ucinet常用分析

snachina

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。