第三章 研究設計
第四節 資料分析
針對本研究之研究問題及參考社會網絡分析的內容，本文以整體網絡分析、
中心性分析、自我網域分析為基礎，使用社會網絡分析軟體 Ucinet 進行分析。
再使用單因子變異數分析（One-way ANOVA），以音樂家專長領域和學歷作為自 變項、中心性為依變項，觀察當中的相關性。最後，依中心性將音樂家分群，觀 察集群群組的特性。
一、 整體網絡分析
密度（density）：測量密度前，須先瞭解最多可能連線數，擁有 n 個點的無 向網絡，最多可能擁有n(n-1)/2 條連線，密度為「實際擁有連線數」與「最多可 能擁有線數」之比，計算方式為L/【n(n-1)/2】，L 代表實際擁有連線數，而一個 完備圖的密度為1。可由密度數值判斷音樂家網絡的密集程度。
直徑（diameter）與核心邊陲區：測量整體網絡最長的路徑，能瞭解音樂家 網絡的大小。可藉由最長路徑界定網絡範疇，並觀察整體網絡連線的疏密分布，
劃分出核心與邊陲區域。
二、 自我網域分析
規模（size of ego network）：離自我一步長鄰域的節點數目，測量每位音樂 家的自我網域大小。
密度：自我連線數（ties）除以對偶數（pairs），可觀察音樂家的自我網域疏 密。
兩步長可達性（two-step reach）：計算自我在兩步內可達的成員總數，占整 體音樂家網絡的百分比。
可達效率（reach efficiency）：將前項「兩步長可達性」除以「自我網域規模」， 觀察鄰近音樂家是否能補足自身所欠缺的連結。
三、 中心性分析
程度中心性：是最基礎的中心性測量方式，計算音樂家在網絡直接連結的總 和，數值高的音樂家通常在整體網絡中較為活躍、在網絡中牽涉程度較深的人物、
以及居於能快速得到消息及散播訊息的位置。計算方式為𝐶𝐷(i)= ∑nj=1𝑥𝑖𝑗=∑ni=1𝑥𝑖𝑗， 𝑥𝑖𝑗為人物i 到 j 的連線總和，n 為網絡中的節點數。
接近中心性：一個節點若是與其他點接近，該人物在傳遞訊息方面就更加容 易。接近中心性是計算音樂家到其他音樂家的最短距離總和，此值越小代表位居 網絡聯繫便利之處。計算方式為C𝑐(i)=∑nj=1𝑑𝑖𝑗，𝑑𝑖𝑗為人物i 到 j 的連線距離。
中介中心性：計算音樂家落於其他成對音樂家間的路徑的頻率程度，為促進 人物彼此產生連結的關鍵人物。中介中心性是計算人物經過連接兩點的最短路徑 數和這兩點之間的最短路徑總數之比，此值越高代表越能控制、影響其他行動者，
計算方式為C𝐵=∑j<k𝑔𝑗𝑘(i)/𝑔𝑗𝑘，i≠j≠k，𝑔𝑗𝑘(𝑖)為包含 i 在內的 j 和 k 之間最短路徑，
𝑔𝑗𝑘為j 和 k 最短路徑，𝑔𝑗𝑘(𝑖)/𝑔𝑗𝑘為j 和 k 的連線中，i 經過的比例。
四、 統計分析
中心性為衡量網絡權力和影響力的關鍵指標，與音樂家人物的領域進行相關 性分析，以 SPSS 統計軟體進行單因子變異數（ANOVA）分析，以專長領域為 自變項、上述中心性為依變項，觀察網絡中心性與音樂家領域屬性之相關性。
五、 集群分析
集群分析（Cluster Analysis）是一種分類方法，根據不同變數將相類似的事 物進行歸類，使得同質性與相似性的同類事物可以分在同一集群，將資料區分成 Method”，尚未分群的 wss 為最高，然後隨著分群增加，wss 越來越小，到了某 個臨界點，wss 將急劇下降時出現緩和的角度，此時就是選擇正確的 k 數量，因 此也稱作「肘部標準」（elbow criterion）（Bholowalia & Kumar, 2014）。
表3-14、資料分析內容對應研究問題
研究問題 資料分析 研究工具
關於臺灣音樂群像資料庫音樂 家的整體網域樣貌？
密度、直徑 Ucinet 網絡分析軟體 關於臺灣音樂群像資料庫音樂
家的自我網域樣貌？
規模、密度、兩步長可達性、
可達效率
Ucinet 網絡分析軟體 不同專長領域的音樂家，領域
與網絡中心性的相關性？
單因子變異數分析：
專長領域為自變項 中心性為依變項
SPSS 統計軟體
音樂家依網絡中心性分群，所 得到集群特性？
K 平均數叢集分析：
中心性為變數
SPSS 統計軟體