社会网络分析方法(总结)
社会网络分析
社会网络分析1、介绍社会网络指的是社会行动者及其间的关系的集合。
一个社会网络是有多个点（社会行动者）和各点之间的连线（行动者之间的关系）组成的集合。
用点和线来表达网络，这是社会网络的可视化界定。
社会网络强调每个行动者都与其它行动者有或多或少的关系。
社会网络分析方法关注如何建立这些关系的模型，力图描述群体关系的结构，研究这种结构对群体功能或者群体内部个体的影响。
社会网络分析被用来建立社会关系的模型，发现群体内行动者之间的社会关系，描述社会关系的结构，研究这种结构对群体功能或者群体内部个体的影响。
社会网络分析不是一种正式的、具有统一性的理论，而只是一种“范式”或者“视角”。
社会网络分析是社会科学中的一个独特视角，它是建立在如下假设基础上的：在互动的单位之间存在的关系非常重要。
社会网络理论、模型以及应用的基础都是有关数据的集合，关系是网络分析理论的基础。
自从人类学家Barnes(1954)首次使用“社会网络”的概念来分析挪威某渔村的社会结构以来,社会网络分析被视为是研究社会结构的最简单明朗、最具有说服力的研究视角之一。
社会网络分析方法，可用于描述和测量网络社群成员之间的关系以及通过这些关系流动的各种有形或无形的东西，如信息、资源、知识等。
该方法通过对行动者之间关系与联系的联结情况进行研究与分析，可以归纳出行动者的社会网络信息，甚至进一步观察并了解行动者的社会网络特征。
透过社会网络除了能显示个人社会网络特征外，还能够了解许多社会现象，因为社会网络在组织中扮演着相当重要的无形角色，当人们在解决问题或是寻找合作伙伴时,通常都是依循着所拥有的社会网络来寻找最可能协同活动的对象。
社会网络分析通常有两种：一种叫做自我中心社会网，只能分析社会的连带关系，但不能用来分析网络的整体结果；另一种叫做整体社会网，可以用来分析结果对群体的影响，并能根据图形特征做出相应的解释。
2、关键要素（1）密度（Density）在图形中实际存在的线与可能数量的线的比例（The density of a graph is the proportion of possible lines that are actually present in the graph）。
社会网络分析法
第十三章社会网络分析法近几十年来社会网络分析法有了迅速的发展，它已被“泛应用到了社会学、政治学、人类学和社会政策研究等多个领域。
本章我们将侧重介绍社会网络分析法的基本概念、历史、主要分析技术及其应用。
第一节社会网络分析的概念一、什么是社会网络分析网络指的是各种关联，而社会网络(social network)即可简单地称为社会关系所构成的结构。
故从这一方面来说，社会网络代表着一种结构关系，它可反映行动者之间的社会关系。
构成社会网络的主要要素有：行动者(actor)：这里的行动者不但指具体的个人，还可指一个群体、公司或其他集体性的社会单位。
每个行动者在网络中的位置被称为“结点(node)”。
关系纽带(relational tie)：行动者之间相互的关联即称关系纽带。
人们之间的关系形式是多种多样的，如亲属关系、合作关系、交换关系、对抗关系等，这些都构成了不同的关系纽带。
二人组(dyad)：由两个行动者所构成的关系。
这是社会网络的最简单或最基本的形式，是我们分析各种关系纽带的基础。
二人组(triad)：由三个行动者所构成的关系。
子群(subgroup)：指行动者之间的任何形式关系的子集。
群体(group)：其关系得到测量的所有行动者的集合。
社会网络分析是对社会网络的关系结构及其属性加以分析的一套规范和方法。
它又被称结构分析(structural analysis)，因为它主要分析的是不同社会单位(个体、群体或社会)所构成的社会关系的结构及其属性。
从这个意义上说，社会网络分析不仅是对关系或结构加以分析的一套技术，还是一种理论方法——结构分析思想。
因为在社会网络分析学者看来，社会学所研究的对象就是社会结构，而这种结构即表现为行动者之间的关系模式。
社会网络分析家B·韦尔曼(Barry Wellman)指出：“网络分析探究的是深层结构——隐藏在复杂的社会系统表面之下的一定的网络模式。
”例如，网络分析者特别关注特定网络中的关联模式如何通过提供不同的机会或限制，从而影响到人们的行动。
社会网络分析及其应用
社会网络分析及其应用社会网络分析（Social Network Analysis，简称SNA）是一种研究人际关系、组织结构和社会系统的方法。
它通过分析网络中个体之间的连接关系，揭示出社会网络中的核心人物、信息流动模式以及关键影响力节点，从而帮助我们理解社会关系的结构和功能。
社会网络分析的基本概念是“节点”（Node）和“边”（Edge）。
节点代表个体，可以是人、组织或其他社会单位。
边代表节点之间的关系，可以是亲友关系、合作关系或其他社会关联。
通过构建网络图，就可以清晰地展示和分析社会网络中各个节点之间的连接关系。
社会网络分析可以应用于许多不同领域，例如社交媒体分析、组织管理、创新研究等。
以下将从社交媒体、组织管理和创新研究三个方面介绍社会网络分析的具体应用。
在社交媒体领域，社会网络分析有助于发现和理解信息传播的模式和趋势。
通过分析社交媒体平台上用户的互动行为，我们可以识别出社交网络中的“意见领袖”和“社交中心”。
意见领袖是社交网络中具有较高影响力和广泛影响范围的个体，他们的观点和行为往往能够在整个网络中迅速传播。
而社交中心则是网络中联系其他人的纽带，他们在信息流动中起到关键的桥梁作用。
通过了解这些核心节点，我们可以制定更有针对性的营销策略，提高社交媒体平台上信息传播的效果。
在组织管理方面，社会网络分析有助于了解组织内部的沟通和合作模式。
通过构建组织内部的社会网络图，我们可以分析员工之间的联系和信息流动路径。
发现关键的信息中心、沟通障碍和合作缺失等问题，有助于改善组织的沟通效率和协作能力。
此外，社会网络分析还可以识别出组织中的“隐形高手”，即那些在组织中不被重视但又具有重要技能和资源的个体。
通过激发和利用他们的潜力，组织可以更好地发展和创新。
在创新研究方面，社会网络分析可以揭示创新活动中的合作关系和知识流动。
对于科研团队、创业公司或创新型企业而言，合作是推动创新的重要因素。
通过社会网络分析，我们可以识别出在创新过程中担当关键角色的个体和组织，有助于建立更加高效的创新网络。
社会网络分析与关键人物识别研究
社会网络分析与关键人物识别研究社会网络分析（SNA）是一种研究人际关系网的方法，可以揭示人际关系中的重要成员和关系模式。
关键人物识别是SNA的一个重要应用领域，通过分析社会网络中的节点和连接，识别出对整个网络结构和信息传播起关键作用的个体。
本文将介绍社会网络分析和关键人物识别的相关概念与方法，并探讨该领域的研究进展和应用前景。
一、社会网络分析（SNA）的概念与方法社会网络分析是通过研究人际关系网络中的节点和连接来揭示人际关系的结构、特征和演化规律的方法。
社会网络可以是现实世界中的人际关系，也可以是虚拟社交媒体上的用户关系等。
SNA的核心思想是，个体的行为和决策受到其所处的社会网络结构和关系的影响，因此理解社会网络结构以及其中的关键人物对于理解社会系统的运作具有重要意义。
社会网络分析的一般步骤包括：1）收集网络数据，可以是问卷调查、实验观察、互联网抓取等方式；2）构建网络模型，将个体看作节点，将其关系看作连接；3）计算网络指标，如节点的度中心性、介数中心性、紧密度等，用于描述其在网络中的影响力和地位；4）分析网络结构，探索社区、子群体和关键人物等特征；5）进行模拟和预测，通过模型模拟和预测社会网络的演化。
二、关键人物识别的方法与应用关键人物识别是SNA的一个重要研究方向，旨在通过分析社会网络中的节点和连接，识别出对整个网络结构和信息传播起关键作用的个体。
关键人物具有较高的中心性和影响力，他们在社会网络中扮演着桥梁、拓扑之外的重要角色，对网络的稳定性和信息传播的效果有着重要影响。
关键人物识别的方法多样，常用的算法有度中心性、介数中心性、紧密度以及PageRank等。
度中心性是指节点的直接连接数，节点的度中心性越高，表示其在网络中的重要性越高。
介数中心性是指节点在最短路径中作为桥梁的频率，介数中心性越高，表示节点在信息传播中具有重要作用。
紧密度是指节点与其他节点之间的距离，紧密度越大，表示节点具有更快的信息传播速度。
典型的社会网络分析软件工具及分析方法
典型的社会网络分析软件工具及分析方法社会网络分析是一种探究人际干系和信息传播的方法，已经成为社会科学和管理科学中重要的探究工具之一。
随着互联网的普及和社交媒体的兴起，人们之间的社会网络变得越来越复杂。
为了更好地理解和分析社会网络，探究人员和分析师们开发了许多社会网络分析软件工具。
本文将介绍一些典型的社会网络分析软件工具，并谈论它们的分析方法。
二、典型的社会网络分析软件工具1. GephiGephi 是一个开源的网络分析和可视化软件工具，可以通过其图形用户界面（GUI）来分析和可视化社会网络数据。
它提供了丰富的网络分析算法和可视化选项，可以援助用户发现网络的核心成分、节点的度中心性、紧密中心性、介数中心性等重要的网络属性。
Gephi 还支持导入和导出多种常见的社会网络数据格式，如GraphML等，以便利用户使用。
2. UCINetUCINet 是一款经典的用于社会网络分析的软件工具，也是最早的商业软件之一。
UCINet 提供了一系列强大的网络分析功能，例如节点统计、集群分析、坐标估算等。
它还支持导入和导出多种不同格式的数据，并且可以通过命令行界面（CLI）进行批处理分析。
UCINet 还包含了一些可视化功能，可以援助用户更好地理解网络结构。
3. PajekPajek 是一个用于大规模网络分析和可视化的软件工具，尤其适用于处理包含成千上万个节点和边的复杂网络。
Pajek 支持多种网络数据格式，并且提供了丰富的网络分析算法，如社团发现、布局估算、节点属性分析等。
Pajek 的可视化功能分外强大，可以展示网络的节点、边以及它们之间的干系。
4. NodeXLNodeXL 是一个用于分析和可视化社交媒体网络的工具，特殊适用于分析 Twitter、Facebook 和 Flickr 等社交媒体平台上的数据。
NodeXL 支持导入和分析社交媒体的干系数据，如用户之间的关注干系、转发干系等。
除了常见的网络分析功能外，NodeXL 还提供了一些社交媒体特定的分析方法，如情绪分析、主题提取等。
社会网络分析法.pdf
第十三章社会网络分析法近几十年来社会网络分析法有了迅速的发展，它已被“泛应用到了社会学、政治学、人类学和社会政策研究等多个领域。
本章我们将侧重介绍社会网络分析法的基本概念、历史、主要分析技术及其应用。
第一节社会网络分析的概念一、什么是社会网络分析网络指的是各种关联，而社会网络(social network)即可简单地称为社会关系所构成的结构。
故从这一方面来说，社会网络代表着一种结构关系，它可反映行动者之间的社会关系。
构成社会网络的主要要素有：行动者(actor)：这里的行动者不但指具体的个人，还可指一个群体、公司或其他集体性的社会单位。
每个行动者在网络中的位置被称为“结点(node)”。
关系纽带(relational tie)：行动者之间相互的关联即称关系纽带。
人们之间的关系形式是多种多样的，如亲属关系、合作关系、交换关系、对抗关系等，这些都构成了不同的关系纽带。
二人组(dyad)：由两个行动者所构成的关系。
这是社会网络的最简单或最基本的形式，是我们分析各种关系纽带的基础。
二人组(triad)：由三个行动者所构成的关系。
子群(subgroup)：指行动者之间的任何形式关系的子集。
群体(group)：其关系得到测量的所有行动者的集合。
社会网络分析是对社会网络的关系结构及其属性加以分析的一套规范和方法。
它又被称结构分析(structural analysis)，因为它主要分析的是不同社会单位(个体、群体或社会)所构成的社会关系的结构及其属性。
从这个意义上说，社会网络分析不仅是对关系或结构加以分析的一套技术，还是一种理论方法——结构分析思想。
因为在社会网络分析学者看来，社会学所研究的对象就是社会结构，而这种结构即表现为行动者之间的关系模式。
社会网络分析家B·韦尔曼(Barry Wellman)指出：“网络分析探究的是深层结构——隐藏在复杂的社会系统表面之下的一定的网络模式。
”例如，网络分析者特别关注特定网络中的关联模式如何通过提供不同的机会或限制，从而影响到人们的行动。
社会网络分析的方法和应用研究
社会网络分析的方法和应用研究随着互联网的不断普及，社交网络在日常生活中扮演着越来越重要的角色。
社交网络是一个由相互联系的人或组成员、组织或关键性个体组成的复杂网络。
社交网络分析是一种研究社会网络结构以及网络节点之间关系的方法。
本文将对社会网络分析的方法和应用研究进行探讨。
一、社会网络分析的基本方法社交网络分析主要是通过描绘节点之间的关系去研究复杂的社会系统。
因此，社交网络分析涉及到众多的方法和技术可以从不同的角度来描述网络结构。
下面我们将介绍一些社交网络分析的常用方法：1.节点度分布节点度是一个节点与其他节点的直接连接数，节点度的分布情况反映了网络的底层结构和属性。
节点度分布通常对数取对数以进行直观的表示。
当节点度的分布遵循幂律分布时，我们可以得出社交网络是无放权网络，并且存在少数的连接应该称为Hubs。
（也叫底层网络）2.网络密度网络密度是网络中实际链接数与总链接数之比。
如果所有节点都在社交网络中彼此相连，那么这个网络就是全互连的或100%集中性的。
网络密度可以衡量社交网络的紧密程度，也可以衡量组织中员工的联结程度。
3.中心性测度中心性测度是用于测量一个网络节点在某些方面中相对地“重要性”的方法。
数据科学家往往会把节点划分为几类，比如Degree centrality，Closeness centrality，Betweenness centrality。
其中，Degree centrality measures是一种基本的中心性测度，它衡量的是节点在网络中连接的数量。
Betweenness centrality measures 衡量的是贯穿网络的路径相对于该节点的贡献。
4.网络群聚度网络群聚度是测量群落内部紧密联系的度量，即放射性社交网络中相互连接的“饭圈”群体。
网络群聚度通常用于表征社交网络中的小世界现象。
二、社会网络分析的应用研究社交网络分析可用于许多领域，包括社交科学、营销与广告、自然语言处理、搜索引擎、生物信息学等。
社会网络分析的重要理论与方法
社会网络分析的重要理论与方法社交网络分析（Social Network Analysis）是一种研究和解析人际关系网络的理论和方法。
它基于图论和社会学的基础，旨在理解人际关系网络的结构、特征和动态，并揭示网络中的个体和群体之间的影响和交互关系。
社交网络分析不仅在社会学领域得到广泛应用，也在管理学、心理学、计算机科学等多个学科中具有重要价值。
在社交网络分析的理论中，最重要的是关系强度理论（Strength of Weak Ties）。
该理论由著名社会学家格兰诺维特（Granovetter）在1973年提出。
他认为，在社交网络中，除了紧密的“强关系”，还存在着松散的“弱关系”，而这些弱关系对于信息传播、资源获取和跨组织合作等方面的影响非常重要。
相比之下，强关系更多存在于熟人之间，而弱关系更多存在于陌生人之间。
强关系在“方向”上更加明确，但它们的网络范围相对较小，信息流动较为有限。
而弱关系在“方向”上相对模糊，但它们的网络范围较大，信息流动更加广泛。
因此，弱关系在社交网络中扮演了桥梁的角色，能够使各种信息和资源在网络中迅速传播。
社交网络分析的方法主要包括社交网络图分析、中心性指标分析、群体发现与分析等。
社交网络图分析是社交网络研究的基础，通过构建和可视化网络图，可以直观地展示网络中的关系和结构。
社交网络图分析可以帮助研究者发现网络中的特殊节点和连接模式，从而进一步分析网络的演化和特征。
中心性指标分析是社交网络分析的关键方法之一，通过计算网络中各个节点的中心性指标（如度中心性、介数中心性、接近中心性等），可以量化节点的影响力和地位。
中心性指标分析可以帮助研究者识别关键人物、洞察影响力网络，并发掘隐藏的社会力量和资源。
群体发现与分析是社交网络研究中的重要方法之一，通过识别社交网络中的聚类和子群体，可以帮助研究者更好地了解社会网络中的群体结构和关系，揭示群体间的互动和影响。
在社交网络分析的应用中，最具代表性的研究领域之一是组织社交网络分析。
社会网络的分析和建模
社会网络的分析和建模社会网络学是一门专门研究人际关系网络的学科，随着互联网的普及，社会网络学也逐渐成为了学术研究和商业决策的重要分支。
该领域主要研究人际网络及其特征，以及网络中节点之间的联系、信息流动等问题。
本文旨在针对社会网络的分析和建模方法进行探讨。
一、社会网络的基本概念社会网络是指一个群体中各成员之间相互联系的网络结构，由数个节点和边所组成。
节点代表着群体成员，边代表着成员之间的关系。
具体地，社会网络可以分为以下几个概念：1.节点：群体或社区中的每个成员都被定义为一个节点。
节点可以是个人、组织、公司、国家等。
2.边：边是节点之间的互相关联的线性连接，它可以是单向的或双向的。
在不同的情境下，边的类型也有所不同，例如亲戚关系、友谊关系、商业合作等。
3.度：节点的度是指该节点与其他节点之间的连边数，也就是它在网络结构中的联系数。
4.中心性：中心性是用来度量节点在网络中的重要性。
不同的中心性指标有不同的计算方法，如度中心性、接近中心性、介数中心性等。
5.社区：社区是指具有相似特征或相似目的的节点之间的内部连通性较强的一组节点。
二、社会网络分析的方法1.基本统计方法基本统计方法是用于分析社会网络中关系和联系的最基础方法，包括度分布、平均度、聚类系数、网络密度等。
这些指标可以帮助我们了解网络的全貌，如网络中的节点和边分布情况，以及网络的稠密程度。
2.中心性指标中心性指标是用来衡量节点在网络中的重要性。
它们可以帮助我们定位网络中存在的重要节点，从而有效地分析并优化网络。
中心性指标包括度中心性、接近中心性、介数中心性等。
3.社区发现算法社区发现算法是用来将网络中的节点分组成社区的一种方法。
这些社区组成的特征是：节点相互之间联系紧密，而与其他社区之间联系较少。
社区发现算法可以帮助我们深入理解网络中的各种关系，并且可以对社会学、经济学等领域进行有益的探究。
4.复杂网络的分析方法复杂网络的分析方法是用来研究复杂网络结构的方法，包括随机图模型、小世界网络、无标度网络等。
社会网络分析方法
蔡宁;吴结兵;,浙江大学学报(人文社会科学版),2006,04,58-65
产业集群中组织间关系的类型和性质是理解产业集群现象的重要基础。通过社会网络分析方法考察集群组织间关系网络的密集性质及其功能机制发现:(1)受到连接多样性、连接偏好和集群生命周期的影响,产业集群网络关系密集性呈不均匀分布,使得集群网络呈现出密集和稀疏相结合的结构特征;(2)集群组织间关系密集性具有资源配置优势,但同时使网络隐藏着潜在的风险,而稀疏网络具
在这里（/~hanneman/nettext/index.html）大家可以看到有关社会网络分析方法的完整的英文版内容。
Hanneman, Robert A. and Mark Riddle. 2005.Introduction to soci, CA: University of California, Riverside ( published in digital format/~hanneman/)
5. Using matrices to represent social relations
6. Working with network data
7. Connection
8. Embedding
9. Ego networks
10. Centrality and power
11. Cliques and sub-groups
负荷性的负向影响。知识共享行为受到职务、科研协作网络、学习咨询网络、友谊关系网络等变量的正向影响,而受到科研工作负荷性的负向影响。
[12]产业集群与区域竞争合作机制:一种基于社会网络的分析
吉国秀;王伟光;,中国科技论坛,2006,03,95-99
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
社会网络分析方法
SNA
分析软件
第一类为自由可视化SNA软件，共有Agna等9种软件，位于图1的右上角，这类软件可以自 由下载
使用，成本低，但一般这类软件的一个共同缺点是缺乏相应的如在线帮助等技术支持；
第二类为商业可视化SNA软件，如In Flow 等3种，这类软件大都有良好的技术支持；(3)第 三类为可
视化SNA软件，如KliqFinder等4种，这类软件一般都是商业软件， 但他们都有可 以通过下载试用版
的软件，来使用其中的绝大部分功能
第四类为自由非可视化SNA软件，女如FATCAT等7种，这类软件的特点是免费使用， 但对SNA 的
分析结果以数据表等形式输岀，不具有可视化分析结果的功能；
第五类为商业非可视化SNA软件，只有GRADAP 一种，该软件以图表分析为主，不具有可 视化的功
能。在23种SNA软件中，有16种SNA软件，即近70%的SNA软件，具有可视化功 能。
SNA
分析方法
使用SNA软件进行社会网络分析时，一般需要按准备数据、数据处理和数据分析三个步骤进行。 尽管因不
同的SNA 软件的具体操作不同，但这三个步骤基本是一致的。
1.
准备数据，建立关系矩阵
准备数据是指将使用问卷或其他调查方法， 或直接从网络教学支撑平台自带的后台数据库中所
获得的用于研究的关系数据， 经过整理后按照规定格式形成关系矩阵，以备数据处理时使用。
这个步骤也是SNA分析的重要的基础性工作。 SNA中共有三种关系矩阵： 邻接矩
(AdjacencyMatrix 八 发生阵(Incidenee Matrix )和隶属关系矩阵 (Affiliation Matrix )。
邻接矩阵为正方阵，其行和列都代表完全相同的行动者， 如果邻接矩阵的值为二值矩阵，则其
中的“ 0”表示两个行动者之间没有关系，而“ 1 ”则表示两个行动者之间存在关系。然而我们
在分析e-Learning 的社会网络时， 一般都采用非二值矩阵，即使用赋值矩阵，此时，矩阵中
的数值表示为两个行动者之间的关系强度， 且规定矩阵中的“行”为关系的发送者，而“列”
为关系的接受者。发生阵的“行”代表节点，而“列”代表各条线，即发生阵表达的是哪个点连
接在哪条线上，因此，发生阵一定是二值矩阵，且不一定是方阵。 邻接矩阵和发生阵都表达了图
的全部信息⑺。
在SNA中，往往需要分析行动者的隶属关系，如行动者所属班级、年级或学习小组等，以
及会关注行动者的一些自然属性，如性别、 年龄等，此时就可以利用隶属关系矩阵来表述。 隶属
关系矩阵的“行”为行动者，“列”为事件，即各种属性。三种矩阵的建立在三种典型 SNA软
件中有多种方法，但归纳起来大致有两种方法。
第一种方法：直接输入关系矩阵内容。这种方法就是利用三种 SNA
软件所提供的数据输入 功能，按
照研究者所获得的原始关系数据， 将具体数值输入进关系矩阵中。其操作过程非常类
似Excel软件的操作，操作简单而直接。
第二种方法：从其他软件的数据文件直接导入 SNA
软件，形成关系矩阵。
三种典型的SNA软件都提供了从其他软件导入多种格式的数据文件的功能， 以支持多种方
法建立关系矩阵。目前，.csv、.txt、.xls、.ntf、.dl和.net等格式的文件都可以直接导入进 NetMiner 、
Pajek和UCINET三种SNA
软件中。一般导入操作都有菜单和对话框提示， 只
要注意阅读对话框的提示，并给予相应的选择，就可以完成数据的导入， 建立起关系矩阵， 整个
操作过程一般都十分简单快速。 由于一般研究者在收集原始关系数据后， 为了数据安全起见都会
事先按照某种格式将所收集的数据存入数据文件中，且在 SNA分析的过程中，往往需要同时使
用多个SNA软件，这就存在一个在不同软件之间需要交换关系矩阵的操作，因此，第二种建立 关系矩阵的
方法往往比第一种更常用。
2. 数据处理，进行SNA分析
建立SNA的关系矩阵后，就需要进入数据处理这个步骤， 该步骤为SNA的一项核心工作
SNA
的数据处理工作， 可以按照不同的操作分为以下两种类型。
(1)
测量
所谓测量，是指针对研究者所建立的关系矩阵，由 SNA软件自动计算岀社会网络的各项网络指
标或参数值。通常，通过测量可以完成的 SNA 有：网络的基本属性、中心性、连通性、结构洞
等。有关测量的数据处理操作是最简单的，一般都是直接使用 SNA软件菜单中的有关功能即可
完成。在测量操作中， 一般需要研究者按照软件的提示事先指定某个关系矩阵； 测量结束后，一
般SNA软件会给岀测量结果，如图 3所示。SNA测量的结果往往会形成一些数据集合，这些 数据集合都
是可以导岀成为多种格式的数据文件单独存储的， 这些数据集合往往是得岀 SNA结
论的重要依据。
(2)
探索性分析
探索性分析往往比测量操作复杂， 一般要遵循某种分析程序，而且会因探索的问题或对象的不
同，其数据处理操作会有很大不同。通过探索性分析可以完成的 SNA有：凝聚子群分析、网络
位置与角色分析和结构洞与经纪人业务分析等。 社会网络中的凝聚子群分析是一种典型的探索性
分析，探索性分析的数据处理路线往往会存在路径的分支与循环等复杂结构， 需要研究者依据
一定的判定依据进行判断后进行相应的选择才能完成。 因此，探索性分析的操作步骤比较多， 且
操作过程也比较复杂， 探索性分析的效率往往与研究的数据对象大小和性质、研究的问题和研
究者自身的经验与技巧等有关系。
3.
数据分析，得岀结论
这一步骤是SNA分析的关键性工作。当上一步的数据处理完毕后， 往往会得到一些可视化的
图或数据表等信息。一般数据表都与 Excel表格的形式非常接近，比较容易读懂，而常用的图
有以下几种
(1
)社群图
社群图表示关系模式， 分为二维视图和三维视图两种类型
(2 )网络位置图
网络位置图表示关系数据集中的行动者在社会网络中的位置分布。最常见的位置分布就是核心
—边缘模型。
(3) 树形图
树形图用于表示SNA中对等性分析等聚类分析的结果。一般有两种表示方式，一种为类似冰柱
图的形式，另一种为树形表示方式。
参考文献：
[1] 王陆•典型的社会网络分析软件工具及分析方法 [J].中国电化教育，2009, 4(267): 95-100.
[2] 魏瑞斌.社会网络分析在关键词网络分析中的实证研究 [J].情报杂志，2009, 28(9): 46-49.
[3] 王陆.虚拟学习社区的社会网络分析 [J][J].中国电化教育，2009, 2(5): 11.
[4] 王志亮.社会网络分析方法在科研协作网中的应用研究 [D][D]. , 2005.