社会网络分析：从关系数据到结构推断

📝 社会网络分析（social network analysis, SNA）把关系而非孤立个体置于分析中心：它用节点和边表示行动者及其联系，描述机会、信息与影响如何沿网络分布，同时要求把结构模式与因果机制严格区分。

从属性数据到关系数据

常规社会调查把数据组织成“行是个体、列是属性”的表格：年龄、职业、收入或态度各占一列。社会网络分析增加了另一类信息：谁与谁合作、求助、通信、交换资源或共同参与活动。研究对象因而不只是行动者具有什么属性，还包括行动者嵌入了什么关系结构。一个人的机会可能取决于教育与经验，也可能取决于其联系人是否连接到不同的信息圈。

🏷️ 节点（node，也称 vertex）是网络中的分析单位，可以是个人、组织、家庭、城市、论文或其他实体。边（edge，也称 tie）是节点之间被研究者定义并记录的关系。节点和边都不是自然显现的对象，而是理论选择的结果。同一群同事可以按“共同完成项目”“日常咨询”或“私人友谊”构成三张不同的网络，三张图回答的问题并不相同。

🔍 网络的边至少有三个需要事先说明的维度。第一，有向网络（directed network）区分关系的发送方与接收方，例如甲向乙求助不等于乙也向甲求助；无向网络则把合作或共同隶属视为对称关系。第二，加权网络（weighted network）给每条边赋予强度，如一年内通信次数、共同项目数量或交易金额；二值网络只记录关系存在与否。第三，网络可以记录正向关系，也可以记录回避、冲突等负向关系。把所有关系压缩为一条无方向、无权重的边，会丢掉解释所需的信息。

🌍 例如，研究一个六人工作组时，“曾发过邮件”可能让几乎所有人相连，难以区分稳定协作与一次性通知。若改为有向加权边，以发件人为起点、收件人为终点、季度内实质性咨询次数为权重，便能区分频繁被咨询者、主动寻求帮助者和互惠对子。不过，邮件次数仍不等于信任或知识流动；操作化决定了网络实际测量的是什么。

一模网络与二模网络

一模网络（one-mode network）中的节点属于同一类型，例如学生之间的友谊、企业之间的供应关系、论文之间的引用。二模网络（two-mode network，也称 affiliation network）包含两类节点，边只跨类型连接，例如“研究者—项目”“董事—公司”“读者—书籍”。二模网络保留了共同参与的原始结构：两位研究者可能因为参与同一项目而间接关联，两项项目也可能因为拥有同一位成员而关联。

二模网络常被投影成一模网络。把“研究者—项目”投影为“研究者—研究者”网络后，共同参与项目的人彼此相连，边权可以表示共同项目数。这种转换便于使用常见的一模指标，却会制造稠密团块：一个有二十名成员的项目会一次生成大量两两联系，即使许多成员从未直接互动。研究者必须说明分析基于原始二模结构还是投影结构，不能把共同隶属自动解释为真实关系。

邻接矩阵：把关系写成数据

邻接矩阵（adjacency matrix）是网络最基本的数据表示。若网络有四个节点 A、B、C、D，矩阵的行表示关系发出者，列表示关系接收者；第 A 行、第 B 列的数值表示 A 到 B 是否有边或边有多强。二值网络中通常用 1 表示有边、0 表示无边，加权网络则填入次数、金额或其他强度。没有自身关系时，对角线为 0。

这张有向矩阵显示：A 同时联系 B 和 C，B 联系 A 和 D，C、D 都联系 B。矩阵不对称，因为 A 联系 C，而 C 没有反向联系 A。若把它强制对称化，方向信息就会消失；若把所有正数改成 1，强度信息也会消失。矩阵因此不只是存储格式，还明确暴露了分析前的数据转换。

网络数据与普通表格数据有一个根本差异：观测通常相互依赖。A 与 B 的关系可能受共同朋友 C 影响，B 新增一条边也会改变 A 的中心性和全网密度。许多常规统计模型假设每一行观测相互独立，直接把网络边当作普通样本会低估不确定性。社会网络模型的主要任务之一，正是把互惠、三角闭合等依赖结构纳入分析。

位置指标：中心并不只有一种

“谁最重要”不是一个完整的网络问题。重要性可能指联系最多、最常位于他人之间、到全网距离最短，或与重要者相连。不同中心性指标把不同的结构优势形式化，结果可能指向完全不同的节点。

度中心性

🏷️ 度中心性（degree centrality）计算一个节点直接连接的边数。在有向网络中，入度表示收到多少条边，出度表示发出多少条边；在加权网络中，边权之和常称为强度（strength）。

🔍 若咨询网络中有十名成员，E 被七人咨询，则 E 的入度较高，可能拥有声望或专门知识；F 主动向六人咨询，则 F 的出度较高，可能承担协调工作，也可能缺少独立解决问题的资源。两个方向具有不同含义，不能合成一个“人脉分数”。加权后还会出现另一种区别：连接十人但每人只交流一次，与连接三人但每天交流，其度数和强度给出的排序不同。

🌍 度中心性只反映直接邻居，适合描述即时可达的资源，却不保证掌握跨群体信息。一个人在紧密小组中认识所有成员，度数可能很高，但这些联系人彼此相连，带来的消息高度重复。

中介中心性

🏷️ 中介中心性（betweenness centrality）衡量一个节点位于其他节点最短路径上的频率。它捕捉的是桥梁、经纪与“必经之路”位置，而不是联系人数量。

🔍 假设 A、B、C 构成一个三角形，D、E、F 构成另一个三角形，两组之间只有 B—D 一条边。B 与 D 的度数只比组内成员多一条，却承担了两个群体之间几乎全部的最短路径。它们的中介中心性因此很高。若 B—D 中断，全网会分裂成两个部分，这也说明高得分有时意味着结构负担与脆弱性，而不只是权力。

🌍 中介中心性依赖“最短路径”假设。信息可能走捷径，但信任、复杂知识和高风险行为未必如此；它们可能沿多条冗余路径传播。把高概率出现在最短路径上直接解释为实际控制了信息，需要额外的过程证据。

接近中心性

🏷️ 接近中心性（closeness centrality）依据一个节点到其他节点的最短距离总和来排序。到全网平均距离越短，理论上越能迅速接触其他节点，也越快获得或散布信息。

🔍 在一条 A—B—C—D—E 的链上，C 到两端都只需两步，接近中心性高于 A 和 E。该指标适合有明确流动含义且网络连通的情形。若网络分成多个互不连通的部分，节点到另一个部分的距离为无限，传统算法便失去意义；实践中常改用调和接近中心性，但仍需说明定义。

🌍 接近并不等于影响。一个配送节点到所有仓库距离很短，确实可能提高物流速度；一个人在友谊网络中与多数人相隔两步，却未必能让陌生的二阶联系人采纳某种行为。路径长度描述结构可能性，实际传递还取决于关系内容与行动成本。

特征向量中心性

🏷️ 特征向量中心性（eigenvector centrality）不仅计算连接数量，还提高“连接到高分节点”的贡献。与许多边缘节点相连，未必比与少数核心节点相连得分高。

🔍 这一递归定义适合表示声望：被重要论文引用、获得高声望成员认可，往往比获得同等数量的普通连接更有分量。网页排序中的 PageRank 与这一思想同源，但加入了方向与随机跳转等修正。它也有明显局限：高分可能集中在一个稠密核心，跨群体的桥梁反而得分不高；边的意义若不是认可或资源传递，递归声望就缺少解释基础。

中心性没有脱离研究问题的“最佳指标”。若问题是咨询负担，入度和边权更贴切；若问题是跨部门协调，中介位置更贴切；若问题是全网通知速度，接近中心性可能更合适。先看图再挑出最符合故事的指标，会把探索性描述伪装成确证性检验。

整体结构：密度、聚类与社区

网络密度（density）是实际边数占全部可能边数的比例。五个节点的无向网络最多有十条边，若实际有四条，密度就是 0.4。有向网络中每一对节点可出现两个方向，分母因而不同。密度适合比较规模相同、边定义一致的网络；随着节点数增加，全部节点彼此相连越来越困难，直接比较不同规模网络的密度容易误导。

聚类（clustering）描述“朋友的朋友也是朋友”的局部闭合倾向。若 A 同时连接 B 和 C，而 B 与 C 也相连，三者构成一个三角形。A 的邻居之间实际存在的边占可能边的比例，就是一种局部聚类系数。高聚类有利于信任、共同规范和信息核验，却也可能带来重复信息与圈层封闭。

社区（community）指内部连接相对密集、外部连接相对稀疏的节点集合。社区不是数据中唯一、天然的分组；模块度最大化、谱聚类和随机游走等算法可能给出不同划分，同一算法在不同参数下也可能变化。一个组织图上出现三个颜色鲜明的团块，首先说明所选算法按某一准则完成了分区，并不自动证明存在三个具有共同认同的真实群体。有效解释需要结合成员访谈、组织边界或行为差异等外部证据。

三个指标之间不能互相替代。全网密度低时，局部社区内部仍可高度聚类；社区之间只需少量桥梁，全网就能保持连通。结构洞、弱连带与扩散理论关心的正是这种“局部闭合、整体由桥连接”的组合。

结构洞与关系收益

🏷️ 结构洞（structural hole）是两个互不连接的关系圈之间的空隙。Ronald Burt 认为，横跨空隙的经纪者获得非冗余信息、转译机会与协调优势。关键不在联系人总数，而在联系人是否来自彼此分离的群体。

🔍 假设 G 有六位联系人，但六人都属于同一团队并彼此熟悉；H 只有四位联系人，却分别来自研发、销售、供应与客户支持，而且彼此很少往来。G 的度数更高，H 的网络约束更低、跨越的结构洞更多。若某个部门的常规做法能解决另一个部门的问题，H 更可能率先发现并完成转译。Burt 的企业研究将这种位置与更早晋升、较高报酬及更有价值的创意联系起来。

🌍 经纪优势不是普遍奖励。闭合网络能传播声誉、执行规范并支持复杂合作，经纪位置则可能因为缺少信任而难以兑现。场域若高度强调忠诚，跨界者还可能被视为不可靠。结构洞也会随经纪者把双方连接起来而缩小，因此它描述的是动态机会，不是固定人格属性。

案例一：弱连带如何带来工作信息

Mark Granovetter 对美国波士顿郊区职业、技术和管理人员求职过程的研究发现，许多工作信息并非来自亲密朋友，而来自较少见面的熟人。弱连带（weak ties）的价值不在情感支持，而在于它们更可能跨越不同社会圈，把原本不会进入本圈的信息带进来。亲密朋友往往认识相同的人，掌握的职位消息因而高度重叠。

这一案例常被简化成“弱关系总比强关系有用”，但网络解释更精确：真正起作用的是桥接性。一条弱连带若连接的仍是同一朋友圈，就不会提供新信息；一条跨专业共同体的强连带也可能发挥桥梁作用。Burt 因此把分析焦点从关系强度转向结构洞。求职收益还受职业层级和既有资源影响：弱连带只有在另一端确实连接机会、且求职者能把信息转化为申请时才产生回报。

扩散：简单传染与复杂传染

网络扩散研究关注信息、行为、技术或规范如何沿关系传播。简单传染（simple contagion）只需一次有效接触即可传递，独立消息与低成本信息较接近这一模型。复杂传染（complex contagion）需要多个来源的社会强化，因为采纳涉及成本、风险、合法性判断或配合需求。

案例二：创新扩散为何需要重复确认

Damon Centola 2010 年的在线实验把参与者随机分配到两种度数相同的人工网络：一种具有较强聚类，邻居之间彼此相连；另一种连接更随机，长程边更多、平均路径更短。参与者通过网络邻居接触一个健康信息平台。结果显示，相关健康行为在聚类网络中传播得更快、覆盖更广，重复收到多个邻居邀请者也更容易采纳。

该实验修正了“短路径必然加快一切扩散”的直觉。随机网络适合把消息迅速送到远处，却可能让每个节点只接触到一个采纳者；聚类网络传播看似绕路，却能提供多次独立确认。对新工具或新流程而言，看到几位相互熟悉的同事都成功使用，可能比收到一位远方联系人的通知更有说服力。

不过，实验网络由研究者指派，边缺少真实关系的历史、信任与权力含义。它强化了内部效度，却限制了外部效度。真实世界中的创新扩散还可能由培训安排、价格变化、管理要求或共同媒体暴露推动，不能把时间上的相继采纳自动解释为沿边传染。

同质性与社会影响：网络因果推断的核心难题

同质性（homophily）指相似者更容易建立或维持关系。年龄、教育、职业、兴趣和生活方式都可能塑造交往选择。社会影响（social influence）则指关系建立后，一方的行为或态度使另一方发生变化。观察到朋友越来越相似，至少存在四种解释：相似者彼此选择、交往后互相影响、共同环境同时改变双方，以及关系与行为在时间中共同演化。

案例三：肥胖网络研究的争议

Nicholas Christakis 与 James Fowler 利用 Framingham Heart Study 的长期记录重建社会关系网络，并在 2007 年报告：当一名朋友变得肥胖时，焦点个体随后肥胖的概率也会上升。他们还利用友谊提名的方向差异支持社会影响解释：由焦点个体单方面认定的朋友出现变化时，关联较强；反向提名时较弱。这项研究使“肥胖可能在社会网络中扩散”成为广为传播的结论。

争议不在于网络中是否存在聚集，而在于聚集能否识别传染。朋友可能原本就有相似的饮食、运动偏好和社会经济处境；未被完整测量的社区环境也可能同时改变双方。体重变化还可能影响关系的形成、维持和提名方向。纵向数据建立了时间顺序，却不能自动消除潜在同质性与共同环境。模型若遗漏了这些过程，社会影响系数仍可能显著。

Cosma Shalizi 与 Andrew Thomas 在 2011 年给出了更一般的识别警告：在观察性网络数据中，只要存在未观测的特征，同时影响关系形成和后续行为，同质性与传染通常就无法仅凭常见回归控制区分。增加更多时点、控制朋友的滞后行为或使用固定效应，都不必然解决问题，因为潜在特征可以持续影响选边与结果。这个结论不是说社会影响不存在，而是说许多数据设计不能识别它。

⚠️ 网络图不能直接推出因果。 图上的相邻节点颜色相同，只能说明被记录的关系与属性在所选时间点上共同出现。布局算法会把连接密集的节点拉近，颜色与节点大小又常由研究者按结果变量和中心性设定，视觉上的团块因此部分是绘图规则的产物。没有反事实设计、时间信息与替代机制检验，“看起来像传播”仍只是描述。

更可信的识别策略包括随机分配信息暴露、随机构造部分网络关系、利用明确且可辩护的外生变化、收集关系形成前的丰富测量，以及设置负向对照和敏感性分析。每种策略都只排除一部分替代解释。实验可能改变关系的社会意义；自然实验需要论证变化确实与潜在倾向无关；丰富控制变量仍无法保证不存在未测混淆。网络因果推断的进步主要来自更清楚地陈述识别假设，而不是从图形中读出方向。

网络抽样、边界与缺失

完整网络研究首先要界定边界：哪些节点属于总体，什么关系达到记录门槛，观察覆盖哪个时段。一个学校、公司或项目组可以用成员名册定义边界，但非正式社群、跨组织合作和线上互动的边界往往开放。边界过窄会截断外部联系，恰好删去结构洞与桥梁；边界过宽则使数据收集成本急剧上升，并把偶然接触混入稳定关系。

常见数据收集方式各有适用范围：

• 全网名册法向边界内所有成员询问与其他成员的关系，适合规模有限且名单清楚的组织，但对不回应者高度敏感。
• 个人中心网络（ego network）只收集受访者本人、其联系人及联系人特征，适合总体庞大或边界开放的情形，却无法完整还原全网路径与社区。
• 链式推荐或滚雪球抽样从种子节点沿关系招募后续样本，适合难以建立抽样框的群体，但高连接者更容易被抽中，种子选择也会影响覆盖范围。
• 数字痕迹数据记录平台上的点击、关注或通信，规模大且时间精细，却只覆盖平台可见行为；账号不必等于个人，平台规则也会塑造边的生成。

网络缺失不是普通的样本量损失。漏掉一个边缘节点通常只影响局部；漏掉一个桥梁节点可能把一张连通网络切成两个社区，使平均路径、中介中心性和扩散模拟同时改变。漏报边会系统性降低度数和密度、抬高路径距离，并夸大社区之间的分离。若高活动者更愿参与调查，中心性分布又会向上偏；若关系敏感者更倾向隐瞒，互惠率和聚类也会失真。

因此，缺失处理不能只报告“回应率为多少”。研究应区分缺失节点、缺失边与缺失属性，比较不同缺失机制下指标是否稳定，并报告边界变化、阈值变化和权重处理的敏感性。把未被提名者视为不存在关系，隐含了“未报告即无边”的强假设；在回忆负担高或关系敏感的研究中，这一假设尤其薄弱。

网络数据还带来特殊伦理问题。参与者提名联系人时，会产生关于未同意参与者的信息；即使删除姓名，独特的关系结构也可能被外部数据重新识别。公开一张“匿名”邻接矩阵未必安全。数据最小化、访问控制、关系层面的风险评估，以及对可视化中小群体的遮蔽，通常比单纯删除姓名更重要。

ERGM：把局部机制与整体结构连接起来

指数随机图模型（exponential random graph model, ERGM）不把每条边视为独立事件，而把整张网络看作许多可能网络中的一个实现。模型用一组网络统计量描述关系形成倾向，例如总边数表示基础连接概率，互惠项表示有向关系是否倾向相互回应，三角项表示朋友的朋友是否更容易成为朋友，同质性项表示属性相似者是否更容易连接。

一个简明问题是：某工作组中同专业成员之间的合作边较多，这种聚集是否超出了网络总体密度、互惠和三角闭合所能解释的程度？普通比例比较可能把“同专业者碰巧处在同一密集团队”误作同质选择。ERGM 可以在同时考虑这些结构依赖后，估计同专业边是否仍然更常见。它适合检验关系形成的结构模式，而不是只做节点排名。

ERGM 的系数不能轻率地读成因果效应。横截面网络只显示最终结构，多个生成过程可能产生相似图形；模型设定遗漏关键结构时，参数会吸收其他机制。复杂模型还可能出现退化（degeneracy）：大部分概率集中在几乎全空或几乎全满的网络上，与观察网络不符。可靠分析需要理论驱动的统计项、拟合诊断、模拟网络与观察网络的比较，以及对替代设定的稳健性检验。

纵向研究也可使用随机行动者导向模型（stochastic actor-oriented model, SAOM），把关系变化与行为变化表示为连续的小步骤，比较选择与影响过程。它比横截面描述利用了更多时间信息，但仍依赖机会结构、变化时序和未观测混淆等假设。模型名称中的“行动者导向”是一种建模装置，不证明真实行动者按模型目标函数作决定。

方法争论与适用限度

社会网络分析的优势，是把常规属性分析忽略的相互依赖、位置差异和跨群体通道变成可观察对象。它能指出资源为何集中在某些位置、局部闭合如何与整体连通并存，也能比较不同关系定义下的结构。然而，结构指标本身不提供机制，精细模型也不能补救含义不清的边或严重缺失的边界。

关系实在论与测量怀疑构成第一组争论。关系取向认为，行动者的能力和偏好是在关系中形成的，不能把网络仅当作个体属性之外的附加变量。测量怀疑者则指出，问卷提名、平台关注和通信记录捕捉的是不同层次的关系，把它们都称为“边”会制造虚假的可比性。较稳妥的实践不是在两者间择一，而是明确关系的行为含义、时间窗口和记录机制。

结构解释与因果识别构成第二组争论。描述研究可以严谨地回答谁处于桥梁位置、网络是否分群、某种属性是否聚集；因果问题则要求说明若关系或暴露改变，结果会怎样。Shalizi & Thomas 的警告把两类主张之间的界线划得很清楚：观察到沿边相关，不足以排除潜在同质性。网络研究若没有识别设计，应使用“相关”“聚集”“与某结构一致”等表述，而非“导致”“传染”或“影响”。

可计算性与社会意义构成第三组争论。中心性和社区算法可以处理大型网络，却容易让关系被压缩成脱离语境的数字。一条咨询边可能表示信任，也可能表示正式职责；高入度可能是声望，也可能是工作负担。质性访谈、档案与参与观察能够说明边为何形成、当事人如何理解关系。混合方法在此不是装饰，而是检验结构指标是否具有所声称含义的重要手段。

网络方法最适合回答“关系结构如何分布、哪些位置拥有何种机会、某种过程在什么结构中更可能发生”。它不适合仅凭漂亮图形判断动机、群体认同或因果方向。可信结论通常比网络图更克制：先界定节点和边，再描述结构，随后提出机制，最后说明识别依赖哪些不可由数据自动验证的假设。

💭 延伸思考

• 同一个人可能在咨询网络中居于中心，在友谊网络中位于边缘。若两张网络给出相反排序，“社会地位”应如何定义，合并网络是否会抹去最重要的差异？
• 中介中心性把最短路径视为主要通道，而复杂传染依赖冗余路径。面对知识分享、信任建立和行为改变三类过程，路径假设应如何分别设定？
• 若网络边界的轻微变化就使社区数量和关键桥梁发生改变，结论应被视为不稳健，还是说明研究对象本就没有固定边界？
• Shalizi & Thomas 指出潜在同质性与传染通常无法从观察性网络数据中识别。在哪些现实研究中，随机化关系或暴露既可行又不破坏关系本身的意义？
• 网络可视化提高了复杂结构的可读性，也可能制造过度确信。图形设计应怎样同时展示缺失、测量误差和多种可能的社区划分？

📚 参考文献

1. Wasserman, S., & Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge University Press. 社会网络分析概念、矩阵与结构指标的经典教材。
2. Borgatti, S. P., Everett, M. G., & Johnson, J. C. (2018). Analyzing Social Networks (2nd ed.). Sage. 中心性、二模网络与数据收集的系统入门。
3. Granovetter, M. S. (1973). “The Strength of Weak Ties.” American Journal of Sociology, 78(6), 1360-1380. 弱连带与跨群体信息流动的经典论证。
4. Burt, R. S. (1992). Structural Holes: The Social Structure of Competition. Harvard University Press. 结构洞、网络约束与经纪收益的核心著作。
5. McPherson, M., Smith-Lovin, L., & Cook, J. M. (2001). “Birds of a Feather: Homophily in Social Networks.” Annual Review of Sociology, 27, 415-444. 同质性研究的权威综述。
6. Christakis, N. A., & Fowler, J. H. (2007). “The Spread of Obesity in a Large Social Network over 32 Years.” New England Journal of Medicine, 357(4), 370-379. 肥胖网络聚集与社会影响主张的代表性研究。
7. Shalizi, C. R., & Thomas, A. C. (2011). “Homophily and Contagion Are Generically Confounded in Observational Social Network Studies.” Sociological Methods & Research, 40(2), 211-239. 同质性与传染不可识别问题的关键警告。
8. Centola, D. (2010). “The Spread of Behavior in an Online Social Network Experiment.” Science, 329(5996), 1194-1197. 复杂传染与聚类网络的随机实验。
9. Robins, G., Pattison, P., Kalish, Y., & Lusher, D. (2007). “An Introduction to Exponential Random Graph (p*) Models for Social Networks.” Social Networks, 29(2), 173-191. ERGM 的概念、设定与解释入门。