们的协作度量是高度互惠的。如果对方也打领带，那么打领带的可能性会大得多。接下来的两个术语是几何加权的反流行术语，意思是如果节点已经有很多边，那么平局的可能性就更小。我们发现，这对费城的在校生来说意义重大，但对纽约的非在校生来说意义重大。这意味着费城的接球者比纽约的分布更均匀，而纽约的发球者比费城的分布更均匀。然而，在这两种情况下，这两个城市都不是高度中心，因为没有一个词是重要的和消极的。如果我们将协作概念化为一种无向联系(参见关于这种解释的讨论方法)，这表明两个网络都没有表现出任何由少数组织主导网络的趋势。

空间方面

在图4中，我们看到了基于两个组织的地盘大小、这些工作地点是否重叠以及它们的家庭办公室有多近来预测它们之间协作关系的比较。对于发送方和接收方术语，参考组是那些仅在一个社区或小型工地组内的组织。中型是指横跨两到五个街区的草坪，大型是指超过五个街区的草坪。我们看到，在费城和纽约，规模中等的组织作为合作伙伴被提及的次数少于小型组织。然而，拥有大地盘的组织和拥有小地盘的组织一样经常被提及。在纽约，规模小的组织往往不会在一起工作(消极和显著的同质性)。费城没有结果，因为即使在费城有44个小选区的受访者，他们中只有一个同质关系，这使得这个术语很难适合ERG模型。此外，在纽约市和费城，家庭办公室相距较远(两者之间的距离较大)与合作关系呈负相关(因此越近越好)，但在纽约市，共享组织工作的地盘只与合作关系呈正相关。这些发现表明，在各个城市，家庭办公室的邻近程度对于促进合作很重要，地盘大小也会影响合作关系，但通常不是在同质性的意义上。

组织方面

图5显示了组织特征对协作关系的相关影响。我们发现，在费城，501(c)(3)组织极大地影响了合作潜力。总的来说，501(c)(3)组织发送和接收的领带都更少，并且显示出显著的同质性。非501(c)(3)组织表现出负同质性，表明他们向501(c)(3)组织发送的联系比他们自己更多。尽管纽约的这些变量的系数具有相同的符号(除501(c)(3)同质性外，其余均为负)，但没有一项是显著的。在费城，有带薪员工的组织倾向于发送更多领带，并表现出对其他也有带薪员工的组织的偏好(积极同质性)。相比之下，在纽约，没有带薪员工的组织倾向于不合作(消极同质性)。对工作人员的负面调查结果表明，这些组织明显偏爱有工作人员资源的合作伙伴。这种偏好不是针对类似的组织，而是针对那些有员工的组织。在费城使用志愿者没有显著的结果，但在纽约，使用志愿者的组织不太可能被提及为合作伙伴。 Overall we see that 501(c)(3) status has a big impact in Philadelphia but no significant findings for New York City. In both cities organizations prefer to work with partners who have paid staff: in Philadelphia organizations with paid staff prefer partners with paid staff whereas in New York City organizations without paid staff tend to prefer partners with paid staff (as indicated by the negative finding for homophily).

对于问题重点领域，有许多不同的发现，如艺术、青年和社会服务(如图6所示)，它们反映了社会邻近性，费城的重点领域比纽约的影响更显著(分别为12和4)。在费城，我们看到了对艺术、社区改善、环境和宗教组织的积极同质效应。相比之下，纽约网络在任何类别中都没有显示出明显的同质性影响。我们在纽约看到了空间上的同质性，因此也看到了工具上的同质性，这些结果表明，问题亲和性在解释费城网络结构方面的作用要大得多。

社区环境

最后，两个城市的邻里环境也发挥着非常不同的作用。图7显示了组织总部所在的Census块的不同属性的结果。在费城，人口普查区内居民(最近迁移的中位数年份)较近的组织往往更常被提名，但平均而言发送的领带更少，而在纽约，唯一显著的社区背景影响是，在收入高于中位数、人口密度高于中位数的人口普查区内的组织平均而言不太可能提名组织。这将符合一种解释，即这些组织有更多的资源可供支配，因此较少需要与其他组织协调。图8显示了基于总部所在的普查街区的土地使用特征的结果。在这两个城市中，工业和交通街区之间的同源关系太少，无法被模型充分拟合，因此必须省略。对于其他土地使用类别，费城和纽约网络根据被提名的可能性显示出一些差异，但没有显著的同质性影响。

讨论

我们的研究结果显示，这些城市之间存在一些明显的相似之处，也存在一些明显的差异;相似之处显示了一些内在的主题，我们希望未来的数据收集将支持作为管理组织网络的标准。在这两个城市，网络术语都显示出对相互联系和分散网络的偏好。然而，在费城的28个重要术语和纽约的19个重要术语中(分别为74个和73个)，只有5个是在两个城市普遍使用的。它们是:互惠性，规模中等的组织比规模小的组织更不可能被提及，两个总部越近，合作就越有可能，以教育为重点的组织更常被提及，最后，以环境为重点的组织很少被提及。它清楚地表明，使用同一协议收集的组织网络因城市而有很大差异。然而，我们可以从显著性的模式中得出结论。这两个城市的调查结果与以下解释一致，即合作受组织结构因素(如地点、501(c)(3)或受薪人员)的推动程度相同(如果不是更多)，而不是特派团。这在空间上的发现中得到了证明，家庭办公室之间的距离比共享地盘更好地预测了问题的焦点，以及在问题焦点上缺乏共同的重要发现。

另一个明显的发现是，即使两个城市的词汇并不匹配，但“同质性词汇”的优势表明，在两个城市中，组织都表现出对“像他们”的合作伙伴的明显偏好，即使相似度维度因城市而异。在费城，我们看到同质性在该组织的焦点问题上对艺术、环境和宗教的同质性有很大的影响。该网络中所有组织的三分之一至少属于这三个组中的一个。在这两个城市中，环保组织不太可能被其他组织点名，这表明管理组织的目标可能是与其他部门或领域的合作伙伴补充其环保重点。这些发现对每个城市的管理工作的范围和结果都有影响，因为费城似乎有更多基于主要重点领域的子网络的证据，例如，公共卫生、社区发展、青年和老年人，而在纽约，跨群体类型的协作似乎更加整合。每个城市治理结构演变的历史背景可能有助于解释为什么我们在团队合作方式上看到了这种差异。在不同的城市，在不同的时间，重点领域可能会出现和消失，这表明需要进行时间网络分析，以进一步研究重点领域在任何组织网络中的影响。

我们发现的差异可能部分是由于每个城市特定的地理、社会和生物物理背景。纽约市在人口和面积上都比费城大得多，这使得在城市中移动有些困难，因此影响了协作的便利性。我们的发现支持了这一点，即共享地盘预示着纽约市的合作，但在费城则不然，在费城，知道整个城市的演员组合可能更有可能。我们的研究结果还表明，团队工作的地理空间范围与合作的可能性相关。对于这两个城市来说，只在一个社区工作的组织比在两到五个社区工作的组织更有可能形成合作关系。换句话说，与跨越社区边界的中等规模团体相比，高度本地化的社区团体更经常与其他人合作，这表明了社区管理的集体利益，以及这些合作缓解较小组织资源不足的可能性。这第二点是由这些组织之间缺乏同质性所支持的。我们发现这两个城市的不同之处在于在大地理空间范围内工作的组织:在大范围内(超过五个社区)工作的组织与费城的更多小组合作，而与纽约市的更少小组合作，控制所有其他因素。需要进一步的研究来探索这一发现。仅从网络数据来看，我们无法确定两个城市之间的差异是由于一个城市的网络更好地适应了环境，还是由于两个城市对管理问题的解决方案不同。

通过对这两个城市的比较，我们可以看到当地经济环境的差异如何通过促成(或限制)不同的融资机会来影响合作的形成。除了纽约市在全球的突出地位，包括众多强大的私人公司和强大的慈善机构，它们为当地的环境工作提供资金，重要的是要注意，纽约市的数据是在全球金融危机之前的2007年收集的，而费城的数据是在经济衰退之后的2013年收集的。我们在组织属性方面的调查结果显示，费城人明显偏好拥有更多资源的组织(如制度化的501(c)(3)地位或带薪员工)。纽约市的结果也显示出类似的系数，但在统计上都不显著。只有纵向数据收集才能测试这些机制对经济变化的敏感性，我们希望这项比较工作将导致未来的研究。

局限性和未来工作

我们的研究扩展了单一网络分析，但仍然仅限于两个城市。未来的定量研究可以将这些结果与其他城市进行比较，随着时间的推移重复这项工作，以获得纵向变化的感觉，并提高网络测量的质量。此外，这一分析只考察了公民网络，而未来的研究将探索公民、私营和公共部门之间的跨部门合作，以便更全面地了解治理网络的结构和动态。定性工作应侧重于询问环境管理组织根据这些发现对合作的看法。这些组织是否意识到在他们的合作决定中发现的模式?如果是这样，费城和纽约的这些不同决定背后的原因是什么?我们的发现，特别是关于两个城市之间的同质合作的不同模式，提出了更多的问题。

结论

协作或网络化环境治理的理论使人们注意到公民行动者在治理制度中的作用。特别是，公民管理组织已被证明可以独立于政府行为体或与政府行为体一起工作，包括在公民组织之间充当经纪人和桥梁组织(Connolly et al. 2013)。为了更好地理解公民管理组织合作(或不合作)的条件，有必要采用实证措施来描述和分析这些社会网络。在本文中，我们证明了ERG模型在分析公民管家之间的社会网络方面的适用性。通过这种方法，我们可以考虑组织特征、地理空间和社会文化背景对协作的影响。我们发现，组织特征确实很重要，例如正式注册为501(c)(3)非营利组织。然而，这些网络不仅是社会产生的，它们也是社会空间的，因为办公地点的邻里环境也会影响合作的可能性。

最后，我们已经开始开发一种比较、跨城市分析的方法。我们发现，在我们建立分析的关键类别中，同质性关系，网络主题，组织属性，邻里环境和问题焦点，都在解释合作中发挥了作用，但在两个城市中模式非常不同。尽管许多关系是相似的，但也有一些关键的区别。纽约似乎有更多的工具性模式，基于互动的便利性和邻里特征的关系，而费城则基于问题上的社会亲和力。基于本文所使用的方法，并在空间和时间上进行额外的复制，我们可以识别公民管理网络的社会和空间维度是否存在任何普遍或持久的特征，并构建有关时间、社会和地理背景如何影响这些结构的理论。

文献引用

501c3查找。2018b。501c3搜索结果:纽约。(在线)网址:http://501c3lookup.org/New-York/

501c3查找。2018一个。501c3搜索结果:费城。(在线)网址:http://501c3lookup.org/Pennsylvania/

B. S.安德森，C.巴茨和K.卡利，1999。大小和密度与图形级指数的相互作用。社交网络21(3): 239 - 267。https://doi.org/10.1016/s0378 - 8733 (99) 00011 - 8

Atouba, Y. C.和M. Shumate. 2015。国际非营利合作:同质性的作用研究。非盈利和志愿部门季刊44(3): 587 - 608。https://doi.org/10.1177/0899764014524991

贝恩-史密斯，M.米兹拉希，M.加西亚，2008。跨学科社区合作:社区从业者对成功战略的看法。社区实践杂志16(3): 249 - 269。https://doi.org/10.1080/10705420802255122

贝莱尔，A. A. K.德宾，D. P.约翰斯顿，D. J.林奇，E. S. Minor, 2011。绘制城市生态系统的管理网络。保护信4(6): 464 - 473。https://doi.org/10.1111/j.1755-263X.2011.00200.x

贝拉尔多，R. 2014。双模式协作网络中的桥接和联结资本。政策研究杂志42(2): 197 - 225。https://doi.org/10.1111/psj.12056

贝拉尔多，R.和J. T.肖尔茨，2010。自组织政策网络:河口的风险、伙伴选择和合作。美国政治科学杂志54(3): 632 - 649。https://doi.org/10.1111/j.1540-5907.2010.00451.x

博丹,O。，G. Robins, R. R. J. McAllister, A. Guerrero, B. Crona, M. Tengö, and M. Lubell. 2016. Theorizing benefits and constraints in collaborative environmental governance: a transdisciplinary social-ecological network approach for empirical investigations.生态与社会21(1): 40。https://doi.org/10.5751/ES-08368-210140

博丹,O。，A. Sandström, and B. Crona. 2017. Collaborative networks for effective ecosystem-based management: a set of working hypotheses.政策研究杂志45:289 - 314。https://doi.org/10.1111/psj.12146

坎贝尔，L. K. 2017。森林之城，农场之城:纽约自然的可持续发展规划．康奈尔大学出版社，伊萨卡，纽约，美国。https://doi.org/10.7591/9781501714795

康诺利，e.s.斯文森，D. R.费雪，L. K.坎贝尔，2013。通过纽约市的环境管理来组织城市生态系统服务。景观与城市规划109(1): 76 - 84。https://doi.org/10.1016/j.landurbplan.2012.07.001

康诺利，J. J. T.， E. S.斯文森，D. R.费雪，L. K.坎贝尔，2014。网络治理和生态系统服务的管理:纽约市城市环境管理的案例。生态系统服务10:187 - 194。https://doi.org/10.1016/j.ecoser.2014.08.005

国家和社区服务公司，2018b.纽约-新泽西北部-长岛，纽约-新泽西- pa:趋势和重点概述。国家和社区服务公司，美国华盛顿特区。(在线)网址:https://www.nationalservice.gov/vcla/city/new-york-northern-new-jersey-long-island-ny-nj-pa

国家和社区服务公司，2018a.费城-卡姆登-威尔明顿，PA-NJ-DE:趋势和重点概述。国家和社区服务公司，美国华盛顿特区。(在线)网址:https://www.nationalservice.gov/vcla/city/philadelphia-camden-wilmington-pa-nj-de

克雷格，2007。社区能力建设:老的还是新的?批判的社会政策27(3): 335 - 359。https://doi.org/10.1177/0261018307078846

Diani, M. H. Ernstson, L. Jasny, 2018。“城市权利”与公民组织领域的结构:来自开普敦的证据。自愿性和非营利性组织国际杂志29(4): 637 - 652。https://doi.org/10.1007/s11266-018-9958-1

Diez Roux, A. V. 2001。调查社区和区域对健康的影响。美国公共卫生杂志91(11): 1783 - 1789。https://doi.org/10.2105/AJPH.91.11.1783

恩斯特森，H.巴特尔，E.安德森和S. T. Borgström。2010.城市生态系统服务的尺度跨界中介与网络治理:斯德哥尔摩案例。生态与社会15(4): 28。https://doi.org/10.5751/es-03692-150428

费希尔，A. P.和L.贾斯尼，2017。适应环境变化的能力:来自关注增加野火风险的组织网络的证据。生态与社会22(1): 23。https://doi.org/10.5751/ES-08867-220123

费希尔，L. K.坎贝尔，E. S.斯文森，2012。城市环境管理的组织结构。环境政策21(1): 26-48。https://doi.org/10.1080/09644016.2011.643367

费希尔，D. R.和A. M.加利，2016。通过环境管理将环保主义与民主联系起来。《社会科学杂志》55:32-43。https://doi.org/10.4000/revss.1953

福斯特-菲什曼，P. G.， S. L.伯科维茨，D. W.朗斯伯里，S.雅各布森和N. A.艾伦，2001。社区联盟合作能力建设:审查和综合框架。美国社区心理学杂志29(2): 241 - 261。https://doi.org/10.1023/A:1010378613583

弗里曼，l.c.， 1978-1979。社会网络的中心性概念澄清。社交网络1(3): 215 - 239。https://doi.org/10.1016/0378 - 8733 (78) 90021 - 7

吉布斯，D.和A. E. G.乔纳斯，2000。地方环境政策的治理和管制:制度方法的效用。Geoforum31(3): 299 - 313。https://doi.org/10.1016/s0016 - 7185 (99) 00052 - 4

S. M.古德罗，J. A.基茨和M.莫里斯，2009。物以类聚，还是朋友的朋友?使用指数随机图模型来调查青少年的社会网络。人口统计学46(1): 103 - 125。https://doi.org/10.1353/dem.0.0045

格兰诺维特，1973。弱关系的力量。美国社会学杂志78(6): 1360 - 1380。https://doi.org/10.1086/225469

格兰诺维特，1977。弱关系的力量。347 - 367页在S.莱因哈特，编辑。社交网络:一个发展中的范式。学术，剑桥，马萨诸塞州，美国。https://doi.org/10.1016/b978-0-12-442450-0.50025-0

格鲁斯，J. E.， M. A.法雷利，B. S.乔根森，C. N.库克，2018。利用社会网络研究来改善自然资源管理的结果。保护生物学33(1): 53 - 65。https://doi.org/10.1111/cobi.13127

霍尔，1999年。文明中的城市:文化、创新、城市秩序．凤凰格兰特，伦敦，英国。

汉考克，M. S.， D. R.亨特，C. T.巴茨，S. M.古德罗，P. N.克里维茨基，S.本德-德莫尔，M.莫里斯，2016。Statnet:对网络数据进行统计分析的软件工具。Statnet项目。(在线)网址:http://www.statnet.org

Henning, C. Aßmann, J. Hedtrich, J. Ehrenfels和E. Krampe. 2019。是什么推动了参与性政策进程:草根活动、科学知识还是捐赠资金?比较政策网络方法。社交网络58:78 - 104。https://doi.org/10.1016/j.socnet.2019.03.001

亨利，博士，卢贝尔，和麦考伊。2011.信仰体系和社会资本作为政策网络结构的驱动因素:以加州区域规划为例。公共管理研究与理论杂志21(3): 419 - 444。https://doi.org/10.1093/jopart/muq042

豪威尔斯，2002。隐性知识、创新与经济地理。城市研究39(5 - 6): 871 - 884。https://doi.org/10.1080/00420980220128354

海德，C. A.和M.迈耶，2010。态度上的共识会导致邻里合作吗?一个城市社区的探索性分析。社会环境中的人类行为杂志20(1): 56 - 73。https://doi.org/10.1080/10911350903126932

英戈尔德，K.和M.费舍尔，2014。减缓气候变化的合作驱动因素:瑞士15年来的气候政策说明。beplay竞技全球环境变化24:88 - 98。https://doi.org/10.1016/j.gloenvcha.2013.11.021

贾洛夫M.， D.法国人，F.罗哈斯，2009。新世纪城市发展创造非凡价值。麻省理工学院出版社，美国马萨诸塞州剑桥市。

约翰逊，M.， D. H.洛克，E.斯文森，L.坎贝尔，L. M.威斯特法尔，M.罗莫里尼，J.格罗夫，2019。背景问题:组织、环境和社会因素对公民环境管理小组强度的影响。生态与社会，24(4): 1。https://doi.org/10.5751/ES-10924-240401

克莱因鲍姆，T. E.斯图尔特，M. L.图什曼，2013。约束中的自由裁量权:正式组织中的同质性和结构。组织科学24(5): 1291 - 1600。https://doi.org/10.1287/orsc.1120.0804

克莱默，P.， Z. A.汉姆斯特德和T.麦克菲尔森。2013.纽约市空地的社会生态评估。景观与城市规划120:218 - 233。https://doi.org/10.1016/j.landurbplan.2013.05.003

拉斯克，R. D.和E. S.维斯，2003。扩大社区问题解决的参与:支持合作实践和研究的多学科模式。城市卫生杂志80(1): 14-47。https://doi.org/10.1093/jurban/jtg014

李，K. D. J.哈丁，J. D.莫雷诺夫，2017。出狱后的邻里成就轨迹。社会科学研究66:211 - 233。https://doi.org/10.1016/j.ssresearch.2016.12.004

利德卡，J.和E.惠顿，1998。通过跨学科合作加强护理服务:一个案例研究。医疗保健管理杂志43(2): 185 - 205。https://doi.org/10.1097/00115514-199803000-00013

卢贝尔，M. A. D.亨利和M.麦考伊。2010.游戏生态中的合作机构。美国政治科学杂志54(2): 287 - 300。https://doi.org/10.1111/j.1540-5907.2010.00431.x

卢舍尔，D.科斯基宁，G.罗宾斯，2012。社交网络的指数随机图模型:理论、方法和应用。剑桥大学出版社，英国剑桥。https://doi.org/10.1017/CBO9780511894701

马拉克，A.， 2018。隔壁的空房子。林肯土地政策研究所，剑桥，马萨诸塞州，美国。(在线)网址:https://www.communityprogress.net/filebin/empty-house-next-door-full.pdf

麦克弗森，L.史密斯-洛文和J. M.库克，2001。一丘之貉:社交网络中的同质性。社会学年刊27(1): 415 - 444。https://doi.org/10.1146/annurev.soc.27.1.415

梅耶，M.和C.海德，2004。“好”的东西太多了?孤立的社区协会，非互惠的文明，以及公民健康的促进。非盈利和志愿部门季刊33(3): 77 - 96年代。https://doi.org/10.1177/0899764004265432

Mountjoy, n.j.， E. Seekamp, M. A. Davenport和M. R. Whiles, 2013。最佳规划:基于社区的自然资源管理(CBNRM)团队能力和规划成功。环境管理52(6): 1547 - 1561。https://doi.org/10.1007/s00267-013-0169-7

纽约城市规划部，2018。MapPLUTO。纽约市，纽约，美国。(在线)网址:https://www1.nyc.gov/site/planning/data-maps/open-data/dwn-pluto-mappluto.page

尼威格，J. D. Günther和C.帕尔-沃斯特。2010.网络中的突触:环境管理背景下治理网络中的学习。生态与社会15(4): 24。https://doi.org/10.5751/ES-03713-150424

纽曼，m.e.j. 2001。成长网络中的聚类与偏好依附。物理评论E64:025102。https://doi.org/10.1103/PhysRevE.64.025102

开放数据网络，2016。人口密度:费城。开放数据网络。(在线)网址:https://www.opendatanetwork.com/entity/1600000US4260000/Philadelphia_PA/geographic.population.density?year=2016

Park, i.k, P. Ciorici, 2013。空地转化为社区花园的决定因素:来自费城的证据。国际城市科学杂志17(3): 385 - 398。https://doi.org/10.1080/12265934.2013.818388

ParkScore。2018b.城市概况:纽约。公共土地信托。(在线)网址:https://www.tpl.org/city/new-york-new-york

ParkScore。2018a.城市概况:费城。公共土地信托。(在线)网址:https://www.tpl.org/city/philadelphia-pennsylvania

费城规划与发展部，2017年。土地使用。美国宾夕法尼亚州费城市。(在线)网址:http://metadata.phila.gov/#home/datasetdetails/5543864420583086178c4e74/?view_219_sort=field_15%7Casc

皮埃尔，J. 2005。比较城市治理:揭示复杂的因果关系。市区事务检讨40(4): 446 - 462。https://doi.org/10.1177/1078087404273442

R核心团队，2017。R:一种统计计算语言和环境。R统计计算基金会，维也纳，奥地利。(在线)网址:https://cran.r-project.org/bin/windows/base/old/3.4.1/

罗莫里尼，J. M.格罗夫，D. H.洛克，2013。评估和比较巴尔的摩和西雅图的城市环境管理网络和土地覆盖之间的关系。景观与城市规划120:190 - 207。https://doi.org/10.1016/j.landurbplan.2013.08.008

桑普森，r。J。莫雷诺夫，t。甘农-罗利。2002.评估“邻里效应”:社会过程和研究的新方向。社会学年刊28:443 - 478。https://doi.org/10.1146/annurev.soc.28.110601.141114

R. J.桑普森，S. W.劳登布什和F.厄尔斯，1997。社区与暴力犯罪:集体效能的多层研究。科学277(5328): 918 - 924。https://doi.org/10.1126/science.277.5328.918

塞尔斯，J. S.和J. A.巴乔，2017。河口流域恢复尺度错配的社会-生态网络分析。美国国家科学院院刊114 (10): E1776-E1785。https://doi.org/10.1073/pnas.1604405114

施瓦茨，K.， M. Fragkias, C. G. Boone, W. Zhou, M. McHale, J. M. Grove, J. O'Neil-Dunne, J. P. McFadden, G. L. Buckley, D. Childers等。2015。树靠钱生长:城市树冠覆盖和环境正义。《公共科学图书馆•综合》10 (4): e0122051。https://doi.org/10.1371/journal.pone.0122051

斯茂先生，还有麦克德莫特先生。2006.城市贫困社区组织资源的存在:平均效应和环境效应的分析。社会力量84(3): 1697 - 1724。https://doi.org/10.1353/sof.2006.0067

史密斯，1994。自愿社团参与与志愿服务的决定因素:文献综述。非盈利和志愿部门季刊23(3): 243 - 263。https://doi.org/10.1177/089976409402300305

斯托克斯，R. J.曼达诺，R.迪尔沃斯，2014。城市环境政策制度中的社区组织:来自费城的经验教训。当地环境19(4): 402 - 416。https://doi.org/10.1080/13549839.2013.788484

斯文森，E. S.和L. K.坎贝尔，2008。城市生态管理:理解结构、功能和管理。城市与环境1(1):学会年会。

斯文森，e.s.， L. K.坎贝尔，D. R.费舍尔，J. J. T.康诺利，M. L.约翰逊，N. F.松蒂，D. H.洛克，L. M.韦斯特法尔，C. L.费舍尔，M.格罗夫，M.罗莫里尼，D. J.布拉纳，K. L.沃尔夫。2016。管理绘图和评估项目:理解基于社区的环境管理的框架。通用技术报告美国宾夕法尼亚州纽敦广场，美国林务局北方研究站。https://doi.org/10.2737/NRS-GTR-156

斯瓦鲁普，S.和J. D.莫雷诺夫，2006。建设社区:社会组织的邻里环境。社会力量84(3): 1665 - 1695。https://doi.org/10.1353/sof.2006.0058

美国人口普查局，2018a. 2005-2009年5年美国社区调查。美国人口普查局，美国华盛顿特区。(在线)网址:https://www.census.gov/programs-surveys/acs/data/summary-file.2009.html

美国人口普查局，2018b. 2011-2015年5年美国社区调查。美国人口普查局，美国华盛顿特区。(在线)网址:https://www.census.gov/programs-surveys/acs/data/summary-file.2015.html

美国劳工部劳工统计局。2018a.数据库，表格和计算器按主题-费城失业。美国劳工部劳工统计局，华盛顿特区，美国。(在线)网址:https://data.bls.gov/timeseries/LAUCN421010000000003?amp%253bdata_tool=XGtable&output_view=data&include_graphs=true

美国劳工部劳工统计局。2018b.当地失业统计-纽约市。美国劳工部劳工统计局，华盛顿特区，美国。(在线)网址:https://www.bls.gov/regions/new-york-new-jersey/data/xg-tables/ro2xglausnyc.htm

《流浪者》，A. R.瓦卢瓦，L.奥克斯，D. S.德拉克鲁兹，E.阿德金斯和R. M.古德曼，1996。走向社区联盟的社会生态。美国健康促进杂志(4): 299 - 307。https://doi.org/10.4278/0890-1171-10.4.299

沃瑟曼，S.和K.浮士德，1994。社会网络分析:方法与应用。卷。8。剑桥大学出版社，英国剑桥。