ucinet介紹

UCINET為菜單驅(qū)動的Windows程序，可能是最知名和最經(jīng)常被使用的處理社會網(wǎng)絡(luò)數(shù)據(jù)和其他相似性數(shù)據(jù)的綜合性分析程序。與UCINET捆綁在一起的還有Pajek、Mage和NetDraw等三個軟件。UCINET能夠處理的原始數(shù)據(jù)為矩陣格式，提供了大量數(shù)據(jù)管理和轉(zhuǎn)化工具。該程序本身不包含 網(wǎng)絡(luò)可視化的圖形程序，但可將數(shù)據(jù)和處理結(jié)果輸出至NetDraw、Pajek、Mage和KrackPlot等軟件作圖。UCINET包含大量包括探測凝聚子群（cliques, clans, plexes）和區(qū)域（components, cores）、中心性分析（centrality）、個人網(wǎng)絡(luò)分析和結(jié)構(gòu)洞分析在內(nèi)的網(wǎng)絡(luò)分析程序。UCINET還包含為數(shù)眾多的基于過程的分析程序，如聚類分析、多維標(biāo)度、二模標(biāo)度（奇異值分解、因子分析和對應(yīng)分析）、角色和地位分析（結(jié)構(gòu)、角色和正則對等性）和擬合中心-邊緣模型。此外，UCINET提供了從簡單統(tǒng)計到擬合p1模型在內(nèi)的多種統(tǒng)計程序。

ucinet使用技巧

ucinet的安裝我覺得不用多說，因為不論是csdn本站，還是百度里面都有很多的資源可以下載，一般都是英文版，所以我就不從開頭介紹了。另外就是雖然很多東西當(dāng)初用過并且記得，但等過了一段時間后，再次看這個功能其實很可能英文單詞的意思都已經(jīng)忘了，就記得如何去使用。所以這里，我直接以一個案例的方式進(jìn)行演示：

1.數(shù)據(jù)導(dǎo)入：
Ucinet的數(shù)據(jù)輸入方式有多種:初始數(shù)據(jù)(Raw)、Excel數(shù)據(jù)和數(shù)據(jù)語言數(shù)據(jù)(Data Language，DL)。Ucinet處理的Excel數(shù)據(jù)最多只能有255列。就好像我記得excel的最大存儲數(shù)據(jù)為104萬左右，超過就會提示顯示不全。ucinet它導(dǎo)入數(shù)據(jù)步驟為輸入路徑:數(shù)據(jù)>輸入> Excel矩陣：

當(dāng)然，這里只是為了測試是否這個數(shù)據(jù)可以被ucinet所引用，不會有什么亂碼或者其它格式問題，另外如果中途選擇了什么其它操作，那么除了上述的打印外，還將生成了一個新的excel文件位于上面的路徑。

2.可視化數(shù)據(jù)分析

網(wǎng)絡(luò)密度指的是網(wǎng)絡(luò)中各個成員之間聯(lián)系的緊密度，可以通過網(wǎng)絡(luò)中實際存在的關(guān)系數(shù)與理論上可能存在的關(guān)系數(shù)相比得到，成員之間的聯(lián)系越多，該網(wǎng)絡(luò)的密度越大。整體網(wǎng)的密度越大，該網(wǎng)絡(luò)對其中行動者的態(tài)度、行為等產(chǎn)生的影響可能越大。計算的時候最好將多值關(guān)系數(shù)據(jù)轉(zhuǎn)換成二值關(guān)系數(shù)據(jù)。將多值關(guān)系數(shù)據(jù)轉(zhuǎn)換成二值關(guān)系數(shù)據(jù)路徑:變換→對分。

在對原始數(shù)據(jù)進(jìn)行二值化處理以后，所有的權(quán)值變?yōu)榱?和1（即是否有關(guān)聯(lián)），這樣計算出來的結(jié)果是普通的中心度。想要得到加權(quán)網(wǎng)絡(luò)的中心性，只需要在矩陣數(shù)據(jù)中保留權(quán)值，不進(jìn)行二值化計算即可，和之前的唯一區(qū)別在于計算公式中的0與1變成了具體的權(quán)值。

我們這里也可以進(jìn)行二值化，將上述的頻次轉(zhuǎn)換成只有0、1變量的數(shù)據(jù)，我這里不轉(zhuǎn)了，依據(jù)的公式一般是：
$$H_{ij}=\left\{\begin{array}{cc}\text{1,}& \text{if}{x}_i\in N_k\left(x_j\right)\text{or}{x}_j\in N_k\left(x_i\right)\\ \text{0,}& \text{otherwise}\end{array}\right\}$$
其中$N_k\left(x_i\right)$表示數(shù)據(jù)集中距離$x_i$最近的 k 個鄰居的集合。

然后我們需要將excel文件轉(zhuǎn)換成ucinet能識別的類型，即.h結(jié)尾的文件，這里有很多種轉(zhuǎn)換的方式，我比較喜歡的是打開一個矩陣，然后將數(shù)據(jù)導(dǎo)入，這里它會提示imported success，然后將其以.h文件保存到桌面，然后就可以開始可視化了。

最后進(jìn)入netdraw直接可視化，選項為Net- Draw >Open > Ucinet Dataset > Network：

這里我們可以在右邊欄看到可選框，可以根據(jù)喜好改變點的大小顏色以及線的粗細(xì)，另外就是去除某個點對整體圖的影響，檢測整個系統(tǒng)的波動性和穩(wěn)定性，這個我記得我之前都是做層次分析法或者PCA用的，但在網(wǎng)絡(luò)里自己也沒試過這個。

我主要試的是圖上面的工具欄，可以選擇中心性的網(wǎng)絡(luò)可視化，即centrality measures：

選擇任何一個圖都會根據(jù)其改變，比如我選擇closeness：

然后關(guān)于上述的區(qū)別，也就是我接下來要總結(jié)的，但只是做一個粗略總結(jié)。

3、社會網(wǎng)絡(luò)分析技術(shù)

首先如果數(shù)據(jù)不是非結(jié)構(gòu)化數(shù)據(jù)，并且它的缺失值與異常值都在合理范圍內(nèi)（關(guān)于上述兩者的概念，我在另一篇博客有提：kaggle（一）：隨機森林與泰坦尼克），那么我們可以做一個相關(guān)性分析，相關(guān)系數(shù)公式即為：
$$p_{ij}=\frac{E\left(y_i{y}_j\right)?E\left(y_i\right)E\left(y_j\right)}{\sqrt{(\left[E\left(y_i^2\right)?{\left(E\left(y_i\right)\right)}^2\right]?\left[E\left(y_j^2\right)?{\left(E\left(y_j\right)\right)}^2\right]}}$$
可以根據(jù)它得到相關(guān)系數(shù)權(quán)值矩陣，以此去判斷一些指標(biāo)權(quán)重密度還有啥的，不過ucinet基本都封裝好了，我在這里提一下，因為我下面的數(shù)據(jù)基本都是圍繞這個來弄，

社會網(wǎng)絡(luò)分析技術(shù)主要有網(wǎng)絡(luò)密度、中心性分析、凝聚子群分析、核心-邊緣分析等，這里對涉及到的前三種方法作簡單介紹。

中心性(centrality)是度量整個網(wǎng)絡(luò)中心化程度的重要指標(biāo)，在城市群網(wǎng)絡(luò)中，處于中心位置的城市更易獲得資源和信息，擁有更大的權(quán)力和對其他城市更強的影響力。網(wǎng)絡(luò)中心性又可以分為點度中心度、接近中心度和中間中心度三個指標(biāo)。

?度數(shù)中心性（Degree）中間中心性（betweenness）接近中心性（Closeness）

絕對點度中心度	$$C_{ADi}=d\left(i\right)=\sum _j{X}_{ij}$$	$$C_{ABi}=\sum _{j<k}{b}_{jk}(i)=\sum _{j<k}{g}_{jk}(i)/g_{jk}$$	$$C_{APi}^{?1}=\sum _j{d}_{ij}$$
相對點度中心度	$$C_{RDi}^{}=d\left(i\right)/\left(n?1\right)$$	$$C_{RBi}^{}=2C_{ABi}^{}/\left[\left(n?1\right)\left(n?2\right)\right]$$	$$C_{RPi}^{?1}=2C_{APi}^{?1}/\left(n?1\right)$$
圖的中心勢	$$\begin{array}{l}{C}_{AD}=\frac{{\sum }_i\left(C_{AD\max }?C_{ADi}\right)}{(n?1)(n?2)}\\ C_{RD}=\frac{{\sum }_i\left(C_{RD\max }?C_{RDi}\right)}{n?2}\end{array}$$	$$C_B=2\sum _i\left(C_{AB\max }?C_{ABi}\right)/\left[{\left(n?1\right)}^2\left(n?2\right)\right]=2\sum _i\left(C_{BB\max }?C_{RBi}\right)/\left(n?1\right)$$	$$C_C=\frac{{\sum }_i\left(C_{RC\max }^{\prime }?C_{RCi}^{\prime }\right)}{(n?2)(n?1)}(2n?3)$$

上表摘自SNA(社會網(wǎng)絡(luò)分析)——三種中心度總結(jié)，這張表里的有些公式和我之前建模用過的差不多，不外乎就是中間有進(jìn)行過變式，就比如我之前喜歡寫$n^3?4n^2+5n?2={\left(n?1\right)}^2\left(n?2\right)$，然后中間具體怎么推導(dǎo)的，例如betweenness可以看我給的參考鏈接2，我不是專門研究的我也不太清楚。我們還可以來看一下相關(guān)的圖，對于上述三種情況的文字對比圖：

然后我們就可以用ucinet軟件做出上述三種關(guān)系，這里只做一個，因為步驟操作都是基本一致的，選擇network ——> centrality ——> Degree ，就可以得到Degree centrality ：

closeness centrality：

然后關(guān)于betweenness centrality，一般都是選擇Node betweenness ，其它兩種lines和Hierarchically Reduction 我也沒有在實際建模中用過，不太清楚有啥具體意義，而且這兩種沒有顯示完各個點中心性值后的探索性分析的表格，關(guān)于一些平均值、方差、標(biāo)準(zhǔn)差等，所以這里直接拉到第一個就行了。

關(guān)于上述三張表所能給出的信息，我們都可以通過分析他們按高位降序排序的指標(biāo)來進(jìn)一步得出結(jié)果，其中還是以Degree centrality為例，因為我沒有進(jìn)行二值化，或者說排除一些其它類型的指標(biāo)，另外就是當(dāng)時晚上時間匆忙，現(xiàn)在第二天是接著昨晚的寫，一般如果數(shù)據(jù)做了處理，當(dāng)我們做了這個中心性后，Num值的區(qū)間都是在0 ~ 100之間，排在最前的Num一定是在95%左右再降序，這樣才能根據(jù)降序來定義最后的指標(biāo)區(qū)別，這里倒是有些無法判斷。其余兩個中心性的解釋根據(jù)公式和網(wǎng)絡(luò)分析圖結(jié)合起來說明更加有真實性與連貫性，在建模中，這就是基本的網(wǎng)絡(luò)分析了。

4、凝聚子群分析

凝聚子群是滿足如下條件的-一個行動者子集合，即在此集合中的行動者之間具有相對較強、直接、緊密、經(jīng)常的或者積極的關(guān)系。城市網(wǎng)絡(luò)凝聚子群是用于揭示和刻畫城市群體內(nèi)部子結(jié)構(gòu)狀態(tài)。找到城市網(wǎng)絡(luò)中凝聚子群的個數(shù)以及每個凝聚子群包含哪些城市成員，分析凝聚子群間關(guān)系及聯(lián)接方式，這都可以從新的維度考察城市群網(wǎng)絡(luò)的發(fā)展?fàn)顩r。

利用ucinet軟件中的CONCOR法進(jìn)行凝聚子群分析。CONCOR是-種迭代相關(guān)收斂法( convergent correlation或者convergence of iterated correlation)。它基于如下事實:如果對-一個矩陣中的各個行(或者列)之間的相關(guān)系數(shù)進(jìn)行重復(fù)計算(當(dāng)該矩陣包含此前計算的相關(guān)系數(shù)的時候)，最終產(chǎn)生的將是一個僅由1和-1組成的相關(guān)系數(shù)矩陣。進(jìn)一步說我們可以據(jù)此把將要計算的一些項目分為兩類:相關(guān)系數(shù)分別為1和-1的兩類(劉軍，2009)[4]。

這個我不太記得具體有啥作用了，找自己之前寫過的網(wǎng)絡(luò)分析法中很少用凝聚子群，但確實用過所以我現(xiàn)在才有一個大致的印象，然而怎么解釋已經(jīng)忘了，都過了一年多了，所以尷尬了，還是在這里記錄一下吧，下次記起來回來補。

凝聚子群分析結(jié)果：

凝聚子群分析結(jié)果：

總結(jié)

其實拋開一些太專業(yè)性的東西不講，本篇博文寫得挺爽的，很久沒有敲過這么多文字以及再次以一種建模的心理完成對ucinet的一些基本操作介紹，起因是一個建模群的網(wǎng)友問我網(wǎng)絡(luò)分析里的一些技巧，還有他用python做的話好不好做，于是我去搜了一下，找到了本篇的第一篇參考文獻(xiàn)，看了下python確實可以做但比較麻煩，我沒用過，而ucinet的話，腦子一閃，發(fā)現(xiàn)這不就是我大學(xué)一直在用的東西嘛，伴隨著的還有spss statistics、spss modeler、MATLAB、PS、灰色系統(tǒng)軟件、yaahp等等各種零零碎碎的東西，突然就有些懷舊，雖然剛出來不久，由大學(xué)學(xué)的電氣跨進(jìn)計算機的道路，終是專業(yè)化了，但想想曾經(jīng)大二一年里在建模路上的摸爬滾打，每次和隊友完成一篇篇論文到獲獎的喜悅，也終是我如今很難獲取到的了。所以，且行且珍惜吧，end。

參考與推薦：
[1]. 六個主要的社會網(wǎng)絡(luò)分析軟件的比較

[2]. 網(wǎng)絡(luò)的介數(shù)中心性(betweenness)及計算方法

[3]. SNA(社會網(wǎng)絡(luò)分析)——三種中心度總結(jié)

[4]. 《社會網(wǎng)絡(luò)分析法》(劉軍 譯)

[5]. 薛萍. 基于社會網(wǎng)絡(luò)的研究型高校優(yōu)勢學(xué)科方向發(fā)展預(yù)測研究 [D]. 導(dǎo)師: 朱凌. 浙江大學(xué),2014

[6]. 社會網(wǎng)絡(luò)分析方法簡介

總結(jié)

以上是生活随笔為你收集整理的ucinet网络分析使用总结的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。