2025年大學《應用統計學》專業題庫- 統計學在社會網絡分析中的應用

2025年大學《應用統計學》專業題庫——統計學在社會網絡分析中的應用考試時間：______分鐘總分：______分姓名：______一、簡述社會網絡分析中，度中心性、中介中心性和緊密度中心性的定義及其主要應用場景。二、解釋網絡密度和平均路徑長度的概念，并說明它們如何反映社會網絡的某些特征。三、在社會網絡分析中，為何需要使用隨機圖模型（如ER模型或WS模型）？請簡述這些模型的基本假設，并說明它們各自適用于什么樣的網絡結構。四、某研究旨在探究個人社會資本（用網絡規模衡量）與其收入水平之間的關系。研究者收集了100名受訪者的數據，并記錄了他們的月收入（單位：元）以及他們在社交網絡中的聯系人數（即網絡規模）。研究者選擇了簡單線性回歸模型來分析這兩個變量之間的關系。請指出在此分析中可能存在的潛在問題，并簡要說明。五、節點屬性（如年齡、性別、教育水平）與社會網絡位置之間可能存在怎樣的關系？請舉例說明，并思考可以使用哪些統計方法來初步探究這種關系。六、假設你正在研究一個線上社區的網絡結構，目的是識別其中的關鍵用戶（高中心性節點）和用戶群體（社群）。請分別說明在這種情況下，你可以運用哪些統計指標或方法來識別關鍵用戶，以及如何劃分用戶社群，并簡述選擇這些方法或指標的依據。七、在進行社會網絡分析時，選擇合適的統計方法至關重要。請比較并說明在分析網絡數據的整體結構特征（如是否小世界性、是否存在無標度性）時，與分析特定節點或社群的屬性時，所應考慮的統計方法有何不同？請各舉例說明一種可能的方法。試卷答案一、*度中心性：定義是指一個節點連接邊的數量。它衡量的是節點在網絡中的連接廣度。應用場景：識別社會網絡中的核心人物（如社交圈中的人緣好者）、信息傳播的關鍵節點、組織中的關鍵聯系人等。*中介中心性：定義是指一個節點出現在其他節點對之間最短路徑上的頻率。它衡量的是節點在網絡中的“控制”能力或“橋梁”作用。應用場景：識別網絡中的“瓶頸”節點（移除后會影響網絡連通性）、信息或資源流動的關鍵中轉站、潛在的沖突制造者或調解者等。*緊密度中心性：定義是指一個節點與其網絡中其他所有節點的平均距離的倒數（或相關度量）。它衡量的是節點到網絡其他成員的平均接近程度。應用場景：反映一個小群體內部聯系的緊密程度，識別緊密聯系的群體或關系緊密的個體。二、*網絡密度：定義是指一個網絡中實際存在的連接數與可能存在的最大連接數之比。它衡量的是網絡中連接的密集程度。網絡密度高意味著節點之間聯系頻繁，信息傳播可能更快但選擇可能更少；網絡密度低則相反。它反映了社會關系的疏密程度。*平均路徑長度：定義是指網絡中所有節點對之間最短路徑的平均值。它衡量的是網絡中節點之間平均需要經過多少跳才能相互到達。平均路徑長度短意味著網絡中信息或影響的傳播速度快，網絡趨于“小世界”；平均路徑長度長則相反。它反映了網絡的整體連通性和信息傳播效率。三、*使用原因：隨機圖模型提供了簡單、可操作的框架來生成和分析網絡結構，它們基于概率規則模擬了網絡形成的某些基本機制，有助于理解現實世界網絡中觀察到的某些統計特征（如度分布的規律性）。*ER模型（隨機圖模型）：基本假設是網絡中任意兩個節點之間是否存在連接是完全獨立的，且概率相同。適用于模擬節點之間連接機會均等、隨機形成的關系網絡，常用于檢驗網絡是否偏離隨機性（如是否存在度分布的顯著偏離）。*WS模型（小世界模型）：基本假設是網絡由一個初始的緊密連接的環（規則部分）構成，隨后節點以一定概率與其環上的k個近鄰之外隨機連接（隨機部分）。適用于模擬從規則結構快速轉變為小世界特性的網絡，解釋了為什么現實網絡通常具有較短的平均路徑長度和較高的聚類系數。四、*潛在問題：1.線性假設：簡單線性回歸假設因變量（收入）與自變量（網絡規模）之間存在線性關系。然而，社會資本對收入的影響可能并非線性（例如，邊際效應遞減或存在閾值效應），線性模型可能無法捕捉這種復雜關系。2.遺漏變量偏誤：影響收入的因素眾多（如教育、能力、行業、機遇等），而網絡規模只是其中一個可能因素。如果模型中遺漏了這些重要變量，估計出的網絡規模對收入的影響可能包含其他變量的效應，導致結果有偏。3.因果關系混淆：模型只能揭示變量間的相關關系，不能確定因果關系。可能是收入高的人更有能力建立更大的社交網絡，而不是網絡規模直接導致收入增加。4.測量問題：網絡規模（如聯系人數量）和社會資本是復雜概念，其測量方式（如線上聯系人數是否能代表實際社會資本）可能存在偏差。五、*可能關系：節點屬性與其在網絡中的位置（如中心性、社群歸屬）之間可能存在正相關、負相關或無相關關系。*正相關示例：在某些組織中，教育水平較高的人可能更容易接觸到關鍵信息，從而擁有更大的網絡規模和更高的中心性。*負相關示例：在某些封閉社群中，新加入的、屬性（如觀點）與群體差異較大的人，可能被排斥，導致其網絡規模較小、中心性較低。*可使用方法：1.描述性統計：計算不同屬性組（如不同教育水平組）的中央趨勢（均值、中位數）和離散程度（方差、標準差）指標（如平均中心性、網絡規模），直觀比較差異。2.相關性分析：計算節點屬性（如教育水平得分）與網絡指標（如中心性得分、網絡規模）之間的相關系數（如皮爾遜相關系數、斯皮爾曼秩相關系數），量化關系方向和強度。3.回歸分析：使用線性回歸（如果屬性是連續的）或邏輯回歸（如果屬性是分類的，如是否為管理者），將網絡指標作為因變量，節點屬性作為自變量，控制其他潛在混淆因素，以評估屬性對網絡位置的凈影響。六、*識別關鍵用戶：*統計指標：度中心性（識別連接數最多的節點）、中介中心性（識別位于多條最短路徑上的節點）、緊密度中心性（識別與其鄰居平均距離最小的節點）。可以計算并排序這些指標，選取得分高的節點。*方法：可以使用軟件計算這些中心性指標并進行可視化（如網絡圖突出顯示高中心性節點）。*劃分用戶社群：*統計/方法：譜聚類（基于節點鄰接矩陣的特征值）、模塊度最大化算法（如Louvain算法）、層次聚類等。這些方法通過測量節點之間的相似性或分離社群的“質量”，將網絡劃分為若干個內部連接緊密、外部連接稀疏的社群。*依據：選擇依據在于數據的特性（如社群規模、密度）和研究目的（如是尋找小團體還是大型核心群體）。可以計算社群劃分結果的統計指標（如模塊度）來評估劃分質量。*綜合說明：可以先通過中心性指標識別出網絡中的突出個體，再通過社群劃分方法了解這些關鍵用戶屬于哪些不同的群體，或者哪些群體內部存在關鍵用戶。七、*分析整體結構特征：*統計指標/方法：網絡密度、平均路徑長度、聚類系數、度分布（可繪制度分布圖，如對數正態分布檢驗無標度性）、特征路徑長度、集群系數、隨機性檢驗（如與ER模型比較）。*不同點：重點在于描述和檢驗網絡的整體宏觀拓撲屬性，如連通性、聚集性、小世界性、無標度性等。方法通常涉及對整個網絡或大量節點進行匯總統計，并與隨機模型或理論值進行比較。*分析特定節點或社群屬性：*統計指標/方法：節點中心性（度、中介、緊密度等）、社群歸屬度（如節