Анализ социальных сетей


Скачать 266.75 Kb.
НазваниеАнализ социальных сетей
страница3/3
ТипАнализ
filling-form.ru > Туризм > Анализ
1   2   3

Модели р*. Определим для дихотомического направленного социального отношения  три новые матрицы: - принудительно добавлено ребро ij, - принудительно убрано ребро ij, - все ребра, дополнительные к ij, причем самого этого ребра в матрице нет. Предположим, что вероятность принятия матрицей X значения х равна: , где - транспонированный вектор параметров модели, z(x) - вектор статистик социальной сети, k - линейная функция, суммирующая произведения элементов вектора и некоторых коэффициентов, и обеспечивающая нужный вид вероятностного распределения. Основная проблема при такой формулировке задачи состоит в определении k, что является весьма сложной задачей для большинства социальных сетей. Однако, можно преобразовать рассматриваемую логлинейную модель в логит-модель, используя то, что случайная величина xij является дихотомической.

Отсюда вероятность существования ребра ij:



. (2)

Если обозначить разность в квадратных скобках как , то логарифм отношения (2) (логит-модель) будет иметь вид:

(3).

Элементы - это изменения статистик социальной сети при смене значения xij c 1 на 0. Такой вариант модели, в которой логарифм отношения вероятностей равен линейной комбинации элементов , называется логит-моделью р* для единичного дихотомического социального отношения. Для случая ребер с весами от 0 до С 1 мы будем иметь набор из С-1 логит-моделей [23].

Статистическая интерпретация логистических регрессионных моделей для зависит от предположения о независимости величин . В модели р* логит-модели для не являются независимыми, в силу чего статистика отношения правдоподобия не поддается строгой статистической интерпретации, хотя ее значение может служить ориентиром качества построенной модели.

Графы зависимости. На базе социальной сети можно построить граф зависимости D, показывающий, какие ребра или группы ребер условно зависимы. Два ребра называются условно зависимыми, если условная вероятность одновременного существования этих ребер, вычисляемая по остальным ребрам сети, не равна произведению условных вероятностей независимого существования этих ребер. Граф зависимости имеет ребра, связывающие все пары условно зависимых ребер социальной сети. Обозначим множество вершин графа зависимости как ND={(i, j, m); i, jN, i  j; mR} (мы рассматриваем граф зависимости для случая нескольких типов взаимодействий).

С помощью теоремы Хаммерсли-Клиффорда можно формально установить, как структура социальной сети влияет на параметры модели р*. Данная теорема утверждает, что вероятность существования случайного направленного графа зависит только от полных подграфов в графе зависимости и может быть представлена в виде:

, где

D - граф зависимости для Х,

- нормирующая константа,

суммирование идет по всем подмножествам А множества ND,

- достаточные статистики, соответствующие параметру , причем в случае, когда подграф, задаваемый вершинами, входящими в А, не является полным [24].

Ненулевые параметры модели соответствуют набору максимальных полных подграфов (клик) графа зависимости. Напомним, что полным подграфом называется такой набор вершин, где каждая их пара связана ребром, т.е. полный подграф в графе зависимости соответствует набору ребер социальной сети, каждая пара которых является условно зависимой. Максимальный полный подграф - это полный подграф, который не полностью содержится в любом другом полном подграфе. Так как каждый подграф полного подграфа также является полным, следовательно, если А - это максимальная клика D, то ненулевые параметры модели будут при А и всех его подграфах.

Использование теоремы Хаммерсли-Клиффорда позволяет существенно упростить процесс построения моделей р*. Например, логлинейная модель Марковского графа зависит только от полного набора триад и звезд размера k, но не от тетрад и других полных подграфов. При этом модель можно дополнительно упростить с помощью предположений о гомогенности ее параметров, т.е. их независимости от индивидуальных акторов.

Оценка параметров модели р*. Функция правдоподобия для модели р* может быть записана в виде . В этом случае опять возникает проблема определения функции k. Избежать этого можно при использовании так называемой функции псевдоправдоподобия, получаемой при допущении условной независимости ребер и переходе к логит-модели, и имеющей вид:

(4).

Оценка максимального псевдоправдоподобия отвечает максимальному значению выражения (4). Отметим, что оценка максимального правдоподобия не отличается от оценки максимального псевдоправдоподобия только на классе простейших графовых моделей, у которых условные вероятности существования ребер не зависят от структуры ребер данного взаимодействия, т.е. в случае условной независимости ребер.

Д. Страуссом и М. Айкедой доказана теорема о том, что в случае логит-модели р* в форме (3) максимизация значения функции псевдоправдоподобия (4) эквивалентна максимизация функции правдоподобия для логистической регрессии в модели (3) для независимых наблюдений {xij}. Такая аппроксимация может быть выполнена с помощью итеративного метода Гаусса-Ньютона с перевзвешиванием [23, 24].

Обозначим оценки параметров модели, полученные с помощью логистической регрессии, как . Оценивать качество аппроксимации будем с помощью статистики . Для проверки статистической значимости каждой характеристики сети, например, взаимности, рассматриваются две модели, содержащая данную характеристику, и не содержащая ее. Значимость различий в значениях статистики для этих моделей может быть приближенно оценено с помощью распределения с числом степеней свободы, равным числу параметров модели, связанным с этой характеристикой. Также значимость коэффициентов регрессии можно проверить с помощью статистики Вальда, используя их приближенную стандартную ошибку.

В заключение предпримем попытку перечислить наиболее актуальные и важные в настоящее время проблемы анализа социальных сетей, решение которых позволит существенно расширить как объяснительные возможности, так и сферу применения данного научного направления.

  1. Создание интегральной теории социальных сетей, так как разнообразие подходов к анализу социальных сетей приводит к проблеме объединения результатов, полученных с помощью каждого из подходов, в рамках единого исследования.

  2. Нахождение «естественного» для социальных сетей набора мер расстояния, позволяющих определять дистанции между элементами сети.

  3. Построение типологии характерных конфигураций социальных сетей и создание меры полноты этих сетей.

  4. Разработка методов, позволяющих определять нормативную основу взаимодействий по структуре социальной сети.

  5. Использование в анализе социальных сетей результатов, полученных в топологии. В частности, рассмотрение вопроса о планарности социальных сетей с помощью теоремы Кенига, утверждающей, что любой граф может быть уложен без самопересечений на некоторую компактную ориентируемую топологическую поверхность рода S, что дает возможность с новых позиций рассмотреть вопрос о геометрии социального пространства.

СПИСОК ЛИТЕРАТУРЫ

  1. Wasserman S., Faust K. Social Network Analysis: Methods And Applications. New York: Cambridge University Press, 1994.

  2. Сорокин П.А. Система социологии. Т. 2. Социальная аналитика: Учение о строении сложных социальных агрегатов. М.:Наука, 1993.

  3. Davern M. Social networks and economic sociology: A proposed research agenda for a more complete social science // American Journal of Economics & Sociology, 1997. Vol. 56. Issue 3. P. 287-302.

  4. Granovetter M.S. The Strength of Weak Ties // American Journal of Sociology, 1973. Vol. 78. P. 1360-1380.

  5. Wegener B. Job Mobility and Social Ties: Social Resources, Prior Job, and Status Attainment // American Sociological Review, 1991. Vol. 56. P. 60-71.

  6. Cook K.S., Whitmeyer М. Two Approaches to Social Structure: Exchange Theory and Network Analysis // Annual Review of Sociology, 1992. Vol. 18. P. 109-127.

  7. Markovsky B., Ridgeway C., Lawler E. Structural Social Psychology and the Micro-Macro Problem // Sociological Theory, 1993. Vol. 11. P. 268-290.

  8. Lin N. Social Resources and Instrumental Action // Social Structure and Network Analysis. Beverly Hills: Sage. 1982. P.131-145.

  9. Lin N. Social Resources and Occupational Status Attainment // Social Mobility and Social Structure. N.Y.: Cambridge University Press. 1990. P. 247-271.

  10. Coleman J.S. Social Capital in the Creation of Human Capital // American Journal of Sociology, 1988. Vol. 94. P. 95-120.

  11. Buskens V. Social Networks and the Effect of Reputation on Cooperation // ISCORE Paper №42. Utrecht University. 1995.

  12. Buskens V. Effects of Network Structures on Trust // ISCORE Paper №81. Utrecht University. 1996.

  13. Hallinan M., Williams R. The Stability of Students' Interracial Friendships // American Sociological Review, 1987. Vol. 52. P. 653-655.

  14. Special Issue: Change in Social Networks // Social Networks, 1997. Vol. 19. Issue I.

  15. Tracy E., Catalano R. Reliability of social network data // Social Work Reseach & Abstracts, 1990. Vol. 26. Issue 2. P.33-36.

  16. Buskens V. Networks and Contracting in Information Technology Transactions // http://www.fsw.ruu.nl/soc/iscore/papers/paper070.pdf.

  17. Padgett J.F., Ansell C.K. Robust action and the rise of the Medici, 1400-1434 // American Journal of Sociology, 1993. Vol. 98. P. 1259-1319.

  18. Parlebas P. Centralite et compacite d’un graphe // Mathematiques et sciences humaines, 1972. Vol. 39. P. 5-26.

  19. Johnson J., Ironsmith M. Assessing children's sociometric status: Issues and the application of social network analysis // Journal of Group Psychotherapy, Psychodrama & Sociometry, Spring94. Vol. 47. Issue 1. P. 36-49.

  20. Davern M. Social Networks and Prestige Attainment: New Empirical Findings // American Journal of Economics & Sociology, 1999. Vol. 58. Issue 4. P. 843-864.

  21. Montgomery J. D. Weak Ties Employment and Inequality // American Journal of Sociology, 1994. Vol. 99. P. 1212-1236.

  22. Wasserman S., Iacobucci D. Statistical analysis of discrete relational data // British Jornal of Mathematical and Statistical Psychology, 1986. Vol. 39. P. 41-64.

  23. Wasserman S., Pattison P. Logit models and logistic regressions for social networks: I. An introduction to markov graphs and p* // Psychometrika, 1996. Vol. 61. P. 401-425.

  24. Wasserman S., Pattison P. Logit models and logistic regressions for social networks: II. Multivariate relations // British Journal of Mathematical and Statistical Psychology, 1999. Vol. 52. P. 169-193.

1   2   3

Похожие:

Анализ социальных сетей iconПодружитесь со своим ребенком в социальных сетях
В эру интернет-технологий, интерактивности и социальных сетей удержать ребенка от использования всего этого практически невозможно....

Анализ социальных сетей iconПредоставления социальных услуг совершеннолетним гражданам поставщиками...
Изационно–правовой формы и (или) индивидуальными предпринимателями, осуществляющими социальное обслуживание (далее – поставщики социальных...

Анализ социальных сетей icon«Влияние социальных сетей на разговорный язык» Проектная работа по языкознанию
Осударственное общеобразовательное учреждение средняя общеобразовательная школа №1352 вао москвы

Анализ социальных сетей iconОсновная образовательная программа бакалавриата по направлению подготовки 040100 «Социология»
Теоретические основы социологического изучения социальных сетей в стратегии поиска работы 7

Анализ социальных сетей iconОтчет Чистопольского городского Исполнительного комитета за 2014 год
Протяженность сетей водоснабжения составляет 103 км, канализационных сетей-71км,общая протяженность тепловых сетей г. Чистополь птс...

Анализ социальных сетей iconСоциальные сети в образовательном процессе
Целью данной статьи является изучение эффективности использования социальных сетей в рамках учебного процесса по материалам зарубежных...

Анализ социальных сетей iconОбзор сми 26 ноября – 2 декабря 2011 года
Президент России Дмитрий Медведев призвал сми и "обитателей" социальных сетей в интернете больше внимания уделять борьбе с алкоголизмом...

Анализ социальных сетей iconПрограмма учебной практики образовательной программы по направлению...
«Социология социальных процессов и социальных изменений» (набор 2013 г.), очная форма обучения

Анализ социальных сетей iconУчебный центр «нахабин о»
Анализ и практика применения нововведений 2013 г в сфере начисления социальных страховых взносов и ндфл

Анализ социальных сетей iconЗаявления о наборе социальных услуг (нсу)
Прием заявлений о предоставлении набора социальных услуг, об отказе от получения набора социальных услуг или о возобновлении предоставления...

Вы можете разместить ссылку на наш сайт:


Все бланки и формы на filling-form.ru




При копировании материала укажите ссылку © 2019
контакты
filling-form.ru

Поиск