59、社交网络分析中的因果推断

社交网络分析中的因果推断

一、社交网络因果推断研究概述

在社交网络分析领域，因果推断是一个重要的研究方向。众多学者在该领域进行了深入研究，取得了一系列有价值的成果。这些研究涵盖了多个方面，包括社交网络中的同伴效应、传染效应、选择效应等，以及如何准确地识别和估计这些效应。

二、社交网络研究中的关键概念

1. 中心性与暴露项
   • 中心性是社交网络分析中的一个基本概念，通常仅取决于网络的结构。例如，Freeman（1978）对社交网络中的中心性进行了概念澄清。
   • 而暴露项则是一个与网络成员特征相关的概念，它扩展了中心性的基本概念。暴露项是网络成员特征的函数，这使得它在分析社交影响时具有更广泛的应用。
2. 传染效应与混杂变量
   • 传染效应是指在社交网络中，一个个体的行为或状态对其他个体产生的影响。然而，在实际研究中，传染效应往往与其他混杂变量相互纠缠，例如共享的社会背景、个体自身及其交往对象的属性等。这种纠缠导致了识别因果关系的困难，并且可以将其归结为一个遗漏变量偏差问题。
   • 此外，影响和选择过程的共同演化所带来的困境，本质上也可以看作是一个遗漏变量偏差问题。

三、社交网络因果推断的方法

1. 随机实验
   • 一种解决方案是对更高层次聚合的单元（如学校）进行随机实验，假设这些单元是相互独立的。