对社交网络分析和 R 非常陌生(在线阅读一些介绍，自己创建了一些图表)但我非常渴望学习应用它的不同方法。也就是说，应用于网络的常见显着性检验是什么，更具体地说，如果两个网络图“在统计上不同”？
您可以指点我的任何帮助/教程 - 特别是在 R 中 - 将不胜感激!
谢谢，
最佳答案
首先，R 任务 View 中的 图形模型(在 CRAN 上)列出了可能主要与图论或任何应用程序(如社交网络分析)相关的每个 R 包。
(任务 View 只是与域/应用程序(例如，财务)或技术(例如，回归)相关的包的集合)。
如果您对网络建模相当陌生，并且您没有图论方面的背景，那么我建议您使用 R 包 netmodels(但其值(value)不限于新手)。 netmodels 本质上是 C 库 igraph 中低级函数的一组包装器，该库具有 R 绑定(bind)(也称为 igraph)。
因此，例如，使用 netmodels 您可以调用该函数do.base.description
在您的网络上，它将返回一个列表，其中包含几个关键网络参数以及每个网络参数的值(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“连接点”、“连接点”、“特征向量中心性”和“共引”等基本图论组件计算这些高级描述参数耦合'。
其他三个类似的包含低级图论函数的 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/属性的统计显着性的。
那么这些关键参数是什么呢？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):
网络中的节点，让你
估计节点与边缘的比率)R 函数:netmodels
sna
节点 R 功能:average.path.length
在 igraph
关于r - 显着性检验 R，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/3401639/