显着性检验 R

Posted 2023-02-24

【中文标题】显着性检验 R

【英文标题】：Significance Tests R

【发布时间】：2010-08-04 00:00:22

【问题描述】：

对社交网络分析和 R 非常陌生（在线阅读了一些介绍，我自己创建了一些图表），但我非常渴望学习不同的方法来应用它。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”？

您可以指出我的任何帮助/教程 - 特别是在 R 中 - 将不胜感激！

谢谢，

【问题讨论】：

这在新的 Statistics Stackexchange 网站上可能会更好：stats.stackexchange.com 这更像是一个统计问题而不是编程问题。

我是这个网站的新手...如果我“重新发布”它有错吗？

【参考方案1】：

首先，R 中的图形模型 任务视图，（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。

（任务视图只是按领域/应用程序（例如，金融）或按技术（例如，回归）相关的包的集合。

如果您是网络建模的新手，并且您没有图论背景，那么我建议您使用 R 包 netmodels（但价值不限于新手）。 netmodels 本质上是一组名为 igraph 的 C 库中低级函数的包装器，该库具有 R 绑定（也称为 igraph）。

例如，使用 netmodels 你可以调用函数

do.base.description

在您的网络上，它将返回几个关键网络参数的列表以及每个网络的值（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，而无需自己根据“连接点”、“连接点”、“特征向量中心性”等基本图论组件计算这些高级描述性参数，和“同引耦合”。

其他三个类似的封装了底层图论函数的 R 包是 inetwork、RSiena 和 sna。

关于网络的“显着性测试”。我认为分析是针对所研究网络的关键参数/属性的统计显着性。

那么这些关键参数是什么？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（计算其边缘或链接，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 功能： sna 包中的连通性

平均路径长度（最短的有向或无向）路径 节点 R 功能：average.path.length 在 igraph 包中

【讨论】：

这是巨大的第一步，谢谢！我觉得我曾经看过一篇使用费希尔精确检验比较两个网络的论文（两年内教师的互动，两个不同的网络，但一个政策前的变化，一个帖子）