2025年大学《应用统计学》专业题库- 社会网络数据分析与统计建模

2025年大学《应用统计学》专业题库——社会网络数据分析与统计建模考试时间：______分钟总分：______分姓名：______一、填空题1.在社会网络中，表示节点之间连接关系的有向边称为________，它不仅表示连接，还隐含了互动的方向性。2.衡量网络中节点中心性的一个指标是中介中心性，该指标高的节点通常位于网络的________上，能够控制信息或资源在网络中的流动。3.网络密度是指网络中实际存在的边数与理论上可能存在的边数的________，它反映了网络连接的紧密程度。4.在社会网络分析中，社群检测的目标是将网络中的节点划分成不同的群体，使得群体内部连接紧密而群体之间连接稀疏，常用的算法有________和________。5.假设一个社会网络可以看作一个随机图模型，其中每个节点都以相同的概率与其他节点连接，该模型称为________。6.可靠性理论在社会网络分析中用于评估网络的________，即网络在部分节点或边失效时保持连通的能力。7.对于一个包含n个节点的无向网络，其邻接矩阵是一个________矩阵，其中元素a_ij通常表示节点i和节点j之间是否存在连接。8.在基于网络的统计建模中，如果假设网络中的连接是独立同分布的，则可以使用________模型来描述网络的形成过程。9.网络演化模型描述了网络结构随时间变化的动态过程，例如，________模型认为网络的增长是由少数具有大量连接的“hubs”引导的。10.当我们将传统的回归模型应用于网络数据时，需要考虑网络结构的潜在影响，例如，节点在网络中的位置（如中心性）可能会影响其特征变量与因变量之间的关系。二、名词解释1.网络路径2.紧密性中心性3.小世界网络4.网络参数估计5.独立同分布假设三、简答题1.简述社会网络分析与传统统计分析在研究视角上的主要区别。2.解释网络中心性指标（如度中心性、中介中心性）在理解社会结构中的作用。3.阐述随机图模型（ER模型）的基本假设及其在分析现实网络时的局限性。4.说明在进行网络统计推断时，需要考虑哪些与网络结构相关的特殊问题。四、计算题1.给定一个包含4个节点（A,B,C,D）的无向网络，其邻接矩阵如下：```ABCDA0101B1010C0101D1010```请计算节点A和节点C的中介中心性（假设使用基于路径的比例法，且不考虑节点自身到自身的路径）。请说明计算思路和步骤。2.假设我们使用BA无标度网络模型来生成一个包含100个节点的网络，其中初始网络包含3个节点，平均每个节点的度数为4，新节点连接到现有节点的概率与其度数成正比。请简述该模型的关键特征，并说明为什么这种增长机制容易产生无标度网络？如果想要分析这样生成的网络是否显著偏离ER随机图模型，通常需要进行什么样的统计检验？五、综合应用题1.某研究团队收集了一个公司内部的沟通网络数据，网络中的节点代表员工，边代表员工之间是否有过工作沟通。研究者感兴趣的是分析公司层级结构（如部门）是否影响了沟通网络的结构特征。请结合网络分析和统计建模的知识，提出至少两种分析思路，说明如何利用网络指标和/或统计模型来检验层级结构对沟通网络的影响。请阐述每种思路的基本原理和分析步骤。2.在分析一个在线社交网络中的信息传播网络时，研究者发现网络具有明显的无标度特性，并且存在少数高度连接的“意见领袖”。研究者想建立一个统计模型来预测一个节点能否成为信息传播的“意见领袖”，该节点需要具备较高的中心性，并且其邻居节点也倾向于拥有较高的中心性。请构思一个可能的统计建模方案（例如，回归模型、分类模型等），说明模型的基本形式、需要考虑的变量以及如何解释模型结果以反映网络结构对意见领袖形成的影响。试卷答案一、填空题1.有向边2.关键路径/中心位置3.比例/比率4.模块化/社区发现算法(如Louvain算法)5.ER随机图模型(或爱泼斯坦-瑞德模型)6.可靠性/稳定性7.n*n(或n阶/方阵)8.独立同分布模型(或ER模型)9.BA无标度网络模型(或巴黎-阿尔伯模型)10.调节效应/混合效应(或网络位置效应)二、名词解释1.网络路径：指网络中连接两个节点的一系列相邻边。它是网络分析中描述节点间可达性的基本概念。2.紧密性中心性：衡量一个节点与其直接邻居连接的紧密程度。该指标高的节点与其邻居形成一个紧密的子群。3.小世界网络：指那些大多数节点之间需要通过很长的平均路径就能互相到达，但任意两个节点之间却存在相对较短的捷径的网络结构。ER随机图模型通常不具备小世界特性，而BA模型可以产生小世界网络。4.网络参数估计：指利用观测到的网络数据来推断网络模型中未知参数的过程，例如ER模型中的连接概率p，或BA模型中的m值。5.独立同分布假设：指网络中的每条边出现的概率是相同的，并且边之间是相互独立的。这是许多随机图模型（如ER模型）的基础假设。三、简答题1.社会网络分析侧重于研究个体之间的相互关系和结构模式，关注的是“关系”本身，将个体视为关系的节点，分析关系如何构成不同的结构（如社群、层级）。而传统统计分析通常关注个体属性与结果变量之间的关系，将个体视为独立的观察单位，分析属性如何影响结果。因此，社会网络分析强调结构决定论，而传统统计分析更偏向个体决定论。2.网络中心性指标帮助识别网络中处于“核心”或“关键”位置的节点。高中心性节点通常能接触到更多的信息或资源，因此在网络中可能扮演着更重要的角色（如信息传播者、影响力人物、关键联系人）。通过分析中心性，可以揭示网络的结构特征、权力分布和潜在的影响力格局，有助于理解社会结构、组织动态或传播过程。3.ER随机图模型假设网络中任意两个节点以相同的概率p连接成边，且边是相互独立的。其基本假设是连接是随机发生的。该模型的局限性在于它无法很好地解释现实世界中普遍存在的无标度现象（少数节点度数极高，多数节点度数较低），也无法反映现实网络中可能存在的社区结构或优先连接偏好（新节点倾向于连接到已连接的节点）。4.进行网络统计推断时，需要考虑的特殊问题包括：①网络结构的依赖性：网络中的节点和边并非独立同分布，相邻节点的特征或连接状态通常存在相关性，这会影响标准统计方法的适用性。②样本选择偏差：网络数据的收集方式（如滚雪球抽样）可能导致样本无法代表整体网络结构。③缺失数据：网络中可能存在大量不连接的边（对于稀疏网络），这些缺失信息会影响参数估计和推断。④路径依赖与演化：网络结构可能随时间演化，过去的结构会影响现在的状态，使得因果推断变得复杂。⑤图论方法的整合：推断过程常需要结合图论指标和统计方法。四、计算题1.计算节点A的中介中心性：*找出所有经过节点A的路径。A-B,A-D,B-C,D-C。共4条路径。*计算每条路径是否是节点C和节点B（或C和D，或B和D）之间的最短路径（即是否存在不经过A的其他路径）。例如，检查路径A-B是否比直接连接B-C更短：B-C（长度1）比A-B-B-C（长度3）短，所以A-B不是最短路径。类似地，A-D不是最短路径，B-C不是最短路径，D-C不是最短路径。*对于最短路径，计算A是否位于该路径上。路径A-B：A在路径上。路径A-D：A在路径上。路径B-C：A不在路径上。路径D-C：A不在路径上。*节点A位于其涉及的最短路径中的次数为2（A-B,A-D）。*节点B和C之间的最短路径有B-C和A-B-B-C，共2条。总共有C(4,2)=6条节点对间的最短路径。*中介中心性=(A位于其涉及的最短路径中的次数)/(总节点对数*每对最短路径数)=2/(4*2)=2/8=0.25。*节点C和节点B之间的情况同上，中介中心性也为0.25。*由于网络是对称的，所有节点之间的最短路径数量相同，且计算过程类似，可以推断所有节点（A,B,C,D）的中介中心性均为0.25。（验证：总中介中心性=Σ(度数*(n-1)*(n-2)/2)=(1*3+1*3+1*3+1*3)*6/2=12*3=36。平均中介中心性=36/4=9。每个节点的中介中心性=9/4=2.25。之前的计算基于特定节点对，需要修正。重新计算节点A的中介中心性：A涉及的最短路径有A-B,A-D。A-B涉及节点对B,C(路径B-C)。A-D涉及节点对D,C(路径D-C)。节点对B,C的最短路径有B-C,A-B-B-C(2条)，A不在其中。节点对D,C的最短路径有D-C(1条)，A不在其中。所以A涉及的最短路径0次。修正计算方法：考虑节点对B和C。所有最短路径B-C,A-B-B-C,A-D-C(不存在),A-B-D-C(不存在)。共3条。A位于A-B-B-C上。涉及B和C的最短路径中，A位于其中的次数为1。总最短路径数=3。中介中心性(A,B,C)=1/(3*2)=1/6。节点A中介中心性=Σ(Σ(节点对中介中心性))/C(n,2)=Σ(度(A)*中介中心性(A,B_j))/C(4,2)。对于每个邻居B_j，计算A涉及(B_i,B_j)最短路径次数。A的邻居是B和D。对于邻居B(B_i=C):A涉及(B,C)最短路径(A-B-B-C)1次。对于邻居D(B_i=D):A涉及(B,D)无最短路径。所以Σ(节点对中介中心性)=度(A)*1+度(A)*0=2*1=2。总中介中心性=2/6=1/3。最终所有节点中介中心性均为1/3。）*修正后答案：节点A和节点C的中介中心性均为1/3。*计算思路与步骤（修正）：1.确定网络节点数n=4。计算总的最短路径对数。对于完全图，为C(n,2)=6。对于此网络，计算实际最短路径对数。例如，B和C之间有B-C(长度1)和A-B-B-C(长度3)，最短为1。D和C之间有D-C(长度1)，无A相关路径。D和B之间有D-A-B(长度3)，无A相关路径。B和D之间有B-A-D(长度3)，无A相关路径。所以实际最短路径对数=4。或者，考虑所有节点对的最短路径，使用Floyd-Warshall算法或邻接矩阵幂次计算。2.计算每个节点位于其涉及的最短路径上的总次数。路径：A-B(1),A-D(1),B-C(1),D-C(1)。节点A位于A-B,A-D上。节点B位于A-B,B-C上。节点C位于B-C,D-C上。节点D位于A-D,D-C上。3.计算每个节点的中介中心性=(该节点位于其涉及的最短路径上的总次数)/(总最短路径对数*每对最短路径数)。最短路径数通常指连接该对节点的最短路径长度。对于此网络，假设最短路径数指最短路径的边数。节点对B,C:最短路径B-C(1条,长度1)。节点对D,C:最短路径D-C(1条,长度1)。节点对A,B:A-B(1条,长度1)。节点对A,D:A-D(1条,长度1)。节点对B,D:无最短路径。总最短路径对数=4(B,C;D,C;A,B;A,D)。4.节点A:涉及B-C(1次)。中介中心性=1/(4*1)=1/4。(这里假设最短路径数指边的数量)5.节点C:涉及A-B-B-C(1次),D-C(1次)。中介中心性=2/(4*1)=1/2。(同上假设)6.节点B:涉及A-B(1次),B-C(1次)。中介中心性=2/(4*1)=1/2。(同上假设)7.节点D:涉及A-D(1次),D-C(1次)。中介中心性=2/(4*1)=1/2。(同上假设)8.重新审视定义和计算：标准中介中心性基于最短路径。节点i的中介中心性=Σ(Σ(s,t属于N(i),s!=i,t!=i,路径(s,t)经过i)/(最短路径(s,t)总数))。对于B,C:s=A,t=C。路径(A,C)有A-B-C(长度2),A-D-C(不存在),A-B-B-C(长度3)。最短路径(A,C)=2。经过B的路径有A-B-C。经过B的次数=1。中介中心性(B)=1/(2*2)=1/4。类似计算C=1/4,A=1/4,D=1/4。9.再审视定义：可能是路径计数有误。标准定义：节点v的中介中心性=Σ(Σ(s,t属于N(v),s!=v,t!=v,路径(s,t)经过v)/(最短路径(s,t)总数))。计算总最短路径对数。Floyd-Warshall计算最短路径矩阵。```ABCDA0131B1013C3101D1310```最短路径(s,t):(A,C)=2,(B,D)=2,(C,A)=2,(C,B)=1,(D,A)=2,(D,B)=2。总最短路径对数=6。计算中介中心性：*A:s=B,t=C.路径B-C(1),A-B-C(2).经过A的路径1次。Σ=1/6.s=B,t=D.路径B-D(3),A-B-D(3),A-D(1).经过A的路径0次。Σ=0.s=C,t=B.路径C-B(1),A-C-B(3),A-B-C(2).经过A的路径1次。Σ=1/6.s=C,t=D.路径C-D(1),A-C-D(不存在),A-C-B-D(3).经过A的路径0次。Σ=0.s=D,t=A.路径D-A(1),A-D(1).经过A的路径0次。Σ=0.s=D,t=B.路径D-B(3),A-D-B(3).经过A的路径0次。Σ=0.A中介中心性=1/6+0+1/6+0+0+0=1/3.*B:s=A,t=C.路径A-C(2),A-B-C(2).经过B的路径1次。Σ=1/6.s=A,t=D.路径A-D(1),A-B-D(3).经过B的路径1次。Σ=1/6.s=C,t=A.路径C-A(3),A-C-B-A(3).经过B的路径1次。Σ=1/6.s=C,t=B.路径C-B(1).经过B的路径0次。Σ=0.s=D,t=A.路径D-A(1),A-D-A-B(3).经过B的路径1次。Σ=1/6.s=D,t=B.路径D-B(3).经过B的路径0次。Σ=0.B中介中心性=1/6+1/6+1/6+0+1/6+0=1/3.*C:s=A,t=B.路径A-B(1),A-C-B(2).经过C的路径1次。Σ=1/6.s=A,t=D.路径A-D(1),A-C-D(不存在),A-C-B-D(3).经过C的路径1次。Σ=1/6.s=B,t=A.路径B-A(不存在),A-B-A-C(3).经过C的路径1次。Σ=1/6.s=B,t=D.路径B-D(3),A-B-D(3),A-B-A-C-D(4).经过C的路径1次。Σ=1/6.s=D,t=A.路径D-A(1).经过C的路径0次。Σ=0.s=D,t=B.路径D-B(3).经过C的路径0次。Σ=0.C中介中心性=1/6+1/6+1/6+1/6+0+0=1/3.*D:s=A,t=B.路径A-B(1),A-D-B(3).经过D的路径1次。Σ=1/6.s=A,t=C.路径A-C(2),A-D-C(不存在),A-D-A-B-C(4).经过D的路径1次。Σ=1/6.s=B,t=A.路径B-A(不存在),A-B-A-D(3).经过D的路径1次。Σ=1/6.s=B,t=C.路径B-C(1),A-B-A-D-C(4).经过D的路径1次。Σ=1/6.s=C,t=A.路径C-A(3).经过D的路径0次。Σ=0.s=C,t=B.路径C-B(1).经过D的路径0次。Σ=0.D中介中心性=1/6+1/6+1/6+1/6+0+0=1/3.*最终答案：节点A和节点C的中介中心性均为1/3。2.BA无标度网络模型的基本特征是：①初始网络包含少量节点和边；②网络增长过程遵循“优先连接”原则，即新加入的节点更倾向于与已经连接度数较高的节点建立连接；③最终形成的网络度分布遵循幂律分布（P(k)~k^-γ，γ通常大于2），即少数节点拥有非常高的度数（hubs），而绝大多数节点度数较低。为什么这种增长机制容易产生无标度网络？因为优先连接机制使得度数高的节点在后续网络增长中持续获得新的连接，形成了“富者愈富”的现象。这使得网络的度分布不再符合ER随机图中的指数衰减分布，而是呈现出长尾分布，即少数节点度数极高，形成了网络中的“枢纽”，使得网络具有小世界特性（任意节点间平均路径短）和高度鲁棒性/脆弱性（去中心化程度高）。五、综合应用题1.分析层级结构对沟通网络的影响，可以提出以下两种分析思路：*思路一：比较不同层级社群的网络指标差异*原理：如果层级结构（如部门）确实影响了沟通模式，那么不同层级社群（部门内部或跨部门）的网络指标（如社群密度、平均路径长度、中心性分布）可能存在显著差异。*步骤：1.利用社群检测算法（如Louvain算法）将员工网络划分为不同的社群，并确认这些社群与公司部门结构大致对应。2.分别计算每个社群（部门）内部以及跨社群（部门间）的网络指标，例如社群密度、平均路径长度、各类型中心性（度、中介）的平均值或分布情况。3.使用统计检验方法（如t检验、方差分析、非参数检验）比较不同层级社群（部门）在网络指标上的差异是否显著。4.分析结果：如果发现部门内部网络密度显著高于跨部门网络密度，可能表明部门内部沟通更频繁；如果跨部门平均路径长度显著短于部门间距离，可能表明跨部门沟通存在捷径；如果某个部门的中心性节点（如信息传播者）显著多于其他部门，则表明该部门在信息流动中扮演更重要角色。*思路二：构建统计模型检验层级位置对沟通行为的影响*原理：将员工视为节点，沟通行为（如是否与某人沟通）视为边或属性。可以构建回归模型，将员工的沟通行为或特征变量作为因变量，将其在网络中的位置（如所属社群、社群中心性得分、部门层级）以及可能的调节变量（如职位、资历）作为自变量。*步骤：1.定义因变量，例如：是否与部门外员工沟通（二元变量）、与部门外员工沟通的频率（连续变量）。2.定义自变量：员工所属社群（虚拟变量）、社群中心性得分（连续变量，如将社群内所有节点的中心性求平均或使用基于社群的位置指标）、部门层级（虚拟变量或序数变量）。3.选择合适的统计模型，如逻辑回归（因变量为二元）、泊松回归或负二项回归（因变量为计数）、普通最小二乘回归（因变量为连续）。4.进行模型估计和检验。关注层级位置变量（如部门层级、社群中心性）的系数及其显著性。例如，检验部门层级是否显著影响员工与跨部门员工沟通的概率或频率。5.分析结果：如果模型显示部门层级或社群中心性对沟通行为有显著影响，可以解释为层级结构或网络位置调节了员工间的沟通模式。例如，来自中心位置社群或高层级部门的员工可能更有可能成为沟通者或信息传播者。2.构思统计建模方案：*模型形式：考虑到因变量是节点是否成为“意见领袖”（通常是二元变量），且涉及网络结构和节点特征，可以使用逻辑回归模型(LogisticRegression)。也可以考虑Probit模型或逻辑回归的拓展模型（如包含交互项或更复杂的网络结构变量）。*自变量：*核心网络变量：