【正文】 六、社會(huì)網(wǎng)絡(luò)分析常用軟件： UCINET 軟件菜單概覽 退出 UCINET軟件 建立矩陣數(shù)據(jù)表 從數(shù)據(jù)表中引入文本數(shù)據(jù) 顯示 UCINET數(shù)據(jù) 用數(shù)據(jù)表創(chuàng)建和編輯文本文件 用 Netdraw軟件作圖 主菜單 六、社會(huì)網(wǎng)絡(luò)分析常用軟件： UCINET 用社群圖（ Sociogram）展現(xiàn)關(guān)系數(shù)據(jù) 方法： 一般使用 UCINET內(nèi)置的 NetDraw程序畫圖并進(jìn)行編輯?？赏ㄟ^ UCINET界面快捷方式、菜單命令或者程序管理器運(yùn)行。 六、社會(huì)網(wǎng)絡(luò)分析常用軟件： UCINET 計(jì)算個(gè)體網(wǎng)中點(diǎn)的度數(shù)中心度 個(gè)體網(wǎng)中點(diǎn)的度數(shù)中心度：計(jì)算舉例 Diagonal valid? NO Model: SYMMETRIC Input dataset: H:\teach\sna\data\周劉關(guān)張 1 2 3 Degree NrmDegree Share 1 zhou 2 liu 3 guan 4 zhang Network Centralization = % Heterogeneity = %. Normalized = % Actorbycentrality matrix saved as dataset FreemanDegree 六、社會(huì)網(wǎng)絡(luò)分析常用軟件： UCINET 點(diǎn)的屬性層次的假設(shè)檢驗(yàn) 之 t檢驗(yàn) 例如：理論分析假設(shè)政府組織比非政府組織更加傾向于分享信息，則可以通過比較兩類組織的“平均點(diǎn)出度”來檢驗(yàn)該假設(shè)。 1 2 Group 1 Group 2 1 Mean 2 Std Dev 3 Sum 4 Variance 5 SSQ 6 MCSSQ 7 Euc Norm 8 Minimum 9 Maximum 10 N of Obs SIGNIFICANCE TESTS Difference ...OneTailed Tests... TwoTailed in Means Group 1 2 Group 2 1 Test ============== ============== ============== 雖然政府組織在信息點(diǎn)出度上比非政府組織高 ，似乎證明研究假設(shè)成立，但接受該結(jié)果所犯錯(cuò)誤的概率為，大于常用小概率 ，因此認(rèn)為，兩類組織在信息分享上無差異。 六、社會(huì)網(wǎng)絡(luò)分析常用軟件： UCINET 點(diǎn)的屬性層次的假設(shè)檢驗(yàn) 之 t檢驗(yàn) 對(duì)比 SPSS中的獨(dú)立樣本 T檢驗(yàn)，并驗(yàn)證 UCINET的統(tǒng)計(jì)結(jié)果。 I n d e p e n d e n t S a m p l e s T e s t1 . 4 1 3 . 2 6 9 . 5 0 5 8 . 6 2 7 . 5 8 1 . 1 5 4 2 . 0 7 9 3 . 2 4 5. 5 8 6 7 . 3 5 3 . 5 7 5 . 5 8 . 9 9 5 1 . 7 4 7 2 . 9 1 4E q u a l v a r i a n ce sa s s u m e dE q u a l v a r i a n ce sn o t a s s u m e d點(diǎn)出度F S i g .L e v e n e 39。 s T e s tf o r E q u a l i t y o fV a r i a n ce st dfS i g .( 2 t a i l ed)M e a nD i f f e r en ceS t d .E r r o rD i f f e r en ce L o w e r U p p e r9 5 %C o n f i d e n ceI n t e r v a l o f t h eD i f f e r e n cet t e s t f o r E q u a l i t y o f M e a n s六、社會(huì)網(wǎng)絡(luò)分析常用軟件： UCINET 關(guān)系數(shù)據(jù)的重新編碼 功能： 可根據(jù)研究需要，用不同標(biāo)準(zhǔn)對(duì)賦值關(guān)系數(shù)據(jù)進(jìn)行形式轉(zhuǎn)換。 1 2 3 4 z l g z 1 zhou 1 6 3 2 2 Liu 3 1 6 3 3 guan 4 5 1 4 4 zhang 3 4 6 1 z l g z zhou 1 3 2 1 liu 2 1 3 2 guan 2 3 1 2 zhang 2 2 3 1 六、社會(huì)網(wǎng)絡(luò)分析常用軟件： UCINET 關(guān)系數(shù)據(jù)的重新編碼 六、社會(huì)網(wǎng)絡(luò)分析常用軟件： UCINET 用社群圖（ Sociogram）展現(xiàn)關(guān)系數(shù)據(jù) 方法： 一般使用 UCINET內(nèi)置的 NetDraw程序畫圖并進(jìn)行編輯?？赏ㄟ^ UCINET界面快捷方式、菜單命令或者程序管理器運(yùn)行。 第 9講 結(jié)構(gòu)方程分析 一、含義 結(jié)構(gòu)方程模型（ Structural Equation Model， SEM）是綜合了相關(guān)分析、回歸分析好、因子分析和路徑分析等多種統(tǒng)計(jì)分析方法的多變量統(tǒng)計(jì)分析方法。 二、 SEM中的兩類模型或結(jié)構(gòu) ?測(cè)量模型： measurement equation，描述觀測(cè)變量與潛在變量之間的關(guān)系。 ?結(jié)構(gòu)模型： structural equation，描述潛在變量與潛在變量之間的關(guān)系。 三、 SEM可以處理的問題類型（陳正昌， 2022） 多指標(biāo)因果模型 多因素驗(yàn)證性因子分析 二階驗(yàn)證性因子分析 單指標(biāo)路徑分析：即，每個(gè)潛在變量只有一個(gè)觀測(cè)變量。 四、 SEM的優(yōu)點(diǎn) ?能同時(shí)處理多個(gè)自變量 ?允許自變量和因變量均包含測(cè)量誤差： 回歸分析假定自變量無誤差 ?可估計(jì)整個(gè)模型的擬合度 五、模型識(shí)別： 模型中的未知參數(shù)是否能由觀測(cè)數(shù)據(jù)得到唯一解？ ?恰好識(shí)別（飽和模型， df=0）： 結(jié)構(gòu)方程個(gè)數(shù) = 待估參數(shù)個(gè)數(shù) ?過度識(shí)別： 結(jié)構(gòu)方程個(gè)數(shù) ﹥ 待估參數(shù)個(gè)數(shù) ?無法識(shí)別（低識(shí)別）： 結(jié)構(gòu)方程個(gè)數(shù) ﹤ 待估參數(shù)個(gè)數(shù) 六、模型解釋： 根據(jù)模型計(jì)算結(jié)果，分析理論模型與觀察數(shù)據(jù)的擬合程度，并對(duì)變量關(guān)系及其顯著性進(jìn)行分析。 評(píng)價(jià)模型擬合程度的指標(biāo) (Goodness of Fit):講義 P80,P113 各種系數(shù)大小及其顯著性分析 （ Coefficient Analysis） （ 1）回歸（權(quán)重）系數(shù)：主要用于預(yù)測(cè) （ 2）標(biāo)準(zhǔn)化回歸系數(shù)：主要用于比較自變量的相對(duì)影響大小 效果分析 （ Effect Analysis） （ 1）直接效果 （ 2）間接效果 （ 3）總效果 六、模型解釋： 根據(jù)模型計(jì)算結(jié)果，分析理論模型與觀察數(shù)據(jù)的擬合程度，并對(duì)變量關(guān)系及其顯著性進(jìn)行分析。 評(píng)價(jià)模型擬合程度的指標(biāo) : 各種系數(shù)大小及其顯著性分析（ Coefficient Analysis） 效果分析（ Effect Analysis） 判定系數(shù) （ 1）針對(duì)中間變量和因變量時(shí)，表示其被解釋掉的方差或原因變量能解釋的方差。 （ 2）針對(duì)觀測(cè)變量時(shí)，表示其所含題項(xiàng)能解釋的方差。 第 9講 結(jié)構(gòu)方程分析 2R七、模型修正的主要方法： 根據(jù)理論修正模型：增減變量數(shù)量或調(diào)整變量關(guān)系 根據(jù)數(shù)據(jù)修正模型： （ 1）根據(jù)模型計(jì)算輸出的修正指數(shù)（ MI）的大?。褐v義 P113 （ 2）根據(jù)系數(shù)大小及其顯著性：關(guān)系太小或不顯著的可以考慮調(diào)整（刪掉或調(diào)整關(guān)系方向或調(diào)整變量關(guān)系模式） 八、樣本容量的決定方法： 大部分 SEM分析所用樣本容量為： 200到 500之間 每個(gè)觀測(cè)變量需要的樣本容量： 10到 20個(gè) 每個(gè)參數(shù)需要的樣本容量： 5個(gè) Hoelter臨界值： CN ≥ 200 第 9講 結(jié)構(gòu)方程分析