社会网络分析论坛 social network analysis forum

 找回密码
 立即注册
期刊投稿论文自测,和杂志社一致
论文中期gocheck自助检测
万方论文自助检测, 适合前期修改
知网论文检测, 结果跟学校一样
人群与网络2014视频免费下载
citespace使用流程图
【视频】方法论的关系主义群
edx人群与网络2014课件打包
林南的思想
社会网络分析入门书目
社会网络分析能回答哪些社会学问题
案例:通过微信找到犯罪团伙
边燕杰《社会网络研究专题》 大纲
社会网络分析参考资料
【Gephi 中文教程-练习数据】
【林南社会网络讲座录音】
【视频】gephi入门教程
大连接:社会网络是如何形成
社会网络分析及健康传播(18集)
!!!本站金币获取方式!!!
郑路:社会网络20讲
【视频】方法论的关系主义
pajek视频教程 35课
Gephi 0.9.2快速入门视频教程
查看: 1384|回复: 0

ucinet常用分析

[复制链接]

660

主题

881

帖子

2528

积分

管理员

Rank: 9Rank: 9Rank: 9

金币
132
贡献
405
威望
405
积分
2528
发表于 2017-7-18 22:16:59 | 显示全部楼层 |阅读模式
群集 Cliques
在我文獻探討規畫的SN分析因素中有提到:
群集分析-網絡中有關係的節點形成的緊密子網絡數量
所以要來跑一下網絡中Cliques的組成和數量,
通常Cliques的分析是指3-Cliques(或者3以上),
也就是complete network,去找出封閉三角形,
Network>Subgroups>Cliques
結果輸出為文字文件檔,顯示網絡中有多少個群集數,
還有這些群集由哪些人組成,一個群集一定有三個人以上,
等全部跑完以後就可以比較各個網絡裡的群集數多少,
來看看網絡中存在的緊密子網絡的情形。

程度中心性 Degree centrility
Network>Centrality>Degree
配合研究需求,所以忽略對角線的值,選非對稱的矩陣,
結果會顯示整個網絡中所有節點的inDegree、outDegree和所占比率。
*結果是文字文件檔,是依照outDegree高低排序,
  為了整理出各個班級的節點(按順序)的Degree,
  將結果放進excel後要自己調整分隔線,
  然後就可以按照號碼來排序。

重疊率
老師建議密度分析的部分,可以參考重疊率來分析,
計算兩個(以上)網絡的重疊性如何,
來了解這兩個網絡是不是同樣的節點和連結所組成,
如果這兩個(以上)網絡的交集等於聯集(即交集/聯集=1),
表示這兩個網絡完全一樣。

UCINET裡有計算交集和聯集的功能,但是我不會用......
Transform>Intersection
這是取交集,但不知道為什麼結果跑出來的網絡還是和原本相同?!
Transform>Union
輸入要取聯集的網絡後,結果會跑出來一個網絡,
新的網絡可以代表聯集和交集的部分,
交集的部分為2,表示輸入的網絡中都有出現的值,
聯集的部分則是1和2,因為1表示輸入的網絡中出現的值,
出現(1)和重疊(2)的值相加就是聯集的部分。
*這個作法還要將輸出結果另存成excel,然後再去計算1和2出現的次數。

另一個方法是從Netdraw裡來取交集和聯集,
首先將要比較的網絡打開,
右下角Options的or代表聯集、and代表交集,
圈選聯集和交集的指令後,
在要比較的網絡前打勾,就可以得到聯集和交集的網絡了。


不過要求聯集、交集的網絡中的ties數量,還是要另存新檔,
將聯集、交集的網絡視為一個新網絡,來求取這個新網絡的ties數量(使用density的功能)。
*分析後會透過兩個網絡的no. of ties來驗算,避免操作錯誤
  但三個網絡則無法驗算


程度分佈 degree distribution
UCINET沒辦法(?)直接計算網絡中程度分布(degree )的情形,
我的作法是先計算各網絡中節點的degree,然後再放到excel去統計次數,

計算degree:
1.Tools>Univariate Stats
which dimension to analysis:可選擇按照行或列來分析,
按行或列分析的結果不同,按照資料輸入的方式,會算出in-degree或out-degree,
使用這個功能可以計算出比較詳細的節點資訊,包括平均數或標準差,
可以將檔案另存成excel直接使用。
2.Network>Centrality>Degree
計算各節點的degree和各節點、整個網絡的程度中心性,
會跑出in-degree、out-degree和中心性等值,
也可以將檔案另存成excel來使用。
3.阿胡師的偷吃步
因為之前資料輸入就直接輸入在excel內,
所以就直接用原始資料的行列作加總,就算出in-degree和out-degree了。

統計次數:
在excel中計算各節點的degree分布情形時(就是計算值出現次數),
要使用公式COUNTIF(範圍:範圍,"要計算的值")


成分數 component
Network>Regions>Components> Simple graphs(Valued Graphs)
在kind of component中可選擇弱/強成分(weak/strong),
弱成分-不管箭頭方向,有線連接的節點就算一個弱成分
強成分-所有節點之間可以按照線的方向相連,這些節點才算一個強成分
結果輸出成文字檔案,
有成分數、成分內包含的節點、所占比例等資訊。


最大成分
Data>Extract main component
萃取出某個網絡中的最大成分,另存成一矩陣檔

Analysis>components
從繪圖的畫面用顏色(或形狀)將成分分開標示

Network>Regions>Components> Simple graphs(Valued Graphs)
輸出成文字檔案的方式,告知該網絡中有幾個成分

*萃取出最大成分的作用是計算密度,因此用第一種方式另存矩陣,然後直接計算新矩陣的密度等等,
  另外需要將最大成分包含的人數資訊更新到excel中,使用第三種方式將isolate的人數計入excel


最短路徑的數量
Network>Cohesion>No. of Geodesics
兩點之間是否有多餘的連結,也是了解網絡結構的特徵之一。
如果兩點之間有多條的最短路徑,表示資訊流不易被攔截,資訊可以透過多個管道傳達,且節點也難以成為broker。
*看不太懂範例圖,目前還沒有運用到這個分析。

平均距離 Distance
Network>Cohesion>Distance

Type of data-

Adjacency(預設值):未加權
Strengths:有權重的ties,如兩個國家間的貿易值
Cost:造成連結所需的花費(成本),如機會成本或交易成本,距離代表花費的總和
Probability:連結使用的機率
*在範例中用預設值Adjacency,本研究ties未加權,也使用預設值

Nearness Transformation-

multiplicative:兩點間最大可能的距離
additive:和multiplicative相似,但有值的測量
linear:反轉,重新計分為0-1
exponential decay:配合調整Attenuation Factor減少值
frequency decay:(1-比率)
*範例中未調整此選項

分析結果包含幾個部份:

Average distance (among reachable pairs)
Distance-based cohesion ("Compactness")
Distance-weighted fragmentation ("Breadth")
和最短路徑距離(Geodesic Distances)的頻率圖、最短路徑距離矩陣圖

以A、B、C三點組成的矩陣為例:
         A        B        C
A        1        0        1
B        1        1        0
C        1        0        1
這三點所形成的網絡密度為0.5,連結的數量為3,
而最短路徑距離所形成的矩陣如下:


沒有數字的地方表示無法通達,將最短路徑矩陣理的數字加總後,
則得到所費路徑長度(如圖中則是1+1+1+2=5),
共有四個地方有最短路徑長度的數值,因此總路徑長度/可通達點數=平均距離

*比較讓人不懂的是,他在頻率統計中,值是1的數量都比較少,
而且跑比較複雜的矩陣以後,平均距離就和UCINET計算的不一樣了


密度計算 Density
Network>Cohesion>Density
有三個子項目可選,結果都會顯示在文字檔案中。
(new)Density Overall -計算密度和連結的數量
(new)Density by Group -可將行列分開定義使用,不確定怎麼使用
Old Density procedure -計算密度、標準差,還有relation,後來發現relation是檔案的工作表名稱,                                      如:sheet1,害我本來以為relation是分析出了什麼...
                                 Utilize diagonal values?要選No,才不會把對角線的值也列入密度的計算。

資料輸入
資料輸入應該是UCINET裡最浩大的工程,因為當初設計問卷時,是請受試者填上本名,但在資料輸入時,找代號來輸入比較方便,因此多了一個找出姓名的代號的動作,如果受試者不多的話,應該可以直接把問卷設計成請受試者填入代號的方式。
因為本研究沒有考慮關係間的權重,因此採用excel的表格輸入,之後再放進UCINET轉存(有權重的輸入方式可以參考這個部落格),輸入方式如下:
A、B、C為受試者,0代表兩人之間無關係,1則代表有,下表的例子裡A表示和B無關係、C有關係,對角線的部分輸入0或1則沒有差別,反正之後在計算時都會忽略。
         A        B         C
A         1         0         1
B         1         1         0
C         1         0         1
因為在輸入問卷資料的時候都是標出有關係(1的部分),之後放在UCINET裡跑密度時一直有問題,怎麼跑密度都很高,經過老師指點才發現是因為沒關係的部分都沒有標上0,幸好用excel的尋找取代功能後,很迅速的把30個網絡的空格部分都補上了。

回复

使用道具 举报

QQ|Archiver|手机版|小黑屋|社会网络分析论坛 social network analysis forum ( 88876751 )

GMT+8, 2022-8-8 12:48 , Processed in 0.573552 second(s), 23 queries .

Powered by www.snachina.com X3.3

© 2001-2017 snachina.com.

快速回复 返回顶部 返回列表