کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7538184 1488844 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Mutual assent or unilateral nomination? A performance comparison of intersection and union rules for integrating self-reports of social relationships
ترجمه فارسی عنوان
موافقت متقابل یا نامزدی یک جانبه؟ یک مقایسه عملکرد از تقاطع و قوانین اتحاد برای ادغام خود گزارش از روابط اجتماعی
کلمات کلیدی
استنتاج شبکه، اندازه گیری، سازه های محلی جمع شده، دقت اطلاعرسانی، خطا
ترجمه چکیده
طرح های جمع آوری اطلاعات برای مطالعات شبکه های اجتماعی اغلب شامل درخواست از هر دو طرف برای ارتباط بالقوه برای گزارش عدم وجود این رابطه، و در نتیجه دو اندازه گیری در هر کراوات بالقوه. هنگامی که شبکه زیرزمینی را به ارمغان می آورد، بهتر است که کراوات را تنها زمانی که هر دو طرف گزارش آن را به عنوان موجود ارائه می دهند، تخمین بزنند یا زمانی که آن را گزارش می دهند؟ با استفاده از چند مجموعه داده که در آن ساختار شبکه می تواند به خوبی از تعداد زیادی از گزارش های خبره تعیین شده، ما بررسی عملکرد این دو قواعد ساده. تجزیه و تحلیل ما نتایج بهتر برای موافقت متقابل در تمام مجموعه داده ها مورد بررسی قرار می دهد. تجزیه و تحلیل نظری عملکرد برآوردگر نشان می دهد که بهترین قانون بستگی به نرخ خطای اساسی و پارامترهای شبکه زیربنایی دارد، به طوری که اسپارتی بودن برتری موافقت متقابل در تنظیمات شبکه های معمولی را برانگیخته است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
چکیده انگلیسی
Data collection designs for social network studies frequently involve asking both parties to a potential relationship to report on the presence of absence of that relationship, resulting in two measurements per potential tie. When inferring the underlying network, is it better to estimate the tie as present only when both parties report it as present or do so when either reports it? Employing several data sets in which network structure can be well-determined from large numbers of informant reports, we examine the performance of these two simple rules. Our analysis shows better results for mutual assent across all data sets examined. A theoretical analysis of estimator performance shows that the best rule depends on both underlying error rates and the sparsity of the underlying network, with sparsity driving the superiority of mutual assent in typical social network settings.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Social Networks - Volume 55, October 2018, Pages 55-62
نویسندگان
, ,