社会网络分析法 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[美] 约翰.斯科特 著，刘军 译

图书标签:

• 社会网络分析
• 网络科学
• 社会学
• 数据分析
• 关系分析
• 复杂网络
• 图论
• 统计学
• 计量社会学
• 社群发现

出版社： 重庆大学出版社

ISBN：9787562496632

版次：3

商品编码：11890348

包装：平装

丛书名： 万卷方法

开本：32开

出版时间：2016-03-01

用纸：胶版纸

页数：228

字数：198000

编辑推荐

　　

　　本书英文版第一版1990年出版，第二版2000年出版，我们此次出版的中文版是基于其2012年出版的英文第三版。无需赘言，一本书学术工具书的生命力能延续二三十年已经足以说明其价值。2006年，我们曾经引进出版本书的第二版，10年来得到了国内读者的一致好评，在专业圈子得到了广泛的应用。这也促使我们继续跟进其第三版。

内容简介

　　

　　本书是社会网络分析的一本导引或手册，而非需要一口气读完的讲义。 我把一些辅助性说明和难解的技术放在脚注中，不过有一些复杂的公式仍有必要留在正文内，希望它们越少越好。 我建议社会网络分析的初学者首先阅读第 2、3 章，然后泛读本书的其余章节，再返回到一些难点部分。 对于已经熟悉社会网络分析的读者来说，他们可以反之，首先浏览第 2、3 章，然后重点阅读第 4 章到第 9 章的内容。 如果在一项特定的研究中需要运用某种技术，那么与该技术相关的章节就应该精读。 尽管后续的章节依赖于前文中提出的论证，但是当试图应用某种特殊技术的时候，都可以反过来视每一章为一个参考源。

　　第 2 章讨论社会网络分析的历史，考察它在小群体社会心理学中的起源，随后在有关工厂和社区的社会学及社会人类学研究中得到发展，接下来到 1970 年代由哈佛大学的社会学家和 1990 年代由物理学家作出了更精深的研究。 本章展示了一些理论观点是如何在各类研究传统中出现的。 自 1970 年代以来出现了关键性的研究工作，它们将一些各自独立发展的观点整合起来，本章将展示现有的各种模型和测度是这些观点累积的结果。

　　第 3 章将考察在界定社会网络的边界以及选择所研究的关系时出现的问题。 本章也考察了基于特定个体的“个体网”分析与专注整体性质的整体网分析之间的关系。 本章也讨论了社会网络分析的数据收集方法，通过讨论引入了社会网络分析的某些必备工具。 特别是，本章介绍的矩社群图更是建立关系数据模型的简易且直观的方法。

　　第 4 章介绍社会网络的基本构成要素。 本章首先考察了社会计量学的基本观念，即将网络表达为由“点”和“线”构成的“图”，并且指出如何用它们提出一些概念，如“距离” “方向”和“密度”等。 在第 4章的论证基础上，第 5 章讨论了点的“中心度” （ｃｅｎｔｒａｌｉｔｙ）和整体网的“中心势”（ｃｅｎｔｒａｌｉｚａｔｉｏｎ），指出如何从局部的“个体中心”测度转向整体的“社群中心”测度。 第 6 章考察在分析社会网络内部的子群时使用的主要概念— — —即网络分离而成的“派系”和“社会圈”。 第 7 章转向探讨由社会关系界定的“位置”结构，并探讨这些位置以什么方式结合成为复杂的“拓扑”结构。 第 8 章关注网络动力学问题，探讨网络如

　　何随着时间而变。 在解释网络动力学以及检验有关网络结构和变迁的备择假设时，统计学上近期出现一些争论，本章也要考虑这些争论。

　　最后，第 9 章介绍展示关系资料的形式化方式，本章将超出简单的网络图，走向社会结构的多维“图”的生成以及一系列网络结构图形化的图论方法。多数章节在结尾部分都考察了所讨论的测度在特定经验研究中

作者简介

　　约翰·斯科特（John Scott）， 普利茅斯大学社会学教授和科研副校长。 他是英国国家学术院院士、英国皇家艺术学会会员。 他积极参与英国社会学会的活动，曾担任秘书、财务主管、分会主席和会长等多种职位。 他的近期著作有：《社会世界的概念化》（Conceptualising the Social world）（剑桥大学出版社，2011 年）、《社会网分析手册》 （ The Sage Handbook of Social NetworkAnalysis）（与 Peter Carrington 合编，Sage 出版社，2011 年）和《社会学》（Sociology）（与 James Fulcher 合著，牛津大学出版社，2011 年）。 他的新著作《社会学想象：维克托·布兰福德、帕特雷克·盖得斯及对社会重建的求索》 （ Envisioning Sociology： Victor Branford， Patrick Geddes，and the Quest for Social Reconstruction）（与 Ray Bromley 合著，SUNY 出版社，2013 年）探索了英国社会学史。

　　刘军，西安交通大学社会学系教授、博士生导师。 2003 年毕业于北京大学社会学系，获博士学位。 获北京大学 2006 年优秀博士学位论文二等奖。 出版的著作有《社会网络分析导论》（2004）、《法村社会

　　支持网络— — —一个整体研究的视角》（2006）、《整体网分析》（2014）、《网络交换论》（2014）（译著） 等 10 余部，发表“关系对联盟的影响”（《社会学研究》2013 年第 6 期）等论文近 40 篇。

目录

1 网络和关系 ………………………………………………………… 1

关系和属性 ………………………………………………………… 3

网络数据的分析 …………………………………………………… 5

网络数据的解释 …………………………………………………… 8

本书概要 …………………………………………………………… 9

2 社会网络分析的发展 …………………………………………… 12

社会计量分析和图论 …………………………………………… 14

人际结构和派系 ………………………………………………… 21

走向正式的结构模型 …………………………………………… 30

哈佛的突破 ……………………………………………………… 37

社会物理学家的介入 …………………………………………… 41

3 关系数据的分析 ………………………………………………… 45

关系数据的收集 ………………………………………………… 45

关系数据的选择和抽样 ………………………………………… 47

关系数据的准备 ………………………………………………… 56

关系数据的组织 ………………………………………………… 57

4 线、邻域和密度 …………………………………………………… 69

社群图和图论 …………………………………………………… 70

个体中心密度和社群中心密度 ………………………………… 75

关于绝对密度的题外话 ………………………………………… 81

社区结构和密度 ………………………………………………… 83

5 中心度、边缘性和中心势 ………………………………………… 90

局部中心度和整体中心度 ……………………………………… 91

中心势和图的中心 ……………………………………………… 97

公司网络中的银行中心性 ……………………………………… 102

6 成分、核心与派系 ……………………………………………… 108

成分、循环和结群 ……………………………………………… 109

成分的轮廓 ……………………………………………………… 116

派系及其交织 …………………………………………………… 121

成分和引文圈 …………………………………………………… 127

7 位置、集合和聚类 ……………………………………………… 133

点的结构对等性 ………………………………………………… 134

聚类：合并和分解诸点 ………………………………………… 136

用 ＣＯＮＣＯＲ 建立块模型 ……………………………………… 138

走向规则结构对等性 …………………………………………… 147

企业连锁与参与 ………………………………………………… 149

8 网络动力和网络变迁 …………………………………………… 155

建构网络结构变迁模型 ………………………………………… 156

检验各种解释 …………………………………………………… 159

9 维度和展示 ……………………………………………………… 163

距离、空间和量纲 ……………………………………………… 165

主成分和因子参考文献

精彩书摘

　　我不是一位受过数学训练的专家，而是一位运用社会网络分析的研究者。 多年以来，我始终努力深入地理解在网络结构和动力学中涉及哪些主要的测度，并试图把上述数学翻译为简单的语言（我希望它不会过于简化），评价特定的数学模型与特殊的研究需要之间的关联性。 因此，本书的目的就在于根据这种经验对这些测度进行系统的总结，并展示其应用。

　　……

《社会网络分析法》 一、 什么是社会网络分析法？ 社会网络分析法（Social Network Analysis, SNA），简而言之，是一种研究个体之间关系模式的理论和方法。它不将个体视为孤立的单元，而是关注个体所处的社会环境，即个体之间形成的各种连接构成的网络。这些连接可以是友谊、合作、信息传递、权力影响，甚至是敌对关系。SNA的核心在于，这些关系的结构和模式，能够深刻地影响个体行为、群体的动态以及整个社会的运作。 想象一下，我们不是孤立地观察一个人，而是看到他与家人、朋友、同事、邻居以及更广泛的社会群体之间的联系。SNA正是捕捉并量化这些联系，从而揭示出隐藏在日常互动中的深层结构。它提供了一套强大的工具和概念，帮助我们理解信息如何传播、权力如何分配、群体如何形成和解散、创新如何发生，以及社会资本如何积累等一系列社会现象。 二、 SNA的理论根源与发展历程 SNA并非横空出世，而是建立在一系列社会学、人类学、心理学和数学等学科的理论基础之上。其思想根源可以追溯到涂尔干关于“社会事实”的观念，以及马克思关于社会关系的论述。更直接的影响来自20世纪初的格罗纳维特（Jacob Moreno）的“心理测量法”（sociometry），他通过收集个体之间的偏好和排斥关系，绘制出群体结构图，这是SNA的早期实践。 20世纪中叶，随着数学和计算机技术的发展，SNA逐渐形成了更为系统化的理论框架和分析工具。以巴恩斯（J.A. Barnes）、洛伊特（Lois）、博格蒂（Peter Blau）和卡斯蒂尔斯（Manuel Castells）等为代表的学者，在研究社会结构、权力、信息流动等方面，对SNA的理论贡献至关重要。他们将SNA应用于民族志研究、组织分析、社区研究等领域，逐步丰富了SNA的理论内涵和应用范围。 进入21世纪，互联网和大数据时代的到来，为SNA提供了前所未有的数据来源和计算能力。社交媒体、通信记录、交易数据等海量网络数据的出现，极大地推动了SNA的研究和应用，使其能够分析更大规模、更复杂的社会网络，并对现实世界产生更为直接的影响。 三、 SNA的核心概念与度量 SNA的核心在于对“关系”的量化和对“结构”的分析。它引入了一系列独特的概念来描述和度量网络中的节点（个体、组织、国家等）和边（关系）。 节点（Nodes）/个体（Actors）: 网络中的基本单元，可以是人、组织、国家、网站等任何可以被视为独立实体的对象。 边（Edges）/关系（Ties）: 连接节点之间的关系，可以是有向的（如“A喜欢B”）或无向的（如“A与B是朋友”），也可以是加权的（关系的强度不同）。 网络（Network）: 由节点和边构成的集合，是SNA分析的基本对象。 在此基础上，SNA发展了丰富的网络度量指标，用于描述节点和网络的特征： 中心性（Centrality）: 衡量节点在网络中的重要性。 度中心性（Degree Centrality）: 衡量节点连接的边的数量，即有多少直接联系。高度中心性意味着该节点拥有更多的直接联系，在信息传播或资源获取上可能更具优势。 介数中心性（Betweenness Centrality）: 衡量节点在网络中作为其他节点之间最短路径上的比例。高介数中心性节点是重要的“桥梁”，控制着信息流动的通道，具有潜在的权力。 接近中心性（Closeness Centrality）: 衡量节点到网络中所有其他节点的平均距离。高接近中心性节点可以更快地接触到网络中的其他节点，信息传播效率高。 特征向量中心性（Eigenvector Centrality）: 衡量节点与其“重要”邻居的连接程度。它假设与网络中关键节点相连的节点本身也更重要。 密度（Density）: 衡量网络中实际存在的边占所有可能存在的边的比例。高密度网络意味着个体之间联系紧密，信息流通可能更高效，但同时也可能导致信息冗余。 集聚系数（Clustering Coefficient）: 衡量节点的朋友是否也相互认识。高集聚系数意味着网络中存在紧密的“小群体”或“社区”。 社群（Community）/模块度（Modularity）: 识别网络中紧密连接的节点群体，这些群体内部联系比外部联系更密集。 路径长度（Path Length）: 衡量两个节点之间通过边连接的最小步数，是衡量信息传播速度的重要指标。 结构洞（Structural Holes）: 节点在网络中的位置，如果一个节点连接了两个不直接连接的节点群体，它就占据了结构洞，可以从中获得信息优势和控制权。 四、 SNA的应用领域 SNA的应用范围极其广泛，几乎渗透到社会科学的各个领域，并逐渐扩展到工程、商业等领域。 组织研究: 分析组织内部的沟通渠道、权力结构、知识流动，识别关键影响者、瓶颈和冗余。可以帮助优化组织结构、提升协作效率、促进创新。 政治学: 研究政治精英之间的关系、政策网络、选举传播、国家间的联盟与冲突。 传播学: 分析信息如何在人群中传播，识别意见领袖、信息茧房、谣言的传播机制。在社交媒体时代，SNA成为理解网络舆论和信息生态的关键工具。 经济学: 研究市场上的商业关系、供应链、金融网络的风险传导。分析企业间的合作与竞争，理解创新扩散。 医学与公共卫生: 研究疾病的传播模式，识别高风险人群，设计干预措施。例如，艾滋病的传播模型就大量使用了SNA。 社会学: 研究家庭关系、社区结构、社会资本、社会运动、群体极化、身份认同等。 教育学: 分析学生之间的学习合作网络、教师之间的知识分享、学校内部的管理结构。 信息科学与计算机科学: 分析互联网链接结构、推荐系统、图数据库、网络安全等。 五、 SNA的研究方法与工具 SNA的研究过程通常包括以下几个步骤： 1. 界定研究问题和网络边界: 明确研究的对象（节点）和他们之间的关系（边），以及网络的范围。 2. 数据收集: 通过问卷调查、访谈、观察、公开数据（如社交媒体API、公开数据库）等方式收集关系数据。 3. 数据编码与表示: 将收集到的关系数据编码成适合计算机处理的格式，通常是邻接矩阵或边列表。 4. 网络可视化: 将网络结构以图形化的方式呈现出来，便于直观理解。 5. 网络分析: 使用SNA软件（如UCINET, Gephi, NetworkX, R的igraph包等）计算各种网络指标，识别关键节点、社群、结构洞等。 6. 结果解释与理论联系: 将量化分析结果与社会理论相结合，解释发现的现象，并得出研究结论。 六、 SNA的意义与价值 社会网络分析法之所以能够成为一门重要的研究方法，在于其独特的价值和贡献： 宏观与微观的连接: SNA能够将个体层面的互动与宏观的社会结构联系起来，揭示个体行为是如何受到其所处网络结构的影响，以及个体行为又如何塑造和改变网络结构。 超越个体属性: SNA强调关系的结构性力量，认为即使个体属性相似，但在不同的网络结构中，其行为和结果也会大相径庭。 发现隐藏的结构: SNA能够揭示肉眼难以察觉的隐藏关系和结构，例如幕后操纵、非正式沟通渠道、潜在的合作网络等。 提供预测与干预的基础: 通过对网络结构的分析，可以预测信息传播的趋势、资源的流动方向，并为设计有效的社会干预措施提供依据。 跨学科的通用语言: SNA的概念和方法具有高度的通用性，使其成为不同学科之间交流和合作的“通用语言”，促进了跨学科的研究。 总而言之，《社会网络分析法》是一门强大的研究视角和分析工具，它帮助我们跳出孤立的个体视角，去理解和解释纷繁复杂的社会现象，揭示隐藏在人与人、组织与组织之间联系背后的深层逻辑。无论是对社会规律的探索，还是对现实问题的解决，SNA都提供了深刻的洞察力。

评分☆☆☆☆☆

我花了大半个月的时间，才算是勉强啃完了这本书的前半部分，坦白讲，这绝不是那种可以“快速浏览”的读物，它需要你投入足够的时间和心力去消化吸收。每读完一个章节，我都会强迫自己停下来，在笔记本上画出相关的拓扑结构图，试图在脑海中重构那些抽象的概念。书中对于“小世界现象”的阐述尤其深刻，它不仅罗列了经典的六度分隔理论，更深入探讨了其在真实世界网络中的涌现机制，比如病毒的传播路径，或者金融市场的连锁反应。让我印象特别深刻的是，作者似乎有一种魔力，能把原本枯燥的图论知识，与我们日常接触到的社会热点现象紧密结合起来。我记得有一次，我在分析一个关于在线社区意见领袖的研究时，书中关于“权威性”和“信息熵”的讨论，为我的数据解释提供了全新的视角和强有力的理论支撑。这本书的深度是显而易见的，它要求读者具备一定的数理基础，但回报也是巨大的——它提供了一套全新的“看世界”的思维框架，让我开始用“节点”和“边”来审视我周围的一切人际互动。

评分☆☆☆☆☆

说实话，这本书的阅读体验有点像在攀登一座陡峭的山峰，过程充满挑战，但山顶的风景绝对值得。我最欣赏它的地方在于其罕见的批判性思维的植入。它没有把任何一种分析模型神化，而是坦诚地指出了每种方法的局限性和潜在的偏见。比如，在讨论基于样本的网络抽样技术时，作者详尽地分析了非随机抽样可能导致的结果偏差，并给出了多套修正方案。这对于那些希望将研究成果应用于政策制定的专业人士来说，是至关重要的警示。我发现，很多市面上的同类书籍往往只注重“如何计算”，却很少探讨“计算结果的可靠性与解释边界”。而这本书则不然，它在每一个关键的转折点，都会提醒读者回归到社会学的基本问题上去：我们到底在测量什么？测量出来的结果，在现实语境下意味着什么？这种严谨的态度，让这本书的学术价值得到了极大的提升，让我觉得手头的这本书，更像是一份高标准的学术规范指南，而非仅仅是一本技术手册。

评分☆☆☆☆☆

我带着一种近乎朝圣般的心态去接触这本书的，因为它在业内有着相当高的声誉，被认为是该领域的一部里程碑式的著作。对我而言，这本书最大的价值在于其宏大的视野和跨学科的整合能力。作者不仅仅停留在社会学或计算机科学的单一视角，而是巧妙地将经济学中的博弈论思想、心理学中的依恋理论，都融入到了网络结构的解释框架之中。这种多维度的交叉印证，使得对社会现象的理解不再是扁平化的，而是充满了立体感和层次感。特别是关于“网络嵌入性”的讨论，它提供了一个强有力的理论工具来解释为什么某些组织或群体能够抵抗外部冲击，维持长期的稳定与合作。阅读过程中，我经常会产生一种强烈的共鸣：原来那些看似随意的社会互动背后，都潜藏着可以被数学语言捕捉和描述的深刻规律。这本书的博大精深，让我感到自己对这个复杂世界的认知，又向前迈进了一大步，它无疑是一部值得反复研读的经典之作。

评分☆☆☆☆☆

这本书的封面设计着实让人眼前一亮，那种深沉的蓝色调配上简洁的几何图形，立刻营造出一种现代而又严谨的学术氛围。我一直对复杂系统的运行机制抱有浓厚的兴趣，尤其是在理解社会现象背上那些错综复杂的连接时，总觉得缺少一把趁手的工具。初翻阅这本，我首先被它清晰的逻辑结构所吸引。作者似乎非常擅长将晦涩难懂的数学模型和统计学概念，用一种非常直观且易于理解的方式呈现出来。例如，在介绍“中心性”概念时，书中并没有直接抛出复杂的矩阵计算，而是通过一系列生动的案例，比如某个组织内部的关键人物是如何通过信息流动来施加影响力的，让我立刻抓住了核心要义。这种教学方式极大地降低了初学者的门槛，使得原本可能望而却步的读者也能轻松入门。更值得称赞的是，书中对不同分析方法的适用场景界定得非常明确，避免了读者在实际操作中“会用工具但不知道该用哪个”的困境。整体来看，这本书在理论构建和实践指导之间找到了一个绝佳的平衡点，对于任何希望系统学习数据驱动的社会科学方法的人来说，都是一本不可多得的入门宝典。

评分☆☆☆☆☆

这本书的排版和插图设计，从实用角度来看，只能说是中规中矩，但内容上的丰富性是无可挑剔的。我个人非常看重工具书的“可操作性”，而这本书在这一点上确实下了不少功夫。它并没有将算法停留在纯理论层面，而是详细介绍了如何在主流的统计软件环境中实现这些模型的构建和参数估计。书中附带的那些针对特定算法的伪代码和步骤分解，对于像我这样需要快速将理论转化为实际分析流程的研究生来说，简直是救命稻草。我记得有一次，我被一个复杂的“模块识别”问题卡住了，查阅了多个在线资源都不得其解，最后还是在书中关于社区发现算法对比的那一章找到了清晰的对比和选择标准，成功地解决了我的数据处理难题。这本书的实用性，恰恰体现在那些最需要帮助的细节处，它真正体现了“授人以渔”的教学理念，让你在实践中不断巩固理论知识。

评分☆☆☆☆☆

帮朋友买的，书质量不错，价格便宜，送货快，好评

评分☆☆☆☆☆

好！！！！！！！！！

评分☆☆☆☆☆

可以，挺好的，哈哈哈哈哈哈哈哈哈

评分☆☆☆☆☆

约翰斯科特的经典著作，适合好好学习

评分☆☆☆☆☆

不错不错不错不错不错

评分☆☆☆☆☆

对社会网络分析的整个脉络介绍详细

评分☆☆☆☆☆

物流一如既往的快，而且是活动时买的，超级便宜～印的也很清晰，值得购买

评分☆☆☆☆☆

好！！！！！！！！！

评分☆☆☆☆☆

不错不错，值得一看