约翰·斯科特/刘军 《社会网络分析法》笔记：

一些零碎的资料：

网络密度是网络中实际存在的边数和可容纳的边数上限的比值，刻画社会网络中的节点之间的连线的密集程度。在有向关系网络中 ，如果有 n 个节点 ，理论上存在关系数量的最大值为（n-1），将实际存在关系数量记为 m，那么网络密度则为 m/n（n-1）。网络密度的值介于 0 与 1 之间 ，越接近 0 则说明网络联系越松散 ，越接近 1 则说明网络连接越紧密。/网络密度是指网络结构中各节点之间关联的紧密程度，以网络结构图中实际存在的线与可能存在的线的数量比例为参考数值。网络密度值的大小与网络各成员间关系的疏密程度正向相关，即网络密度值越大，对相关网络成员的态度及行为的影响就越大，一方面是网络中各种社会资源的重要提供者，另一方面也在一定程度上对其发展的制度环境构成限制。通常情况下，网络成员间关系越紧密，信息的畅通程度、资源支持程度和合作协同程度就越高，网络中各行动者所能实现的吸收、传递及处理功能也越强。

特征向量中间性是描述网络中节点综合影响力的指标，通过给网络中所有节点进行评分，反映节点在网络中的重要性。特征向量中间性更好地反映节点在网络中传递信息的效率和信息发布的广度。

中心性分析刻画的是社会网络中具备高影响力和传播力中心节点。在所属的社会网络中居于中心位置的行动者拥有更多的社会资本和信息资源，也具有更强的群体影响力和更积极的主动参与意愿基于点度中心、接近中心性、中介中心性指标进行测量。

1. 在有向关系网络中 ，点度中心度由点入度和点出度组成 ，点入度是指某一节点关注被其他节点关注的数量 ，点出度是指某节点关注其他节点的数量。点入度越高的节点首发信息传播范围越广泛 ，点出度越高的节点获取其他节点首发信息越快速。点度中心度是一个节点重要性程度的最直接体现，一个节点的点度中心度指标越高，表明该节点在整个网络中的中心化程度越高，地位、主动性和影响力也越高。

2. 中介中心度反映的是节点对于资源的控制程度。与中介中心度相关的中介中心势是衡量整个网络节点连接情况的指标。星形网络中介中心势为100%，环形网络中介中心势为 0。/中间中心度是指衡量一个结点作为“中介”的能力，即它担任其他两个结点之间最短路径媒介者的次数，因其研究的是一个节点在多大程度上居于其他两个节点之间，因而是一种“控制能力”指数。中间中心度越大说明该节点在社会网络中居于权力的核心地位，对其他结点的控制能力和影响程度越大，而如果一个节点在网络中的中间中心度为“0”，那么该节点不具有任何控制能力，无法对其他行动者产生影响，被称为网络中的“孤独者”。

依据网络中各个节点之间的紧密性或距离而测量的某节点控制其它节点交往的能力 ，能够反映该节点的地位和桥梁作用。

中间中间性是描述网络中节点 对资源控制程度（是否处于其它两点之间的路径上）的指标，反映了节点控制其它节点间互相通讯的能力。

如果一个节点处于多条交往路径上，则表明该行动者有较强的信息控制能力，可以通过“控制或者曲解信息的传递而影响群体”。③如果一个节点的中间中心性为0，则表明该节点不能控制任何行动者，处于网络的边缘;如果一个节点的中间中心性为1，则表明该节点可以完全地控制其他行动者。这一指标实际上衡量了一个节点作为媒介者的能力。

3. 接近中心度：（无法测量）

接近中心度是衡量一个节点中心程度的重要指标，其衡量参数以某一节点距离其他节点最短路径的平均长度为参考数值，考量的是每个节点在所属社会网络中分享资源的能力。简言之，接近中心度越高的节点与其他节点的距离也越近，该节点凭借其所拥有的信息资源、权力等要素与其他行动者紧密联系。

是用距离来计算一个节点的中心性程度，是一个节点与其所处网络中的其他所有节点的最短路径之和。与其他节点的路径越短，距离越近，其接近中心性越高，越是网络中的重要人物；反之，接近中心性的值越大，其离网络中心越远，其所获得的信息、资源、权力、影响力也越小。同时也反映了该节点传播信息的速度。

页面排序指数是一种特殊的特征向量中间性指标，该指标因应用于谷歌搜索引擎而出名。在考虑网络中节点权重的情况下（边权重），页面排序指数能更为客观地评价节点间信息传递的质量。

集聚系数是描述网络中节点特性的另一套重要指标。集聚系数反映了网络中节点之间集结成团的程度（即一节点与其它相邻节点间相互连 接 的 程 度）。集聚系数越高，表示该节点附近发生集聚效应越明显。

凝聚子群刻画的是社会网络中的派系，是大型社会网络中的小型网络集合。/社会网络分析的重要内容之一在于寻找社会网络中彼此关联的小群体，揭示行动者间的潜在的或者实际存在的关系，探索社会结构中可能存在的凝聚子群，即“派系”( cliques) ③。同一派系中的行动者由于共享一些目标、规则和程序，彼此互动、协同活动，在某种属性上拥有同质，因此具有高度凝聚力。通过凝聚子群分析，可以找出网络中存在的派系的数量、派系之间的关系，派系内部成员之间关系的特点等。凝聚子群分析包括成分分析、派系分析、K － 丛分析、N － 派系分析等子内容。/运用一种量化的结构观来关注社群网络中出现的“子结构”现象，即在整体社群中是否有关系较为紧密的小团体以及这些小团怎样构成整体网络结构。在一个小的行动子集中，如果内部成员间存在比较直接、高频、积极或者密切的关系，那么就可称其为组成整体网络的凝聚子群

• k-核（k-core）指的是在一个子群中，如果内部的任意一个节点都至少和该圈子中 k 个节点具有直接联系，那么就称这样的子群为 k-核子群。对于 k 可以有不同的取值，取值的大小表征着 k-核子群的紧密程度，数值越大表明该 k-核内部联系越紧密，数值越小表明该子群越松散

• n-派系分析以成员间的距离作为关系强弱的标识来测定社群网络中的凝聚小团体现象，如果节点间距离为 1 则它们直接相连，如果距离为 2 节点间则通过某一共同的领接节点间接相连，依此类推。当距离较小时，网络成员间信息传递经过的路径越少，信息的可达性也越好，派系内成员间的联系也愈加紧密，反之，距离越大，对小团体内节点限制的标准也越松散。之所以称作 n-派系，是因为通常用 n 表示分析中对节点间距离的取值，n=1 时，则称之为 1-派系。在实际的应用中，研究者可根据需要自行决定 n 取值的大小，但由于当 n>2 时，整个节点间联系过于松散，缺乏派系研究的意义，所以 2 是 n 取值的临界点。