28、社交网络分析：二元、节点和群体层面的方法

社交网络分析：二元、节点和群体层面的方法

社交网络分析已成为研究社会现象的成熟方法，它融合了一系列理论和方法。在进行社交网络分析时，为确保研究问题得到正确解答，选择合适的（因果）模型、收集恰当的网络数据、运用正确的网络测量指标以及采用最适宜的统计方法至关重要。

社交网络分析的基本框架

社交网络分析的主要组成部分是关系数据，即捕捉两个节点（二元组）之间社会关系的数据。这些关系数据具有多种特性：
- 方向性 ：可以是有向或无向的。
- 数据类型 ：可以是有值的、分类的或二元的。
- 情感倾向 ：可以是积极的、中性的或消极的。
- 信息内容 ：可以代表关于互动、流动、关系角色和人际评价的信息。

此外，还可以收集关于群体层面特征（如群体规模、位置或类型）、节点层面特征（如个人的人口统计学、规范、价值观或行为）以及二元层面特定特征传递（如行为、规范、价值观或资源的转移）的补充信息。

社交网络分析可在不同层面进行，最常见的三个层面是二元层面、节点（或个体）层面和群体层面。不同层面的分析需要相应层面的网络测量指标或属性以及统计方法。以下是各层面常用的网络属性示例：
|层面|网络属性|
| ---- | ---- |
|群体层面| - 群体密度
- 群体集中化程度
- 群体同质性水平
- 群体传递性/聚类水平
- 群体核心 - 边缘结构
- 群体中的派系数量|
|节点层面| - 度中心性