技能介绍

要解决什么问题

做行业研究或政策推演时，你往往只有「某行业很重要」的直觉，却缺少可量化的上下游传导依据：谁在给这个部门供货、减产会沿哪条路径放大、哪些部门在结构上像「枢纽」。本技能基于中国国家统计局（NBS）投入产出思路，把经济拆成 15 个聚合部门 的静态结构模型，用矩阵与图论方法回答关联度、路径和冲击后果，而不是画概念产业链图。

核心能力与用法

数据封装在 IOTable 中，包含中间流量矩阵、直接消耗系数 A、Leontief 逆 等标准 IO 量。典型调用包括：

上下游：upstream_dependency()（后向关联）与 downstream_influence()（前向关联）
关键部门：key_sectors() 按前后向系数识别拉动/推动效应突出的部门
路径：supply_chain_path() 用 BFS 找两部门间最短供应链传导，并给出中间流量与投入系数
乘数与冲击：value_multiplier() 算最终需求变动对总产出的拉动；impact_analysis() 在给定部门产出冲击下传导全经济产出与增加值变化（ΔX = (I-A)⁻¹·ΔF）
结构视角：structural_holes()（中介中心性）、cluster_sectors()（谱/层次聚类）、import_dependency()（中间投入率与 HHI 的进口依赖代理）

部门中英文标签与 config/sectors.yaml 中的 NBS42→15 映射、配色可供你在 pandas DataFrame 结果外接 matplotlib、Plotly 等自行作图。

边界与注意点

这是 纯 Python 库，无 GUI/CLI；2020 年近似数据 内嵌于 io_table.py，load_io_table(year=…) 的 year 目前仅为标签。粒度固定 15 部门，不做时间序列；进出口未拆国内/进口中间投入，进口依赖与就业乘数为简化估算。供应链路径会忽略系数过小的边，两部门无显著联系时可能返回空路径。