经济科学译库·社会网络分析：方法与应用 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

斯坦利·沃瑟曼（Stanley Wasserman），凯瑟琳·福斯特（Katherine Faust） 著，陈禹，孙彩虹 译，齐心 校

图书标签:

• 社会网络分析
• 网络科学
• 经济学
• 社会学
• 方法论
• 数据分析
• 复杂网络
• 关系数据
• 结构洞
• 应用研究

出版社： 中国人民大学出版社

ISBN：9787300150307

版次：1

商品编码：10972287

包装：平装

丛书名： 经济科学译库

开本：16开

出版时间：2012-04-01

用纸：胶版纸

页数：642

字数：898000

正文语种：中文

内容简介

　　 社会网络分析在社会和行为科学中应用甚广，如经济学、市场营销以及工业工程。社会网络的视角主要关注于社会实体之间的关系。具体的例子有团队成员之间的交流，公司间的经济事务，以及国家间的贸易或条约。标准社会和行为研究主要关心社会单元的属性，而将焦点放在对关系的研究上，是对标准社会和行为研究的一种重要补充。
　　 《经济科学译库·社会网络分析：方法与应用》综述并讨论了分析社会网络的方法，通过打量例子，重点关注这些方法的具体应用。《经济科学译库·社会网络分析：方法与应用》主要分为六个部分。第一部分的章节从社会网络的视角进行概述，描述了不同类型的社会网络数据。第二部分讨论了社会网络的形式表示，包括符号、图论以及矩阵操作。第三部分涵盖了社会网络的结构和位置的性质，包括中心性、声望、优势、结构平衡、可聚类性、凝聚子群以及从属网络。第四部分考查了社会网络关于角色和地位的方法，包括对结构等价、块模型以及关系代数的讨论。第五部分探讨了二元关系和三元关系的特性。第六部分讨论了社会网络的统计方法。
　　 《经济科学译库·社会网络分析：方法与应用》是一本参考书，适用于那些想对网络分析方法有一个全面了解的读者，也适用于收集了网络数据，并想找到恰当方法对数据进行分析的研究者。它也是一本教科科书，较全面地涵盖了社会网络分析领域的方法论和应用。

作者简介

斯坦利·沃瑟曼，教授是应用统计学家，现任印第安纳大学布卢明顿分校应用社会科学系和心理学系教授。他1973年在宾夕法尼亚大学获经济学学士学位，同年又获商学和应用经济学硕士学位，并于1977年获哈佛大学统计学博士学位。他最为人所熟知的是其在社会网络统计模型方面的工作，特别是和凯瑟琳·福斯特合写的本书很有影响，是美国很多大学本科生和研究生社会网络分析课程教材。
凯瑟琳·福斯特，现任加州大学厄文分校社会学系教授，主要研究方向是社会网络分析、元网络分析、比较结构分析和研究方法。她1976年在波莫纳学院获人类学学士学位，1983年和1985的在加州大学厄文分校获社会学硕士和博士学位。除本书外，她还在社会网络和网络方法论领域发表了大量论文。

内页插图

目录

第一部分 网络、关系和结构
第1章 社会科学和行为科学中的社会网络分析
1.1 社会网络视角
1.2 历史基础和理论基础
1.2.1 经验动因
1.2.2 理论动因
1.2.3 数学动因
1.2.4 小结
1.3 网络分析的基本概念
1.4 网络理论和网络测度的显著特征
1.5 本书结构以及如何阅读本书
1.5.1 复杂性
1.5.2 描述方法和统计方法
1.5.3 理论驱动方法
1.5.4 按时间排列
1.5.5 分析层次
1.5.6 需要提前阅读的章节
1.6 总结
第2章 社会网络数据：收集与应用
2.1 引言：什么是网络数据？
2.1.1 结构变量与成分变量
2.1.2 模式
2.1.3 从属变量
2.2 边界界定和抽样
2.2.1 什么是你要研究的总体
2.2.2 抽样
2.3 网络类型
2.3.1 单模网络
2.3.2 双模网络
2.3.3 自我中心以及特殊的二元网络
2.4 网络数据、测量与收集
2.4.1 测量
2.4.2 收集
2.4.3 纵向数据收集
2.4.4 测量的有效性、可靠性、准确性、误差
2.5 在本书中可以找到的数据集
2.5.1 Krackhardt的高科技管理人员
2.5.2 Padgett的佛罗伦萨家庭
2.5.3 Freeman的电子信息交换系统网络
2.5.4 国家贸易数据
2.5.5 Galaskiewicz的CEO和俱乐部网络
2.5.6 其他数据

第二部分 社会网络的数学表示
第3章 社会网络数据的符号表示
3.1 图论符号表示法
3.1.1 单一关系
3.1.2 ○多重关系
3.1.3 小结
3.2 社会计量符号表示
3.2.1 单一关系
3.2.2 多重关系
3.2.3 提要
3.3 ○代数符号表示
3.4 ○两个行动者集合
3.4.1 ○不同类型的组对
3.4.2 ○社会计量的符号表示
3.5 总结
……
第三部分 结构和位置属性
第四部分 角色和地位
第五部分 二元方法和三元方法
第六部分 统计二元交互模型
第七部分 结语

精彩书摘

正式的角色，比如那些被授予权利和威信的人，也是相关的。这种关系表示的是一个行动者对其他人的权威，尤其是在管理情境中。正式角色的例子包括老板／雇员，老师／学生，医生／病人等。最后，我们来看看亲属关系，我们已经使用网络方法研究这种关系很多年了。关系是基于婚姻或血缘关系的，这种婚姻或家庭关系可以使用社会网络方法来描述（比如，可以参见White，1963；Boyd，1969）。行动者属性。除了行动者之间关系的信息外，社会网络数据集也包括对行动者自身特征的度量，这种对行动者属性的度量构成了社会网络的成分变量。‘这些变量与在非网络研究中测得的变量具有相同的性质。对于人，我们可以调查他们的年龄、性别、种族、社会经济地位、居住地点、在学校上几年级等。对于团体行动者，则可以测量他们的收益率、税收、地理位置、经营目标等。构成网络的这些行动者的“大小、形态以及特色”可以通过许多方式度量。
2.3.2 双模网络
假设现在我们要研究的网络是双模式的，即包括对两个行动者集或者是一个行动者集和一个事件集的度量。我们首先考虑测量来自两个不同的行动者集的这一对行动者之间关系的情形，然后我们再讨论一种测量行动者子集的特殊的双模网络。两个行动者集。在双模式网络中，关系度量的是第一个集合中的行动者与第二个集合中的行动者之间的联系。我们称这样的网络为二元双模网络，因为这些关系都是二元函数，二元中的第一个行动者和第二个行动者来自不同的行动者集合。对于不同类型的行动者、不同类型的关系以及不同类型的行动者属性变量，所有关于单模网络的讨论也都是适用的。
然而，必须注意的是可能存在多种类型的行动者，对于每一个行动者集合我们可能都需要有一个独特的属性变量集合。行动者。在一个包含了两个行动者集的双模式网络中，行动者可能与单模网络中描述的一样具有普通的类型，但是这两个行动者集的类型可能是不同的。关系。在有两个行动者集的双模式网络中，至少有一个关系是从两个集合的行动者之间测量得到的，在一个更广泛的双模式网络数据集中，关系也可以在一个集合内部的行动者之间进行定义。但是，对于一个真正意义上的有两个行动者集的双模网络，至少得有一个关系是在两个行动者集之间定义的。
……

前言/序言

《社会网络分析：方法与应用》 引言 在当今信息爆炸、联系日益紧密的时代，理解个体、组织乃至国家之间的互动关系变得前所未有的重要。无论是商业领域的客户关系管理、社交媒体的传播机制，还是公共卫生中的疾病扩散模型，亦或是政治科学中的联盟形成，这些都深刻地体现了“关系”的重要性。社会网络分析（Social Network Analysis, SNA）正是这样一门强大的工具，它提供了一套严谨的理论框架和量化方法，用以分析和理解这些错综复杂的网络结构及其影响。 本书《社会网络分析：方法与应用》旨在为读者提供一个全面且深入的社会网络分析入门指南，覆盖从基础概念到高级模型，再到实际应用的全过程。我们相信，掌握了社会网络分析的方法，不仅能够揭示隐藏在表象之下的结构性洞察，更能指导我们更有效地理解和干预复杂的社会现象。 第一部分：社会网络分析的基础理论与核心概念 本部分将循序渐进地引导读者进入社会网络分析的世界。我们将从最基本的概念讲起，构建起对社会网络的直观认识。 什么是社会网络？ 我们将首先定义“社会网络”这一核心概念，解释其构成要素——“节点”（actors）和“连边”（relations）。节点可以代表个体、组织、国家、设备等任何相互关联的实体；连边则代表它们之间的各种关系，如友谊、合作、竞争、信息流动、权力影响等。我们将强调，社会网络分析关注的不是孤立的节点，而是节点之间的连接模式和这些模式所形成的整体结构。 网络的表示方法： 为了进行定量分析，我们需要将社会网络可视化和数学化。本章将介绍两种主要的网络表示方法： 邻接矩阵（Adjacency Matrix）： 解释如何使用一个矩阵来表示网络中的节点及其之间的连接，包括有向图和无向图的区别，以及加权和非加权网络的表示。 邻接表（Adjacency List）： 介绍另一种更节省空间的表示方法，尤其适用于稀疏网络。 图论基础： 引入图论的基本术语，如顶点（vertex）、边（edge）、路径（path）、连通性（connectivity）、环（cycle）等，为后续的度量和分析打下基础。 网络的类型： 社会网络并非单一形态，根据其性质，我们可以将其划分为多种类型，这会影响我们选择的分析方法。我们将探讨： 二部网络（Bipartite Networks）： 包含两种不同类型的节点，以及只存在于不同类型节点之间的连边，例如，用户和他们喜欢的电影。 多部门网络（Multiplex Networks）： 同一组节点之间存在多种不同类型的关系，例如，一个人之间既是朋友，又是同事。 同质性网络与异质性网络（Homogeneous vs. Heterogeneous Networks）： 区分节点和关系类型是否单一。 有向网络与无向网络（Directed vs. Undirected Networks）： 强调关系的方向性，如“A喜欢B”与“A和B互相喜欢”的区别。 加权网络与非加权网络（Weighted vs. Unweighted Networks）： 考虑关系强度或频率的重要性。 中心性度量（Centrality Measures）： 这是社会网络分析中最核心的概念之一，用于识别网络中的关键节点。我们将详细介绍几种经典的中心性度量： 度中心性（Degree Centrality）： 衡量一个节点与其他节点的连接数量，直观反映节点的活跃程度或直接影响力。我们将区分入度（in-degree）和出度（out-degree）在有向网络中的意义。 接近中心性（Closeness Centrality）： 衡量一个节点到网络中所有其他节点的最短路径长度的总和，反映了节点获取信息或影响他人的效率。 介数中心性（Betweenness Centrality）： 衡量一个节点在网络中作为其他节点之间最短路径上的“桥梁”的频率，揭示了节点的控制力或中介能力。 特征向量中心性（Eigenvector Centrality）与PageRank： 解释这些更复杂的度量，它们不仅考虑连接数量，还考虑了连接节点的“质量”（即连接节点的中心性），这在评估影响力方面尤为重要。 网络结构度量（Network Structure Measures）： 除了节点层面的度量，我们还需要理解网络的整体结构特征。 密度（Density）： 衡量网络中实际存在的连边占可能存在的最大连边数量的比例，反映了网络的紧密程度。 聚类系数（Clustering Coefficient）： 衡量一个节点的朋友（或与其有关系的其他节点）之间相互连接的紧密程度，反映了网络的“小群体”特征。 平均路径长度（Average Path Length）： 衡量网络中任意两个节点之间平均最短路径的长度，反映了信息的传播速度或网络的“可达性”。 社群检测（Community Detection）： 探讨如何识别网络中相对独立的、内部连接紧密、外部连接稀疏的“社群”或“群体”，理解网络的分层结构。我们将介绍一些主流的社群检测算法，如Louvain算法、模块度最大化等。 角色与身份（Roles and Positions）： 除了节点本身的中心性，我们还可以从节点在网络结构中的位置来理解其角色。 结构洞（Structural Holes）： 介绍Robert Burt提出的结构洞理论，强调节点连接不同群体的价值，以及“桥接者”（broker）的作用。 等价性（Equivalence）： 解释如何识别在网络结构中具有相似连接模式的节点，它们可能扮演相似的角色。我们将区分正则等价性（regular equivalence）和自动等价性（automorphic equivalence）。 第二部分：社会网络分析的方法与技术 在掌握了基础概念后，本部分将深入探讨实际操作中的方法和技术。 数据收集与表示： 数据来源： 讨论各种社会网络数据的来源，包括问卷调查、通讯记录（电话、邮件、短信）、社交媒体API、组织内部信息系统、公开数据集等。 数据清洗与预处理： 强调数据质量的重要性，以及在数据输入分析系统前进行清洗、去重、标准化等操作的必要性。 网络数据的格式： 介绍常用的数据格式，如边列表（edge list）、邻接矩阵等，以及如何将其导入社会网络分析软件。 可视化技术： 良好的可视化能够直观地揭示网络结构，帮助理解和沟通分析结果。 布局算法： 介绍不同的图可视化布局算法，如力导向布局（force-directed layout）、圆形布局、层级布局等，以及它们在展现网络特征上的优缺点。 可视化元素的解读： 如何通过节点大小、颜色、连边粗细等视觉元素来编码节点和连边的属性，以及它们在网络中的重要性。 交互式可视化： 探讨如何利用交互式工具进行网络探索，如放大、缩小、筛选、高亮显示等。 核心分析技术： 子图分析（Subgraph Analysis）： 识别和分析网络中的特定子结构，如路径、环、团（clique）等，以发现局部模式。 路径分析（Path Analysis）： 深入研究信息或影响在网络中的传播路径，例如，最短路径、最长路径、可达性分析。 网络嵌入（Network Embedding）： 介绍将网络结构信息转化为低维向量表示的技术，这为将图数据应用于机器学习模型奠定了基础。 动态网络分析（Dynamic Network Analysis）： 探讨如何分析随时间演化的网络，例如，节点加入或离开、关系建立或断裂等，理解网络的动态过程。 多层网络分析（Multilayer Network Analysis）： 针对具有多重关系的网络，研究不同层级关系如何相互影响。 统计模型与推断： 随机图模型（Random Graph Models）： 如Erdos-Renyi模型，作为比较基准，理解现实网络的偏离。 指数随机图模型（Exponential Random Graph Models, ERGM）： 介绍ERGM，一种强大的模型，用于解释网络结构是如何由节点属性和网络过程（如趋同、互惠）产生的，可以检验假设和进行模拟。 统计推断与假设检验： 如何对网络度量和模型参数进行统计推断，以评估观察到的网络特征是否具有统计显著性。 社会网络分析软件介绍： 主流软件概览： 简要介绍几种常用的社会网络分析软件，如Gephi（可视化和交互式分析）、Pajek（大规模网络分析）、UCINET（综合分析工具）、R中的igraph和network包（编程实现）。 软件应用示例： 以一个或两个软件为例，演示如何导入数据、执行基本分析、生成可视化。 第三部分：社会网络分析的应用领域 本部分将展示社会网络分析在各个领域的广泛应用，使读者能够看到理论与实践的结合。 组织管理与人力资源： 组织效率提升： 分析组织内部的沟通网络，识别信息孤岛和瓶颈，优化团队协作和知识共享。 领导力识别： 通过中心性度量识别网络中的潜在领导者和关键影响者。 员工关系管理： 理解员工之间的关系网络，预测团队稳定性和流失风险。 创新与知识传播： 分析创新网络，发现知识传播的关键路径和瓶颈。 市场营销与客户关系： 消费者行为分析： 识别产品在社交网络中的传播路径，分析口碑营销效果。 客户细分与精准营销： 利用社群检测识别具有相似偏好的客户群体，进行个性化营销。 产品推广策略： 识别网络中的意见领袖（influencers），进行产品代言和推广。 市场趋势预测： 通过分析网络数据的变化，预测市场需求和产品流行趋势。 公共卫生与流行病学： 疾病传播模型： 利用网络模型模拟疾病在人群中的传播路径和速度，指导干预措施。 健康行为干预： 识别社区内的社会网络结构，针对性地开展健康教育和行为干预。 医疗资源分配： 分析医疗服务网络，优化资源配置，提高服务效率。 政治科学与国际关系： 政治联盟与游说： 分析政治派别之间的关系网络，理解联盟形成和瓦解的机制。 舆论形成与传播： 研究社交媒体上的信息传播网络，分析政治舆论的形成过程。 国际合作与冲突： 分析国家之间的外交关系网络，理解国际合作的驱动因素和冲突的根源。 社会学与社区研究： 社会资本研究： 量化个体或群体所拥有的社会资本，分析其对社会地位、资源获取和幸福感的影响。 群体动力学： 分析群体内部的互动模式，理解群体凝聚力、冲突和决策过程。 社会不平等分析： 揭示社会网络结构如何影响资源分配和机会获取，加剧或缓解社会不平等。 互联网与信息科学： 社交媒体分析： 分析用户互动、信息茧房、虚假信息传播等现象。 推荐系统： 利用网络结构信息构建更精准的推荐算法。 网络安全： 分析网络攻击的传播模式，识别恶意节点和攻击路径。 结论 《社会网络分析：方法与应用》并非一本纯粹的理论书籍，它更注重将严谨的理论方法与鲜活的现实应用相结合。我们希望通过本书，读者能够： 1. 建立扎实的理论基础： 理解社会网络的构成要素、度量方法以及核心分析概念。 2. 掌握实用的分析技术： 能够运用数据收集、可视化和统计模型等工具对网络数据进行分析。 3. 拓展应用视野： 认识到社会网络分析在理解和解决现实世界各种复杂问题中的巨大潜力。 社会网络分析的魅力在于其普适性，它能够以一种统一的视角审视和分析不同领域中看似毫不相关的现象。无论您是学生、研究人员，还是在商业、政府、非营利组织等领域工作的专业人士，掌握社会网络分析的方法，都将为您打开一扇洞察复杂世界的新视角，并为您提供解决实际问题的有力工具。我们期待本书能成为您在社会网络分析领域探索的起点和宝贵的参考。

评分☆☆☆☆☆

这本书简直打开了我认识世界的新视角！我一直对人类社会中的互动模式感到好奇，但总觉得那些零散的观察缺乏系统性的解释。这本书恰好填补了这个空白。它不是那种枯燥乏味的理论堆砌，而是用生动形象的案例，将抽象的社会网络分析方法具体化。比如，书中关于“弱连接”在信息传播中的重要性，让我茅塞顿开，以前觉得认识很多人不如认识几个核心人物有用，现在才明白，那些不常联系的朋友，有时反而是获取新知识、新机会的关键渠道。书中关于社区发现、影响力评估等章节，也提供了非常有力的工具，让我能够更深入地理解我所在的社交圈、工作团队甚至更广泛的社会群体是如何形成的，又在如何运作的。我甚至开始尝试用书中的一些基本概念来分析我自己的社交媒体好友关系，虽然只是初步尝试，但已经能感受到其中的奥妙。对于任何对社会运作、人际关系、信息传播等领域感兴趣的读者来说，这本书都是一个绝佳的起点，它能让你从一个全新的维度去审视周遭的一切，并从中获得深刻的洞见。

评分☆☆☆☆☆

这本书的深度和广度都让我印象深刻。它不仅仅停留在理论层面，而是通过大量精心挑选的案例，将社会网络分析的方法与现实世界的问题紧密联系起来。我特别欣赏作者在处理复杂概念时的清晰度，即使是像“桥接”或“三元闭包”这样听起来有些陌生的术语，在书中的讲解下也变得易于理解。书中对于不同应用场景的深入探讨，从经济学到政治学，再到社会学，展现了社会网络分析的普适性和强大生命力。我看到了如何用它来分析金融市场的风险传导，如何理解政治派别的形成与瓦解，甚至是如何优化城市交通网络的布局。这让我意识到，原来那些看似无形的社会纽带，竟然蕴含着如此强大的力量，并且可以通过量化的方法去理解和利用。这本书给我带来的不仅仅是知识的增长，更是一种思维方式的转变，让我开始用更系统、更宏观的视角去观察和分析问题。

评分☆☆☆☆☆

这本书的阅读体验非常独特，它就像一位经验丰富的向导，带领我深入探索社会网络分析的奇妙世界。作者在内容组织上非常巧妙，既有理论的深度，又不失实践的指导性。我特别喜欢书中关于“网络结构与个体行为”之间关系的讨论，它揭示了我们在网络中所处的位置，如何深刻地影响着我们的信息获取、决策过程乃至最终的行为模式。书中对“社群发现算法”的介绍，虽然涉及一定的技术细节，但作者用通俗易懂的语言加以阐释，让我即使没有深厚的技术背景，也能领略到其中的精妙之处。我甚至开始尝试在自己的工作项目中，思考如何运用这些分析方法来优化团队协作，提高信息流通效率。这本书给我带来的，不仅仅是理论知识，更是一种解决问题的全新思路和强大的工具箱，让我对未来的学习和工作充满了期待。

评分☆☆☆☆☆

读完这本书，我感觉自己好像获得了一双“透视眼”，能够看到隐藏在表面行为之下的复杂关系网络。作者在介绍各种分析工具时，并没有回避它们的数学原理，但处理得非常恰当，更多的是侧重于它们的直观意义和实际应用。我尤其喜欢书中关于“中心性”概念的讲解，它不仅仅是简单的度数高低，而是揭示了在不同网络结构下，谁真正掌握着信息流动的咽喉，谁又是被动的信息接收者。这让我对很多社会现象有了更深刻的理解，比如为什么某些信息传播得特别快，为什么某些人总能成为话题的中心。书中关于“社群检测”的算法介绍，更是让我惊叹于计算机如何在海量数据中识别出有意义的组织结构。这对于理解群体动力学、预测社会趋势，甚至是制定有效的市场营销策略，都具有极大的参考价值。这本书不是那种读完就丢的书，它更像一本操作手册，为我提供了一套系统的方法论，让我可以在未来的学习和工作中，不断地去探索和实践。

评分☆☆☆☆☆

作为一名对量化研究方法有一定了解但又对社会科学的细微之处充满好奇的读者，这本书给了我极大的启发。它并没有预设读者一定是统计学专家，而是循序渐进地引导读者理解社会网络分析的核心思想和技术。我特别赞赏书中对各种指标的解释，比如“凝聚系数”是如何衡量一个社群的紧密程度，“影响力”又是如何通过网络结构来定义的。这些指标的引入，让原本模糊的社会现象变得可以被测量和分析。书中对“社群演化”的探讨，更是让我看到了动态的网络分析的魅力，如何捕捉一个社群是如何随着时间而改变的。这对于理解社会变迁、群体行为的动态过程，有着非凡的价值。这本书不仅是一本教科书，更像是一次思维的探险，它鼓励读者去质疑、去探索、去构建属于自己的社会网络模型。

评分☆☆☆☆☆

貌似很牛的一本书 还在看

评分☆☆☆☆☆

很好

评分☆☆☆☆☆

不错的一本参考书，对工作有很大帮助

评分☆☆☆☆☆

学习社会网络分析的书籍，内容还可以。

评分☆☆☆☆☆

貌似很牛的一本书 还在看

评分☆☆☆☆☆

东西很好，快递送货很快，很满意。

评分☆☆☆☆☆

东西很好，快递送货很快，很满意。

评分☆☆☆☆☆

此用户未填写评价内容

评分☆☆☆☆☆

经典的书籍，对于网络治理的研究有帮助，需要好好阅读