r - 显着性检验

Question

对社交网络分析和 R 非常陌生(在线阅读了一些介绍，自己创建了一些图表)但我非常渴望学习不同的应用方法。也就是说，什么是应用于网络的常见显着性检验，更具体地说，如果两个网络图“在统计上不同”？

如果您能向我指出任何帮助/教程(尤其是在 R 中)，我们将不胜感激!

谢谢，

Answer 1

首先，R 中的图形模型 Task View，(在 CRAN 上)可能列出了主要与图论相关的每个 R 包或任何应用程序，如社交网络分析。

(任务 View 只是按领域/应用程序(例如财务)或技术(例如回归)相关的包的集合。

如果您是网络建模的新手，并且没有图论背景，我建议您使用 R 包 netmodels(但值(value)不限于新手)。 netmodels 本质上是一组围绕名为 igraph 的 C 库中的低级函数的包装器，它具有 R 绑定(bind)(也称为 igraph)。

因此，例如，使用网络模型，您可以调用该函数

do.base.description

在您的网络上，它会返回一个列表，其中包含几个关键网络参数以及每个参数的网络值(例如，节点数、边数、平均度数、平均路径长度等)

因此，通过使用网络模型，您可以快速获得网络的高级描述，而无需自己从“关节点”、“关节点”、“特征向量中心性”等基本图论组件计算这些高级描述参数，和“共引耦合”。

另外三个包含低级图论函数的类似 R 包是 inetwork、RSiena 和 sna。

关于网络的“重要性测试”。我相信分析是针对所研究网络的关键参数/属性的统计显着性。

那么那些关键参数是什么？也许对此有共识，但更有可能取决于您要解决的特定问题。这是我几乎总是计算的关键网络参数列表(我将尝试在每个属性旁边列出一个函数及其 R 包):

• 累积度数分布(计算它的边，或链接，对于每个网络中的节点，让你估计节点与边缘的比率)R 函数:plot.c.degree in package netmodels

• Krackhardt 连通性(返回从 0 到 1 的分数)R 函数:包 sna 中的连通性

• 平均路径长度(最短有向或无向)之间的路径节点 R 函数:average.path.length在 igraph 包中