社會網路分析

完整網路（Whole Networks）分析兩種。

﹙1﹚ 自我中心網路分析

（Population）非常大或是研究範圍不易訂定時。

﹙2﹚ 完整網路 cohesive subgroup的定義與方法，以下介紹常見的幾種定義。

﹙1﹚ Clique

﹙3﹚ N-Clan

N-Clan必定是一個N-Clique，並且限制計算d(i, j)時所經過的edge必頇是 Ns所涵蓋的路徑。實作N-Clan的方法是先找出N-Clique，再過濾掉內部節點連結 距離超過門檻值N的N-Clique。

﹙4﹚ N-Club

N-Club是一個極大完全子圖，和N-Clan同樣限制計算d(i, j)時所經過的 edge必頇是Ns所涵蓋的路徑。和N-Clan的不同點在於，N-Club不一定會是一個 N-Clique，但一個N-Club必定被某個N-Clan所包含。

﹙5﹚ K-Plex

K-Plex是一個極大完全子圖，包含gs個節點，每節點至少要連結到同一 K-Plex的其他gs-k個節點。K-Plex要求節點成員對大部分的成員有連結，傾向找 出許多成員較少的小群組。其定義公式如下：

d(i)≧(gs-k) for all ni ∈Ns

﹙6﹚ K-Core

K-Plex是定義每個節點可以省略的連結數，而K-Core與K-Plex相反，是定義 每個節點最少必頇擁有的連結數，每一個節點都必頇至少連結到群內的k的節 點。其定義公式如下：

d(i)≧k for all ni ∈Ns

利用社會網路分析軟體如UCINET，可以找出符合以上幾種定義的聚合子群 體。使用以上社會網路分析的分群方法搜尋群組時，除了設定該分群方法的定義 門檻值（如N-Clique的距離門檻值N或是K-Core的連結數門檻值K）外，還可以設 定欲搜尋群組所包含成員數目的下限。成員數下限必須搭配門檻值的設定，若設 定不佳將使搜尋所得結果失去代表性，如使用N-Clique、N-Clan或N-Club演算法 時，若將設定群組成員數下限為三且距離門檻值N設定為二，由於條件過於寬鬆，

則所搜尋到的群組將會較無意義。而當條件如Clique過於嚴格，又會因不易找到 符合條件的群體而失去實用性。因此在決定使用的分群方法後，還必須審慎考量 搜尋的設定，設定最適合的搜尋門檻值。[Social Network Analysis: Methods and Applications](Wasserman & Faust, 1994)

2.2.3 評估節點重要性

在社會網路中權力（power）是基本且重要的研究議題，可藉由權力來瞭解 行為者的重要性。權力乃是由關係構成，一個擁有較高權力的行為者，代表其與 其他節點擁有較為緊密的關係，該行為者會擁有較高的影響力、較多可選擇的機 會與資源。社會網路分析利用中心性的計算來衡量行為者的權力大小。中心性的 探討分為三種類型。

圖 3 社會網路分析之中心性圖例

﹙1﹚ 程度中心性（Degree centrality）

用以衡量區域中心性（Local Centrality），觀察某一節點與周圍節 點的連結關係。一個節點連結到越多節點，就越有權力，如圖中的點A連 結到六個節點，而節點E只連結到一個節點，點A明顯有較高的權力，因為 當A與E之間的連結被移除，E將失去與其他節點的聯繫而變得孤立，而A 仍然可以正常連結至其他節點。圖中的A、B、C擁有較高且相同的程度中 心性，皆是區域中心。提出程度中心性為相鄰節點數目除以所有點的數 目，將區域中心性轉換為比例的形式。

﹙2﹚ 接近中心性（Closeness centrality）

用以衡量全域中心，對整體網路的所有點進行衡量。節點可以用比較 短的距離接觸到其他節點，或是以較短的距離被其他節點接觸，這種架構

優勢可以被轉換成權力。計算每一節點與其他節點之總和，可以發現圖中 的節點B擁有最短的距離總和，不但是區域中心，還是全域中心，比貣A、

C來得更重要。

﹙3﹚ 中介中心性（Betweenness centrality）

衡量某節點在任兩點之間的程度。當節點A要連結節點B，一定要通過 中間的節點G，節點G擔任A、B之間的中介，擁有收費的權力。 圖中的節 點G與節點M擁有最高的中介中心性。中介中心性的概念簡單，但計算複雜 且耗時。