社會網路分析法的原始數據形式是什麼樣的

① 什麼是社會網路分析法

社會網路分析方法是由社會學家根據數學方法、圖論等發展起來的定量分析方法。

社會網路分析是對社會網路的關系結構以及屬性加以分析的一套規范和方法。它又被稱為結構分析法（structural analysis）

社會網路分析不僅是對關系和結構加以分析的技術，還是一種理論方法--結構思想。

社會網路分析是社會學領域比較成熟的分析方法，該方法可以解決一些社會學的問題。

社會網路要素：

①行動者，在社會網路中用節點表示；

②關系，在社會網路中用劍線表示，關系的內容可能是友誼、借貸或是溝通，其關系可以是單向或雙方，且存在關系強度的差異，關系不同即構成不同的網路

社會網路分析的原理：

1. 關系紐帶經常是不對稱地相互作用著的，在內容和強度上都有所不同

2. 關系紐帶間接或直接地把網路成員連接在一起；故必須在更大的網路結構背景中進行分析

3. 社會紐帶結構產生了非隨機的網路，因而形成了網路群(network clusters)、網路界限和交叉關聯

4. 交叉關聯把網路群以及個體聯系在一起

5. 不對稱的紐帶和復雜網路使稀缺資源的分配不平等

6. 網路產生了以獲取稀缺資源為目的的合作和競爭行為

社會網路分析方法--數學表達式：

①圖論法和矩陣法，這是社會網路分析最基本的方法

②二方關系圖和三方關系圖

③圖的矩陣表達

④反應行動者的關系圖。通過網路密度、結點度、割點、橋等指標進行具體測量距離，行動者之間的距離越小，意味著他們之間的聯系越密切，交流互動越充分。由此可以了解一個網路中行動者之間的分化與差異

② 社會網路分析方法

社會網路分析方法是由社會學家根據數學方法﹑圖論等發展起來的定量分析方法，近年來，該方法在職業流動、城市化對個體幸福的影響和經濟體系、國際貿易等領域廣泛應用，並發揮了重要作用。

社會網路分析是社會學領域比較成熟的分析方法，社會學家們利用它可以比較得心應手地來解釋一些社會學問題。許多學科的專家如經濟學、管理學等領域的學者們在新經濟時代——知識經濟時代，面臨許多挑戰時，開始考慮借鑒其他學科的研究方法，社會網路分析就是其中的一種。

網路指的是各種關聯，而社會網路即可簡單地稱為社會關系所構成的結構。社會網路分析問題起源於物理學中的適應性網路，通過研究網路關系，有助於把個體間關系、「微觀」網路與大規模的社會系統的「宏觀」結構結合起來，通過數學方法﹑圖論等定量分析方法，是20世紀70年代以來在社會學、心理學、人類學、數學、通信科學等領域逐步發展起來的一個的研究分支。

所以，從社會網路的角度出發，人在社會環境中的相互作用可以表達為基於關系的一種模式或規則，而基於這種關系的有規律模式反映了社會結構，這種結構的量化分析是社會網路分析的出發點。

社會網路分析不僅僅是一種工具，更是一種關系論的思維方式。可以利用來解釋一些社會學、經濟學、管理學等領域問題。

③ 怎麼解釋社會網路的概念

社會網路（socialnetwork）是一種基於「網路」（節點之間的相互連接）而非「群體」（明確的邊界和秩序）的社會組織形式，也是西方社會學從1960年代興起的一種分析視角。隨著工業化、城市化的進行和新的通訊技術的興起，社會呈現越來越網路化的趨勢，發生「社會網路革命」（socialnetworkrevolution），與移動革命（mobilerevolution）、互聯網革命（internetrevolution）並列為新時期影響人類社會的三大革命. 社會網路是指社會個體成員之間因為互動而形成的相對穩定的關系體系，社會網路關注的是人們之間的互動和聯系, 社會互動會影響人們的社會行為。社會網路是由許多 節點構成的一種社會結構，節點通常是指個人或組織，社會網路代表各種 社會關系，經由這些社會關系，把從偶然相識的泛泛之交到緊密結合的家庭關系的各種人們或組織串連起來。社會關系包括朋友關系、同學關系、生意夥伴關系、種族信仰關系等。社會網路作為一種社會學視角發端於德國社會學家齊美爾（Georg Simmel, 1858-1918），並在 1960 年代隨著冷戰的開始和西方普遍出現的社會動亂開始在西方廣為發展。社會網路分析不把人看作是由個體規范或者獨立群體的共同活動所驅動，相反它關注人們的聯系如何影響他們行動中的可能性和限制。一個多世紀以來，社會科學家都在使用「社會網路」這一隱喻表示不同尺度上的各種復雜社會關系。

④ 數據分析方法五種的介紹

《數據分析方法五種》是2011年格致出版社出版的圖書，作者是尤恩·蘇爾李。該書從基平設計的分析入手，介紹了分析復雜調查數據的傳統方法，闡述了如何處理社會科學研究中的缺失數據。同時對跨學科的社會網路分析法進行了說明，並詳細介紹了因子分析法。最後，從基於模型的角度，以舉例的形式詳細解釋了基於行動者的模型的基本原理，討論了相關軟體的使用，填補了該領域的空白。

⑤ 社會網路分析的內容簡介

本書的內容結構是，除前言外共分為八章，分別介紹社會網路分析的基本原理和理論、社會網路資料類型和收集方法、網路分析的各種技術與方法、社會網路分析的應用等內容。
第一章
首先追溯了西方社會網路分析的思想淵源，對國內外的研究狀況做了系統回顧，介紹了社會網路分析的一些新進展。社會網路分析有不同的學科發展背景，其發展也經歷了不同的階段。我們通過回顧社會網路分析思想與方法在西方的發展，梳理出其中的主要線索和問題，並結合國內的研究狀況進行探討，目的在於強調更好地借鑒已有的成果，加強對社會網路分析的認識和應用。
第二章
系統說明了社會網路分析的基本原理。社會網路分析作為一種獨立的社會研究方法，已形成了自己的理論基礎和方法論原則。通過這些方面我們可以認識社會網路分析方法的特徵及其獨特之處。在本章中我們在說明社會網路分析概念的基礎上，具體介紹了社會網路分析的方法論原理和研究程序。
第三章
主要說明社會網路分析所用的數據資料具有自己的類型與特徵，它是一組反映行動者關系的信息。社會網路資料首先是關於社會關系的數據信息，簡稱關系數據。關系數據不同於屬性數據，不僅其本質內容不同，其表達形式也不同。本章在介紹了社會網路資料的概念和類型基礎上，結合研究設計具體說明了社會網路的測量及其收集方法。
第四章
主要介紹社會網路分析的研究技術與方法。社會網路最基本的數學表達形式是圖論法和矩陣法。圖論法是以線和點的形式來表示行動者及其關系的一種方法。用社群圖可表示社會關系的結構、特徵等屬性。矩陣法是把社會網路中的每一個結點或關系分別按行和列的方式排列即可形成網路矩陣，包括鄰接矩陣、關聯矩陣等。矩陣法可以對群體關系進行具體分析。
第五章
是關於社會網路的中心度分析。中心度是我們認識社會網路中行動者位置及其關系的重要概念，具有廣泛的應用性。本章首先介紹了中心度、中心勢概念，重點說明了結點中心度、緊密中心度、間距中心度及其測量方法。最後又對社會網路中與等級密切相關的權力和聲望作了分析。網路中的聲望不同於一般意義的社會聲望概念，這里主要說明了接近度聲望概念及其測量。
第六章
是關於社會網路分析中的子群研究。構成社會網路的基本元素就是行動者及其群體，社會中存在著各種各樣的子群，它們相互結合形成了復雜的社會結構。本章首先從社會群體、子群概念出發，說明各種團聚性的子群及其測量方法，包括「團伙」、n-團伙、n-宗派、k-叢等，最後分析隸屬性群體。
第七章
是關於網路中的位置和角色的分析。在社會結構分析中，位置和角色是兩個重要的概念。本章在簡要介紹了網路分析的位置和角色概念之後，主要說明了結構等價性、自同構等價性和正則等價性及其不同的測量方法，最後一節簡要介紹了關系代數法和統計模型法。位置和角色分析是目前社會網路分析中數量化分析程度最高的方面，已應用和發展出了許多不同的數學分析方法。本章結合例子簡要介紹了聚類法、統計模型法等。這些分析方法現在都可藉助於有關的分析軟體來應用。
第八章
討論了社會網路分析的一些應用。社會網路分析具有非常廣泛的應用，其應用領域已遠遠超出了社會學和人類學的傳統范圍，如小群體關系、社會支持網等，而且擴展到了人文社會科學甚至工程技術科學的諸多領域。但本書只是簡要分析了與社會網路分析密切相關的社會資本研究以及體現中國社會結構特徵的「關系」研究。
本書最後在附錄中介紹了社會網路分析軟體包的應用，重點說明了Pajek 的內容及使用方法。附錄中還附有兩個不同的各具代表性的《社會網路分析》教學大綱，供讀者參考比較。

⑥ 什麼是社會網路

社會網路（socialnetwork）是一種基於「網路」（節點之間的相互連接）而非「群體」（明確的邊界和秩序）的社會組織形式，也是西方社會學從1960年代興起的一種分析視角。隨著工業化、城市化的進行和新的通訊技術的興起，社會呈現越來越網路化的趨勢，發生「社會網路革命」（socialnetworkrevolution），與移動革命（mobilerevolution）、互聯網革命（internetrevolution）並列為新時期影響人類社會的三大革命.
社會網路是指社會個體成員之間因為互動而形成的相對穩定的關系體系，社會網路關注的是人們之間的互動和聯系,社會互動會影響人們的社會行為。
社會網路是由許多節點構成的一種社會結構，節點通常是指個人或組織，社會網路代表各種社會關系，經由這些社會關系，把從偶然相識的泛泛之交到緊密結合的家庭關系的各種人們或組織串連起來。社會關系包括朋友關系、同學關系、生意夥伴關系、種族信仰關系等。
社會網路分析是社會科學領域的叫法。類似的東西在物理和計算機領域叫復雜網路。在數學領域叫做圖論。也有一些學者叫網路科學。基本的東西都類似，但關注的點不同。就和一個男人有時是爸爸，有時是兒子，有時是孫子。
最早的溯源可以歸到哥尼斯堡七橋問題。莫雷諾在上世紀初開始將可視化和類似的網路分析技術應用在分析社會現象上，比如女生的午餐關系。之後生物領域和社會領域分別獨立發展出比較完善的分析技術。集大成者是Harvard的HarrisonWhite，許多之後著名的學者都是他的徒子徒孫。
很難說SocialNetworkAnalysis是一門特定的學科。更多的應用是作為一種研究方法，有時候也會作為一種研究視角（perspective）。當然，也產生了一些中層的理論（theory），比較常見的是Granovetter的弱聯系理論，Burt的結構洞理論，Watts的小世界模型，Barabasi的PowerLaw。
之前的社會科學往往關注個體（或者行動者，如企業、個人）的特性，而忽略個體之間的關系。而社會網路的研究正是研究關系的方法、視角。最大的特徵在於考慮了個體之間的互相依賴，更接近於現實社會。將這些關系用如題頭所示的圖片展示出來，可以直觀的看到各個行動者在網路中的位置和網路整體結構。

⑦ 社會網路分析法的介紹

《社會網路分析法》是2007年重慶大學出版社出版的圖書，作者是斯科特。社會是一個內由容多種多樣的關系構成的巨大網路。如何研究關系？視角當然多種多樣，既可以像林語堂的小說中描述的那樣對關系進行細致的刻畫，又可以像黃光國等社會心理學家那樣對人情、面子和關系網進行質的描述，更可以用社會網路分析法對關系進行量化的表徵，從而揭示關系的結構，解釋一定的社會現象。社會網路分析的意義在於，它可以對各種關系進行精確的量化分析，從而為某種中層理論的構建和實證命題的檢驗提供量化的工具，甚至可以建立「宏觀和微觀」之間的橋梁。本書就像一本手冊，引導讀者進入社會網路分析的研究領域。它既適用於社會網路分析的初學者，也適用於對社會網路分析有所了解的人士。

⑧ 如何統計和分析利用網路大數據

如何統計和分析利用網路大數據?
大數據給互聯網帶來的是空前的信息大爆炸，它不僅改變了互聯網的數據應用模式，還將深深影響著人們的生產生活。深處在大數據時代中，人們認識到大數據已經將數據分析的認識從「向後分析」變成「向前分析」，改變了人們的思維模式，但同時大數據也向我們提出了數據採集、分析和使用等難題。在解決了這些難題的同時，也意味著大數據開始向縱深方向發展。
一、數據統計分析的內涵
近年來，包括互聯網、物聯網、雲計算等信息技術在內的IT通信業迅速發展，數據的快速增長成了許多行業共同面對的嚴峻挑戰和寶貴機遇，因此現代信息社會已經進入了大數據時代。事實上，大數據改變的不只是人們的日常生活和工作模式、企業運作和經營模式，甚至還引起科學研究模式的根本性改變。一般意義上，大數據是指無法在一定時間內用常規機器和軟硬體工具對其進行感知、獲取、管理、處理和服務的數據集合。網路大數據是指「人、機、物」三元世界在網路空間中彼此交互與融合所產生並在互聯網上可獲得的大數據。
將數據應用到生活生產中，可以有效地幫助人們或企業對信息作出比較准確的判斷，以便採取適當行動。數據分析是組織有目的地收集數據、分析數據，並使之成為信息的過程。也就是指個人或者企業為了解決生活生產中的決策或者營銷等問題，運用分析方法對數據進行處理的過程。所謂的數據統計分析，就是運用統計學的方法對數據進行處理。在以往的市場調研工作中，數據統計分析能夠幫助我們挖掘出數據中隱藏的信息，但是這種數據的分析是「向後分析」，分析的是已經發生過的事情。而在大數據中，數據的統計分析是「向前分析」，它具有預見性。
二、大數據的分析
1.可視化分析。
數據是結構化的，包括原始數據中的關系資料庫，其數據就是半結構化的，譬如我們熟知的文本、圖形、圖像數據，同時也包括了網路的不同構型的數據。通過對各種數據的分析，就可以清晰的發現不同類型的知識結構和內容，包括反映表徵的、帶有普遍性的廣義型知識;用於反映數據的匯聚模式或根據對象的屬性區分其所屬類別的特徵型知識;差異和極端特例進行描述的差異型知識;反映一個事件和其他事件之間依賴或關聯的關聯型知識;根據當前歷史和當前數據預測未來數據的預測型知識。當前已經出現了許多知識發現的新技術，其中之一就是可視化方法。數據可視化技術有3個鮮明的特點：第一，與用戶的交互性強。用戶不再是信息傳播中的受者，還可以方便地以交互的方式管理和開發數據。第二，數據顯示的多維性。在可視化的分析下，數據將每一維的值分類、排序、組合和顯示，這樣就可以看到表示對象或事件的數據的多個屬性或變數。第三，最直觀的可視性特點。數據可以用圖像、曲線、二維圖形、三維體和動畫來顯示,並可對其模式和相互關系進行可視化分析。
2.數據挖掘演算法。
數據挖掘是指資料庫中的知識發現，其歷史可以追溯到1989年美國底特律市召開的第一屆KDD國際學術會議上，而第一屆知識發現和數據挖掘(DataMining，DM)國際學術會議是1995年加拿大召開的，會議上將資料庫里存放的數據生動地比擬成礦床，從而「數據挖掘」這個名詞很快就流傳開來。數據挖掘的目的是在雜亂無章的資料庫中，從大量數據中找到有用的、合適的數據，並將其隱含的、不為人知的潛在價值的信息揭示出來的過程。事實上，數據挖掘只是整個KDD過程中的一個步驟。
數據挖掘的定義沒有統一的說法，其中「數據挖掘是一個從不完整的、不明確的、大量的並且包含雜訊的具有很大隨機性的實際應用數據中，提取出隱含其中、事先未被人們獲知、卻潛在有用的知識或模式的過程」是被廣泛接受的定義。事實上，該定義中所包含的信息——大量真實的數據源包含著雜訊;滿足用戶的需求的新知識;被理解接受的而且有效運用的知識;挖掘出的知識並不要求適用於所有領域，可以僅支持某個特定的應用發現問題。以上這些特點都表現了它對數據處理的作用，在有效處理海量且無序的數據時，還能夠發現隱藏在這些數據中的有用的知識，最終為決策服務。從技術這個角度來說，數據挖掘就是利用一系列相關演算法和技術從大量的數據中提取出為人們所需要的信息和知識，隱藏在數據背後的知識，可以以概念、模式、規律和規則等形式呈現出來。
3.預測性分析能力。
預測性分析可以讓分析員根據可視化分析和數據挖掘的結果做出一些預測性的判斷。大數據分析最終要實現的應用領域之一就是預測性分析，可視化分析和數據挖掘都是前期鋪墊工作，只要在大數據中挖掘出信息的特點與聯系，就可以建立科學的數據模型，通過模型帶入新的數據，從而預測未來的數據。作為數據挖掘的一個子集，內存計算效率驅動預測分析，帶來實時分析和洞察力，使實時事務數據流得到更快速的處理。實時事務的數據處理模式能夠加強企業對信息的監控，也便於企業的業務管理和信息更新流通。此外，大數據的預測分析能力，能夠幫助企業分析未來的數據信息，有效規避風險。在通過大數據的預測性分析之後，無論是個人還是企業，都可以比之前更好地理解和管理大數據。
盡管當前大數據的發展趨勢良好，但網路大數據對於存儲系統、傳輸系統和計算系統都提出了很多苛刻的要求，現有的數據中心技術很難滿足網路大數據的需求。因此，科學技術的進步與發展對大數據的支持起著重要的作用，大數據的革命需要考慮對IT行業進行革命性的重構。網路大數據平台(包括計算平台、傳輸平台、存儲平台等)是網路大數據技術鏈條中的瓶頸，特別是網路大數據的高速傳輸，需要革命性的新技術。此外，既然在大數據時代，任何數據都是有價值的，那麼這些有價值的數據就成為了賣點，導致爭奪和侵害的發生。事實上，只要有數據，就必然存在安全與隱私的問題。隨著大數據時代的到來，網路數據的增多，使得個人數據面臨著重大的風險和威脅，因此，網路需要制定更多合理的規定以保證網路環境的安全。

⑨ 數據分析方法5種的內容簡介

統計方法與應用問題》以及《基於行動者的模型》。《數據分析方法5種》主要介紹社會學研究方法之一，即數據分析方法。該書涵蓋的是社會科學中技術性非常強的內容，前四種小冊子從基於設計的分析入手，介紹了分析復雜調查數據的傳統方法，闡述了如何處理社會科學研究中的缺失數據，同時對跨學科的社會網路分析法進行了說明，並詳細介紹了因子分析法。最後，從基於模型的角度，以舉例的形式詳細解釋了基於行動者的模型的基本原理，討論了相關軟體的使用，填補了該領域的空白。