發表於2024-12-25
本書介紹瞭指數隨機圖模型的基本概念和原理,展示瞭該模型的建模和使用方法以及在實踐中應當如何運用該模型。指數隨機圖模型主要用於社會網絡分析。相比傳統的描述性方法,指數隨機圖模型作為一種統計方法能夠更好地構建社會網絡結構模型。雖然指數隨機圖模型是為瞭應對網絡數據中內在的非獨立性,但是該模型的結果通常都以類似於邏輯迴歸的方式進行展示和闡釋,從而使其成為檢驗社會係統的有用方法。近年來統計軟件的開發和進步幫助社會科學傢也能輕鬆地使用指數隨機圖模型,但關於該模型的使用卻還沒有一個簡明清晰的指導。因此,本書旨在填補這一空缺,帶領讀者通過使用R統計軟件和statnet軟件包,學習指數隨機圖模型的建模和使用操作。
自20世紀初喬治·齊美爾(GeorgSimmel)首次論述社會網絡相關問題以來(Simmel&Wolff;,1950),社會科學傢對於個體之間、組織之間以及其他實體之間相互關聯的網絡問題一直保持高度的關注(參見例如Fienberg,2012)。20世紀30年代,心理醫生雅各布·莫雷諾(JacobMoreno,1934)的工作為社會網絡研究奠定瞭基礎,並將此領域命名為“社會計量學”(sociometry)。在莫雷諾的諸多重要成果中,核心成果便是發明瞭社群圖(sociogram)方法,通過將個體圖形化錶示為節點,個體之間聯係圖形化錶示為連綫的形式,社群圖方法就能夠用來解釋社會結構問題。
在社會網絡分析發展的曆程中,社群圖方法被證明是十分重要的,原因之一是社群圖方法將圖論的基礎理論引入到瞭社會網絡分析中來。圖論是一個專門處理由節點(點)以及相連的邊(連綫)所組成的數學分支,其中,網絡圖既可以是有嚮的,即網絡中的邊通常由從一個節點到另一個節點的箭頭所錶示,從而展現節點之間潛在的非對稱聯係;網絡圖也可以是無嚮的,直接用綫段來錶示網絡中的邊。大多數研究社會網絡的傳統方法都是來源於圖論的,社會科學中的定量研究方法應用係列叢書(QASS)中,有一本較早的著作,是由諾剋和楊(Knoke&Yang;,2008)撰寫的《社會網絡分析》,該書就主要是采用這種(傳統)方法。
傳統的網絡分析方法主要是描述性的,並不采用具有統計學意義上的隨機變量模型構建方法。明確提齣以網絡結構為中心建立概率模型的思想可以追溯到20世紀中葉,即吉爾伯特、艾多斯以及瑞尼(Gilbert,1959;Erdos&Renyi;,1959)解釋瞭網絡結構中最為基礎的零模型(nullmodel)。在零模型中,所有的節點對都是以同等的概率建立連綫,無論是在有嚮網絡還是無嚮網絡中,簡單圖模型都是被最廣泛采用的模型。
20年之後,霍蘭德和萊因哈特(Holland&Leindardt;,1981)引入瞭一種針對有嚮圖的Gilbert-Erdos-Renyi零模型的變種。其中,關係形成(tieformation)的概率受到個體的群集性(gregariousness,個體對外與他人建立聯係的屬性)以及受歡迎程度(popularity,他人與該個體建立聯係的屬性)的影響。在此之後不久,1981年,芬博格和沃瑟曼(Fienberg&Wasserman;,1981)將霍蘭德和萊因哈特的p1模型改造為對數綫性模型,對數綫性模型是一種為統計學傢和社會科學傢所熟知的模型,這樣一來,學者們就可以方便對模型的參數進行最大似然估計瞭。此外,芬博格和沃瑟曼還對p1模型進行瞭擴展,將網絡的“互惠性”(reciprocity)特徵納入到模型中來,並以“互惠性”特徵作為網絡連綫概率增強的機製——例如,在一個朋友網絡中,如果A選擇B,那麼,B選擇A的概率就會提升。
正如詹寜·哈瑞斯(JenineHarris)在本書中所解釋的,吉爾伯特等人的零模型,霍蘭德和萊因哈特的p1模型,以及芬博格和沃瑟曼(1981)的擴展模型都是指數隨機圖模型(exponentialrandomgraphmodels,EGRMs)傢族的成員。過去30年裏,指數隨機圖模型的研究取得瞭長足的進展,而且已經成為瞭目前社會網絡分析中最重要的統計工具。在這個進程中,指數隨機圖模型不斷彰顯著自己在展現社會網絡結構特徵分析方麵的洞察力,例如對聚類或“聚簇”的分析。
近年來,麵對大數據分析所帶來的挑戰與激勵,計算機科學傢和統計物理學傢,與統計學傢、社會科學傢並肩作戰,對社會網絡分析的發展起到瞭直接推動作用。源於社會生活中的大型網絡數據尤為龐大與復雜,如Facebook的數據,這也促使研究人員必須不斷研究更為復雜的網絡模型,不斷改進統計軟件的計算能力,以確保研究的模型能夠適應大數據的環境。哈瑞斯在其書中介紹瞭由statnet團隊所研發的最先進的網絡分析軟件(Handcocketal.,2003),該軟件是針對R的統計計算環境而開發的(RCoreTeam,2013),是一款廣泛使用的、免費且開源的統計分析平颱。
本書介紹瞭如何建立指數隨機圖模型,並解釋瞭如何在實踐中使用該模型,詹寜·哈瑞斯的工作對於采用社會網絡分析的社會學傢而言十分重要。我希望她的這本著作將會有較廣泛的讀者群,同時,期待該書能夠對社會科學中社會網絡分析質量的提升産生實質性的影響。
約翰·福剋斯(JohnFox)
指數隨機圖模型導論 下載 mobi pdf epub txt 電子書 格式 2024
指數隨機圖模型導論 下載 mobi epub pdf 電子書其中一本書,大概六十多
評分讀萬捲書行萬裏路開捲有益
評分格緻的這套統計學係列是目前最齊全的一套統計學前沿係列!
評分這套書的內容很好,每本書是個專題,不懂的模型可以從裏麵找到答案。
評分挺好的
評分讀萬捲書行萬裏路開捲有益
評分不錯
評分格緻的這套統計學係列是目前最齊全的一套統計學前沿係列!
評分其中一本書,大概六十多
指數隨機圖模型導論 mobi epub pdf txt 電子書 格式下載 2024