Вы находитесь на странице: 1из 42

UCINET 6

GUA PRCTICA DE REDES SOCIALES DR. JOSEP A. RODRGUEZ DRA. FREDESVINDA MRIDA
Universitat de Barcelona Departamento de Sociologa y Anlisis de las Organizaciones

Josep A. Rodrguez y Fredesvinda Mrida NDICE

TEMA Presentacin de UCINET 6 Grabacin de datos Guardar los datos Abrir una matriz de datos existente Analizar matrices con Ucinet 6 1. PROPIEDADES DE LA RED 1.1 Densidad 2. COHESION 2.1 Distancia 2.2 Alcanzabilidad (Reachability) 3. CENTRALIDAD 3.1.Grado (Degree) 3.2 Cercana (Closeness) 3.3 Intermediacin (Betweenness) 3.4 Centralidad de flujo (Flow Betweenness) 3.5 Distancia geodsica ( Eigenvector) 3.6 Poder Bonacich (Bonacich power) 3.7 Centralidad Bonacich (Bonacich power) 4. SUB-GRUPOS 4.1 Cliqus 4.2 N-cliqus 4.3 Lambda Set 4.4 Facciones 4.5. Bloques y puntos de corte 5. ROLES Y POSICIONES SOCIALES 5.1 Equivalencia estructural 5.2 Equivalencia regular 6. GRFICOS 6. 1 GRFICOS CON PAJEK Opciones ms frecuentes para modificar sociogramas pajek 1. Modificar el sociograma 2. Modificar la presentacin 3. Exportacin en Bitmap 4. Abrir el sociograma en PAINT 6.2 GRFICOS CON MAGE Modificar presentacin 6.3 GRFICOS CON NETDRAW Activar NetDraw Modificar tamao de lneas y colores Anlisis de la red Componentes Transformaciones Guardar

PG. 2 3 5 6 7 8 8 10 10 11 12 12 14 15 16 17 18 20 22 22 24 26 28 29 31 31 33 34 34 35 35 36 36 37 38 38 39 39 39 40 40 41 41

Josep A. Rodrguez y Fredesvinda Mrida UCINET 6 UCINET 6 es un programa integrado que trabaja con entorno Window, permite analizar matrices sociales y visualizarlas, gracias a la incorporacin de 3 programas de grficos NetDraw, Pajek y Mage. NOTA: A diferencia de otros programas informticos los ficheros grabados con formato UCINET no se pueden abrir directamente. En todos los casos se han de abrir desde el programa activado. ESTRUCTURA GENERAL DE UCINET 6

El programa trabaja con una barra de men principal con formato Windows que contiene submens: FILA, DATA, TRANSFORM, TOOLS, NETWORK, DRAW, OPTIONS Y HELP. Men principal de UCINET 6

Cada submen puede ser activado con el ratn cliqueando encima del submen elegido. Para moverse dentro del submen tambin se har con el ratn. Para salir del submen cliquear el ratn fuera del submen que habamos seleccionado. A modo de ejemplo, se toma la base de datos correspondiente a las relaciones que se mantienen entre 10 alumnos de una misma clase, recogidos en forma de matriz cuadrada (porque estn los mismos alumnos tanto en las filas como en las columnas) que recoge con datos binarios la relacin de ayuda que hay entre ellos (relacin de ayuda=1; no relacin de ayuda=0).

Josep A. Rodrguez y Fredesvinda Mrida GRABACIN DE DATOS EN UCINET 6

Para grabar los datos de una matriz en UCINET 6 hay dos formas por las que se puede acceder: 1. Desde la barra de mens se activa DATA y se elige la opcin SPREADSHEET EDITOR

2. Se posiciona el cursor sobre el smbolo de hoja de calculo y se cliquea para activarla

Josep A. Rodrguez y Fredesvinda Mrida

Con cualquiera de las opciones elegidas, para grabar los datos en la matriz, se rellenan cada una de las celdas vacas. Incluso las etiquetas de las filas y las columnas.

Adems el programa permite COPIAR de una hoja de clculo de Excel los datos y PEGAR en la hoja de UCINET 6 sin tener que exportar e importar. Una vez que estn grabados los datos se recomienda guardarlos.

Josep A. Rodrguez y Fredesvinda Mrida GUARDAR DATOS UCINET 6 FILE: SAVE AS

GUARDAR COMO Es recomendable que se utilicen nombres cortos.

Josep A. Rodrguez y Fredesvinda Mrida ABRIR UNA MATRIZ DE DATOS EXISTENTE PARA MODIFICARLA

Unan matriz pregrabada se puede abrir directamente desde el men principal de UCINET 6 FILE: OPEN

Una vez abierto se selecciona aqul archivo donde est la matriz que se desea abrir

Josep A. Rodrguez y Fredesvinda Mrida ANALIZAR MATRICES CON UCINET 6

Las dimensiones e indicadores de anlisis fundamentales de redes sociales son:

1. PROPIEDADES DE LA RED 1.1 Densidad 2. COHESIN 2.1 Distancia 2.2 Alcanzabilidad (Reachability) 3. CENTRALIDAD 3.1. Grado (Degree) 3.2 Cercana (Closeness) 3.3 Intermediacin (Betweenness) 3.4 Centralidad de flujo (Flow Betweenness) 3.5 Distancia geodsica ( Eigenvector) 3.6 Poder de Bonacich (Bonacich power) 3.7 Centralidad de Bonacich (Bonacich power) 4. SUB-GRUPOS 4.1 Cliqus 4.2 N-cliqus 4.3 Lambda Set 4.4 Facciones 4.5 Bloques y puntos de corte 5. ROLES Y POSICIONES SOCIALES 5.1 Equivalencia estructural 5.2 Equivalencia regular

Josep A. Rodrguez y Fredesvinda Mrida 1. PROPIEDADES DE LA RED

1.1 Densidad La densidad mide la proporcin de relaciones existentes sobre el total de relaciones posibles. Indica la intensidad de las relaciones en el conjunto de la red. NETWORK: NETWORK PROPERTIES: DENSITY

En la siguiente pantalla verifica que la matriz que se ha seleccionado y pregunta si en el anlisis se ha de tener en cuenta los valores de la diagonal de la matriz o si se han de ignorar.

Josep A. Rodrguez y Fredesvinda Mrida 10 FILE: SAVE AS: GUARDAR COMO

BLOCK DENSITIES OR AVERAGES -------------------------------------------------------------------------------Input dataset: A:\CLASE

Density / average value within blocks 1 -----0.1111

Standard De6ations within blocks 1 -----1 0.3143 Use MATRIX>TRANSFORM>DICHOTOMIZE procedure to get binary image matrix. Density table(s) saved as dataset Density Standard de6ations saved as dataset DensitySD Actor-by-actor pre-image matrix saved as dataset DensityModel ---------------------------------------Running time: 00:00:15 Output generated: 27 mar 03 19:10:43 Copyright (c) 1999-2000 Analytic Technologies

El resultado se interpreta en forma de porcentaje: Density / average value within blocks La densidad media de la red es del 11, 11%

Josep A. Rodrguez y Fredesvinda Mrida 11 2. COHESIN

2.1 Distancia La distancia nos indica el esfuerzo para que un actor alcance a otro. La distancia geodsica es el nmero de relaciones en el camino ms corto de un actor a otro. La distancia geodsica ms grande se llama ecentricidad (medida de lejana de un actor a otro). El dimetro de una red es la distancia geodsica ms larga de la red. NETWORK: COHESION: DISTANCE

DISTANCE -------------------------------------------------------------------------------Type of data: ADJACENCY Nearness transform: NONE Input dataset: A:\CLASE For each pair of nodes, the algorithm finds the # of edges in the shortest path between them. Average distance (among reachable pairs) = 1.579 Geodesic Distances 1 1 2 3 4 5 6 7 8 9 0 E J A P M J M P P J - - - - - - - - - 0 1 1 2 2 1 0 1 0 2 3 1 2 1 0 0 2 1 0 0 1 1 2 3 0 2 0 1 0

1 2 3 4 5 6 7 8 9 10

Eva Juan Ana Pedro Marta Josep Mila Pilar Pio Julio

El resultado es un valor (1.579) que indica la distancia media ms corta que hay entre los alumnos en el sistema de relaciones de ayuda.

Josep A. Rodrguez y Fredesvinda Mrida 12 2.2 Alcanzabilidad (reachability) Un actor es alcanzable por otro si existe un conjunto de conexiones que van de uno a otro. Si hay actores no conectados nos apuntan a una red des-estructurada, posibilidad de subgrupos. NETWORK: COHESION: REACHABILITY

REACHABILITY -------------------------------------------------------------------------------Type of data: Input dataset: ADJACENCY A:\CLASE

For each pair of nodes, the algorithm finds whether there exists a path of any length that connects them. 1 1 2 3 4 5 6 7 8 9 0 E J A P M J M P P J - - - - - - - - - 1 Eva 0 0 1 0 0 1 1 1 0 1 2 Juan 0 0 0 0 0 0 0 0 0 0 3 Ana 1 0 0 0 0 1 1 1 0 1 4 Pedro 0 1 0 0 0 0 0 0 0 0 5 Marta 0 0 0 0 0 0 1 0 0 1 6 Josep 0 0 0 0 0 0 0 0 0 0 7 Mila 0 0 0 0 0 0 0 0 0 0 8 Pilar 1 0 1 0 0 1 1 0 0 1 9 Pio 0 0 0 0 0 0 0 0 0 0 10 Julio 0 0 0 0 0 0 1 0 0 0 ---------------------------------------Running time: 00:00:03 Output generated: 27 mar 03 19:35:09 Copyright (c) 1999-2000 Analytic Technologies

El resultado indica qu actores son alcanzables (directa e indirectamente) por otros en terminos de ayuda.

Josep A. Rodrguez y Fredesvinda Mrida 13 3. CENTRALIDAD

La centralidad de la red estudia los actores ms centrales, ms prominentes, ms poderosos y prestigiosos. Se utilizan varios indicadores y cada uno de ellos aporta una informacin especfica sobre las dimensiones del prestigio y del poder. Las redes asimtricas utilizan los indicadores: Outdegree e Indegree. Las redes simtricas utilizan el indicador: Grado que pone de manifiesta las relaciones directas que tiene cada actor. 3.1. Grado (degree) 1.- Inicio de las relaciones: (Inicio de contacto) (Outdegree): Indica el nmero de conexiones/relaciones directas iniciadas por cada actor. Refleja tanto la acti6dad social de cada actor como su capacidad para acceder al resto de actores. 2.- Recepcin de relaciones: (de contactos) (Indegree). Indica el nmero de actores que se relacionan de forma directa (que contactan) a cada actor. Permite conocer a los actores ms prestigiosos o de referencia para el resto de la red. Posiblemente es el indicador ideal para el anlisis de prestigio y poder (a nivel local). NETWORK: CENTRALIZATION: DEGREE

En esta figura debe tenerse en cuenta si la matriz es SIMTRICA o ASIMTRICA y seleccionar la opcin que proceda en cada caso.

Josep A. Rodrguez y Fredesvinda Mrida 14 RESULTADOS DE DEGREE (GRADO)


FREEMAN'S DEGREE CENTRALITY MEASURES -------------------------------------------------------------------------------Diagonal valid? Model: Input dataset: NO ASYMMETRIC A:\CLASE

1 8 3 4 5 10 7 2 9 6

Eva Pilar Ana Pedro Marta Julio Mila Juan Pio Josep

1 2 3 4 OutDegree InDegree NrmOutDeg NrmInDeg ------------ ------------ ------------ -----------3.000 2.000 33.333 22.222 2.000 1.000 22.222 11.111 2.000 2.000 22.222 22.222 1.000 0.000 11.111 0.000 1.000 0.000 11.111 0.000 1.000 2.000 11.111 22.222 0.000 1.000 0.000 11.111 0.000 1.000 0.000 11.111 0.000 0.000 0.000 0.000 0.000 1.000 0.000 11.111

DESCRIPTIVE STATISTICS 1 2 3 4 OutDegree InDegree NrmOutDeg NrmInDeg ------------ ------------ ------------ -----------1.000 1.000 11.111 11.111 1.000 0.775 11.111 8.607 10.000 10.000 111.111 111.111 1.000 0.600 123.457 74.074 20.000 16.000 2469.135 1975.308 10.000 6.000 1234.568 740.741 4.472 4.000 49.690 44.444 0.000 0.000 0.000 0.000 3.000 2.000 33.333 22.222

1 Mean 2 Std Dev 3 Sum 4 Variance 5 SSQ 6 MCSSQ 7 Euc Norm 8 Minimum 9 Maximum

Network Centralization (Outdegree) = 24.691% Network Centralization (Indegree) = 12.346% NOTE: For valued data, both the normalized centrality and the centralization index may be larger than 100%. Actor-by-centrality matrix saved as dataset FreemanDegree ---------------------------------------Running time: 00:00:02 Output generated: 27 mar 03 19:54:34 Copyright (c) 1999-2000 Analytic Technologies

Josep A. Rodrguez y Fredesvinda Mrida 15 3.2 Cercana (Closeness) La cercana mide la distancia media de cada actor con respecto al resto de actores de la red. Los indicadores mayores sugieren que hay una facilidad mayor de acceso al resto de los miembros de la red. Una mayor capacidad de obtener y enviar informacin.

CLOSENESS CENTRALITY -------------------------------------------------------------------------------Input dataset: A:\CLASE Method: Geodesic paths only (Freeman Closeness) Output dataset: A:\Closeness Closeness Centrality Measures 1 2 3 4 inFarness outFarness inCloseness outCloseness ------------ ------------ ------------ -----------51.000 90.000 17.647 10.000 56.000 81.000 16.071 11.111 65.000 90.000 13.846 10.000 72.000 47.000 12.500 19.149 72.000 49.000 12.500 18.367 73.000 49.000 12.329 18.367 81.000 90.000 11.111 10.000 90.000 81.000 10.000 11.111 90.000 90.000 10.000 10.000 90.000 73.000 10.000 12.329 1 2 3 4 inFarness outFarness inCloseness outCloseness ------------ ------------ ------------ -----------74.000 74.000 12.600 13.043 13.266 17.612 2.483 3.728 740.000 740.000 126.005 130.435 176.000 310.200 6.167 13.899 56520.000 57862.000 1649.381 1840.313 1760.000 3102.000 61.667 138.994 237.739 240.545 40.613 42.899 51.000 47.000 10.000 10.000 90.000 90.000 17.647 19.149

7 10 6 1 3 8 2 4 9 5

Mila Julio Josep Eva Ana Pilar Juan Pedro Pio Marta

Statistics 1 Mean 2 Std Dev 3 Sum 4 Variance 5 SSQ 6 MCSSQ 7 Euc Norm 8 Minimum 9 Maximum

Network centralization not computed for unconnected graphs Output actor-by-centrality measure matrix saved as dataset A:\Closeness

Josep A. Rodrguez y Fredesvinda Mrida 16 3.3 Intermediacin (Betweenness) Para cada actor nos indica en qu medida est en una posicin intermediaria en las comunicaciones geodsicas (es decir, ms cortas) entre el resto de actores. Los actores con mayor intermediacin tienen un gran poder porque controlan los flujos de comunicacin ptimos. Desde la barra de men principal se cliquean las siguientes opciones NETWORK: CENTRALITY: BETWEENNESS: NODES

FREEMAN BETWEENNESS CENTRALITY Input dataset: A:\CLASE Important note: this routine binarizes but does NOT symmetrize. Un-normalized centralization: 49.000 1 2 Betweenness nBetweenness ------------ -----------1 Eva 6.000 8.333 2 Juan 0.000 0.000 3 Ana 1.000 1.389 4 Pedro 0.000 0.000 5 Marta 0.000 0.000 6 Josep 0.000 0.000 7 Mila 0.000 0.000 8 Pilar 0.000 0.000 9 Pio 0.000 0.000 10 Julio 4.000 5.556 DESCRIPTIVE STATISTICS FOR EACH MEASURE 1 2 Betweenness nBetweenness ------------ -----------1 Mean 1.100 1.528 2 Std Dev 2.022 2.809 3 Sum 11.000 15.278 4 Variance 4.090 7.890 5 SSQ 53.000 102.238 6 MCSSQ 40.900 78.897 7 Euc Norm 7.280 10.111 8 Minimum 0.000 0.000 9 Maximum 6.000 8.333 Network Centralization Index = 7.56%

Josep A. Rodrguez y Fredesvinda Mrida 17 3.4 Centralidad de flujo (Flow Betweenness) La centralidad de flujo indica la posicin de intermediacin que ocupa cada actor en todos los tipos de contactos y comunicaciones que mantiene con otros actores. Calcula el flujo de intermediacin de la red en cada vrtice para conocer los valores de centralidad de flujo que tiene toda la red. Desde la barra de men principal se cliquean las siguientes opciones NETWORK: CENTRALITY: FLOW BETWEENNESS

FLOW BETWEENNESS CENTRALITY MEASURES Input dataset: A:\CLASE Dataset is not symmetric. 1 2 FlowBet nFlowBet ------------ -----------1 Eva 2.000 2.778 2 Juan 0.000 0.000 3 Ana 1.500 2.083 4 Pedro 0.000 0.000 5 Marta 0.000 0.000 6 Josep 0.000 0.000 7 Mila 0.000 0.000 8 Pilar 0.500 0.694 9 Pio 0.000 0.000 10 Julio 1.000 1.389 Network Centralization Index = 2.315% DESCRIPTIVE STATISTICS FOR EACH MEASURE 1 2 FlowBet nFlowBet ------------ -----------1 Mean 0.500 0.694 2 Std Dev 0.707 0.982 3 Sum 5.000 6.944 4 Variance 0.500 0.965 5 SSQ 7.500 14.468 6 MCSSQ 5.000 9.645 7 Euc Norm 2.739 3.804 8 Minimum 0.000 0.000 9 Maximum 2.000 2.778

Josep A. Rodrguez y Fredesvinda Mrida 18 3.5 Distancia geodsica ( Eigenvector) La Distancia geodsica nos permite identificar a los actores ms centrales en trminos de la estructura global de la red. Se presta menos atencin a la centralidad local. Puntuaciones ms altas indican una mayor centralidad global. NETWORK: CENTRALITY: EIGENVECTOR

BONACICH CENTRALITY Input dataset: A:\CLASE WARNING: This version of the program cannot handle asymmetric data. Matrix symmetrized by taking larger of Xij and Xji. EIGENVALUES FACTOR VALUE PERCENT CUM % RATIO ------- ------ ------- ------- ------1: 2.431 48.1 48.1 1.832 2: 1.327 26.2 74.3 1.327 3: 1.000 19.8 94.0 3.321 4: 0.301 6.0 100.0 ======= ====== ======= ======= ======= 5.59 100.0 Bonacich Eigenvector Centralities Descriptive Statistics 1 2 1 2 Eigenvec nEigenvec Eigenvec nEigenvec --------- ----------------- --------1 Eva 0.613 86.653 1 Mean 0.242 34.163 2 Juan 0.000 0.000 2 Std Dev 0.204 28.860 3 Ana 0.428 60.558 3 Sum 2.416 341.630 4 Pedro 0.000 0.000 4 Variance 0.042 832.888 5 Marta 0.157 22.166 5 SSQ 1.000 20000.000 6 Josep 0.252 35.646 6 MCSSQ 0.416 8328.882 7 Mila 0.157 22.166 7 Euc Norm 1.000 141.421 8 Minimum 0.000 0.000 8 Pilar 0.428 60.558 9 Pio 0.000 0.000 9 Maximum 0.613 86.653 10 Julio 0.381 53.883 10 N of Obs 10.000 10.000 Network centralization index = 87.48%

Josep A. Rodrguez y Fredesvinda Mrida 19 3.6 Poder de Bonacich (Bonacich power) INDICADOR DE PODER El ndice de poder de Bonacich plantea que la centralidad de cada actor est en funcin de: 1. La cantidad de conexiones que tiene el actor. 2. Cuantas conexiones tienen los actores de su vecindario. Cuantas menos conexiones tengan los actores de su vecindario, ms poderoso ser el actor A Poder: Peso negativo a las conexiones con actores bien conectados y peso positivo a las conexiones con actores conectados dbilmente (Beta =-0,5). NETWORK: CENTRALITY: POWER

DAR VALOR NEGATIVO A BETA

Josep A. Rodrguez y Fredesvinda Mrida 20


BONACICH POWER -------------------------------------------------------------------------------Beta parameter: Input dataset: -0.500000 A:\CLASE

WARNING: The data are not symmetric (nor does this program symmetrize them. 1 0 J 1 0 0 0 1 0 0 0 0 0

1 2 3 4 5 6 7 8 9 10

Eva Juan Ana Pedro Marta Josep Mila Pilar Pio Julio

1 E 0 0 1 0 0 0 0 1 0 0

2 J 0 0 0 1 0 0 0 0 0 0

3 A 1 0 0 0 0 0 0 1 0 0

4 P 0 0 0 0 0 0 0 0 0 0

5 M 0 0 0 0 0 0 0 0 0 0

6 J 1 0 0 0 0 0 0 0 0 0

7 M 0 0 0 0 0 0 0 0 0 1

8 P 0 0 1 0 0 0 0 0 0 0

9 P 0 0 0 0 0 0 0 0 0 0

Actor Power 1 Power -----------2.200 -0.000 0.600 1.000 0.500 -0.000 -0.000 0.600 0.000 1.000

1 2 3 4 5 6 7 8 9 10

Eva Juan Ana Pedro Marta Josep Mila Pilar Pio Julio

STATISTICS 1 Power -----------0.590 0.658 5.900 0.433 7.810 4.329 2.795 -0.000 2.200

1 Mean 2 Std Dev 3 Sum 4 Variance 5 SSQ 6 MCSSQ 7 Euc Norm 8 Minimum 9 Maximum

Output actor-by-centrality measure matrix saved as dataset BonacichPower ---------------------------------------NOTA: LOS VALORES DE PODER DE BONACICH SE INTERPRETAN SIN TENER EN CUENTA EL SIGNO.

Josep A. Rodrguez y Fredesvinda Mrida 21 3.7 Centralidad Bonacich (Bonacich power) - INDICADOR DE CENTRALIDAD El ndice de poder de Bonacich plantea que la centralidad de cada actor est en funcin de: 1. La cantidad de conexiones que tiene el actor. 2. Cuantas conexiones tienen los actores de su vecindario. Cuantas ms conexiones tengan los actores del vecindario de A, ms central ser A. Centralidad: Peso positivo a las conexiones de los actores del vecindario. La centralidad depende del grado de A y del grado de aquellos conectados a A (Beta = +0,5). NETWORK: CENTRALITY: POWER

DAR VALOR POSITIVO A BETA

Josep A. Rodrguez y Fredesvinda Mrida 22


BONACICH POWER -------------------------------------------------------------------------------Beta parameter: Input dataset: 0.500000 A:\CLASE

WARNING: The data are not symmetric (nor does this program symmetrize them. 1 0 J 1 0 0 0 1 0 0 0 0 0

1 2 3 4 5 6 7 8 9 10

Eva Juan Ana Pedro Marta Josep Mila Pilar Pio Julio

1 E 0 0 1 0 0 0 0 1 0 0

2 J 0 0 0 1 0 0 0 0 0 0

3 A 1 0 0 0 0 0 0 1 0 0

4 P 0 0 0 0 0 0 0 0 0 0

5 M 0 0 0 0 0 0 0 0 0 0

6 J 1 0 0 0 0 0 0 0 0 0

7 M 0 0 0 0 0 0 0 0 0 1

8 P 0 0 1 0 0 0 0 0 0 0

9 P 0 0 0 0 0 0 0 0 0 0

Actor Power 1 Power -----------11.000 -0.000 15.000 1.000 1.500 0.000 -0.000 15.000 -0.000 1.000

1 2 3 4 5 6 7 8 9 10

Eva Juan Ana Pedro Marta Josep Mila Pilar Pio Julio

STATISTICS 1 Power -----------4.450 6.142 44.500 37.722 575.250 377.225 23.984 -0.000 15.000

1 Mean 2 Std Dev 3 Sum 4 Variance 5 SSQ 6 MCSSQ 7 Euc Norm 8 Minimum 9 Maximum

Output actor-by-centrality measure matrix saved as dataset BonacichPower ---------------------------------------NOTA: LOS VALORES DE CENTRALIDAD DE BONACICH SE INTERPRETAN SIN TENER EN CUENTA EL SIGNO.

Josep A. Rodrguez y Fredesvinda Mrida 23 4. SUB-GRUPOS

El estudio de los sub-grupos o sub-estructuras de la red, permite analizar el comportamiento de la red en su conjunto, en funcin de la posicin de los actores en esas sub-estructuras. 4.1 Cliqus El estudio de la cohesin de la red se realiza mediante el anlisis de los cliqus como indicador del centro neurlgico de la red. Es la estructura que est ms fuertemente cohesionada. Se denomina la columna vertebral de la red. Altos niveles de cohesin ponen de manifiesto espacios de alta identificacin y solidaridad entre los actores. NETWORK: SUBGROUPS: CLIQUES

En la pantalla de cliqus es necesario indicar EL NMERO DE ACTORES que como mnimo ha de componer cada cliqu. El programa por defecto presentar cliqus con 3 actores.

Josep A. Rodrguez y Fredesvinda Mrida 24


CLIQUES -------------------------------------------------------------------------------Minimum Set Size: 3 Input dataset: C:\Documents and Settings\ub194144\Mis documentos\F MERIDA\Manual redes\CLASE WARNING: Directed graph. Direction of arcs ignored. 1 cliques found: 1: Eva Ana Pilar

Actor-by-Actor Clique Co-Membership Matrix 1 E 1 0 1 0 0 0 0 1 0 0 2 J 0 0 0 0 0 0 0 0 0 0 3 A 1 0 1 0 0 0 0 1 0 0 4 P 0 0 0 0 0 0 0 0 0 0 5 M 0 0 0 0 0 0 0 0 0 0 6 J 0 0 0 0 0 0 0 0 0 0 7 M 0 0 0 0 0 0 0 0 0 0 8 P 1 0 1 0 0 0 0 1 0 0 9 P 0 0 0 0 0 0 0 0 0 0 1 0 J 0 0 0 0 0 0 0 0 0 0

1 2 3 4 5 6 7 8 9 10

Eva Juan Ana Pedro Marta Josep Mila Pilar Pio Julio

HIERARCHICAL CLUSTERING OF EQUIVALENCE MATRIX J u a n Level ----1.000 0.000 P e d r o M a r t a J o s e p P J M i u i E A l P l l v n a i i a a a r o o

1 2 4 5 6 7 1 3 8 9 0 - - - - - - - - - . . . . . XXXXX . . XXXXXXXXXXXXXXXXXXX DIAGRAMA

Josep A. Rodrguez y Fredesvinda Mrida 25 4.2 N-cliqu En muchos casos el concepto de cliqu puede ser demasiado restrictivo porque cada miembro debe tener relacin directa con cada uno de los otros miembros. N-cliqu es til en situaciones en las que algunos actores de un supuesto cliqu no estn conectados a todos los dems. En este supuesto, Ncliqu trabaja considerando que los actores del cliqu estn conectados entre si a distancia mayor de 1. Normalmente se utiliza la distancia 2 (por ejemplo, amigo de amigo). NETWORK: SUBGROUPS: N-CLIQUES

En la pantalla de N-cliqus es necesario poner EL NMERO DE ACTORES que como mnimo ha de componer cada N-cliqu (Minimum size) e indicar el valor de la distancia (Value of N:)

Josep A. Rodrguez y Fredesvinda Mrida 26


N-CLIQUES -------------------------------------------------------------------------------Max Distance (n-): 2 Minimum Set Size: 3 Input dataset: A:\CLASE WARNING: Directed graph. Direction of arcs ignored. 10 2 2-cliques found. 1: Eva Ana Josep Pilar Julio 2: Eva Marta Mila Julio 1 E 2 0 1 0 1 1 1 1 0 2 2 J 0 0 0 0 0 0 0 0 0 0 3 A 1 0 1 0 0 1 0 1 0 1 4 P 0 0 0 0 0 0 0 0 0 0 5 M 1 0 0 0 1 0 1 0 0 1 6 J 1 0 1 0 0 1 0 1 0 1 7 M 1 0 0 0 1 0 1 0 0 1 8 P 1 0 1 0 0 1 0 1 0 1 9 P 0 0 0 0 0 0 0 0 0 0 1 0 J 2 0 1 0 1 1 1 1 0 2

1 2 3 4 5 6 7 8 9 10

Eva Juan Ana Pedro Marta Josep Mila Pilar Pio Julio

HIERARCHICAL CLUSTERING P J P M J e o i a M u d P A s l r i a r i n e a t l n o o a p r a a Level ----2.000 1.000 0.667 0.000

OF EQUIVALENCE MATRIX J u E l v i a o

1 2 4 9 3 6 8 5 7 1 0 - - - - - - - - - . . . . . . . . XXX . . . XXXXX XXXXXXX . . . XXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXX DIAGRAMA

Josep A. Rodrguez y Fredesvinda Mrida 27 4.3 Lambda Set Lambda Set identifican los conjuntos de relaciones entre actores que si se desconectaran de la red (eliminacin de relaciones entre ellos) afectaran ms al flujo de comunicacin entre todos los actores porque fragmentaria la red social. NETWORK: SUBGROUPS: LAMBDA-SET

Josep A. Rodrguez y Fredesvinda Mrida 28


LAMBDA SETS -------------------------------------------------------------------------------Input dataset: A:\CLASE WARNING: data symmetrized by taking larger of Xij, Xji. HIERARCHICAL LAMBDA SET PARTITIONS P M J P J J e a o M i u u d P r s i E l A l a r i t e l v a n i n o o a p a a r a o Lambda -----2 1 0 1 2 4 9 5 6 7 1 8 3 0 - - - - - - - - - . . . . . . XXXXX . XXX . XXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXX

Maximum Flow Between Pairs of Nodes 2 4 9 5 6 7 1 8 3 10 Ju Pe Pi Ma Jo Mi Ev Pi An Ju -- -- -- -- -- -- -- -- -- -10 1 0 0 0 0 0 0 0 0 1 10 0 0 0 0 0 0 0 0 0 0 10 0 0 0 0 0 0 0 0 0 0 10 1 1 1 1 1 1 0 0 0 1 10 1 1 1 1 1 0 0 0 1 1 10 1 1 1 1 0 0 0 1 1 1 10 2 2 1 0 0 0 1 1 1 2 10 2 1 0 0 0 1 1 1 2 2 10 1 0 0 0 1 1 1 1 1 1 10

2 4 9 5 6 7 1 8 3 10

Juan Pedro Pio Marta Josep Mila Eva Pilar Ana Julio

Al quitar las conexiones de Pilar y Ana se producira la mayor desconexin. Diagrama

Josep A. Rodrguez y Fredesvinda Mrida 29 4.4 Facciones Particin de la red en grupos de actores en base a la similitud de los actores con los cuales estn ligados. Se maximizan las similitudes de las relaciones internas del grupo y se minimizan las relaciones externas con otros grupos. En la segunda pantalla se ha de indicar el Nmero de bloques que se desea y por defecto el programa partir en 2 grupos.

FACTIONS -------------------------------------------------------------------------------Number of factions: 2 Input dataset: A:\CLASE Group Assignments: 1: 2: Eva Ana Josep Pilar Pio Juan Pedro Marta Mila Julio

Grouped Adjacency Matrix 1 1 9 3 6 8 5 7 2 4 0 E P A J P M M J P J ----------------------1 Eva | 1 1 | 1 | 9 Pio | | | 3 Ana | 1 1 | | 6 Josep | | | 8 Pilar | 1 1 | | ------------------------5 Marta | | 1 | 7 Mila | | | 2 Juan | | | 4 Pedro | | 1 | 10 Julio | | 1 | -----------------------Density Table 1 2 ---- ---1 0.30 0.04 2 0.00 0.15

Josep A. Rodrguez y Fredesvinda Mrida 30 4.5 Bloques y puntos de corte Los puntos de corte son aquellos actores que en caso de ser eliminados la estructura se divide en sistemas desconectados (o/y aumentarn el fraccionamiento de la red). Los grupos de actores en que los puntos de corte dividen el grfico se llaman bloques. La cantidad y el tamao de los bloques nos apuntan hacia su fragilidad. Los actores que estn en dos o ms de los posibles bloques, son los puntos de corte. REGIONS: BI-COMPONENT

BI-CONNECTED COMPONENTS (BLOCKS) -------------------------------------------------------------------------------Input dataset: C:\Documents and Settings\ub194144\Mis documentos\F MERIDA\Manual redes\CLASE Dataset symmetrized 6a maximum method. 6 blocks Block Block Block Block Block Block found. 1: Eva Ana Pilar 2: Eva Josep 3: Marta Julio 4: Mila Julio 5: Eva Julio 6: Juan Pedro

Articulation points (Puntos de corte) 1 CutPoint -------1 Eva 1 2 Juan 0 3 Ana 0 4 Pedro 0 5 Marta 0 6 Josep 0 7 Mila 0 8 Pilar 0 9 Pio 0 10 Julio 1

Josep A. Rodrguez y Fredesvinda Mrida 31 Visualizacin de los puntos de corte realizdo con el programa de grficos NetDraw. ANALYSIS: BLOCKS & CUTPOINTS

Josep A. Rodrguez y Fredesvinda Mrida 32 5. ROLES Y POSICIONES SOCIALES El anlisis estructural quiere definir posiciones sociales en trminos de similitudes en las pautas de relaciones entre los actores. La definicin de un papel social o posicin social, depende de sus relaciones y no de los atributos de los actores. 5.1 Equivalencia estructural La equivalencia estructural indica que dos o ms actores siguen pautas idnticas de comportamiento en sus relaciones con otros actores. Por consiguiente, son considerados sustituibles y representan una posicin social (o papel social). NETWORK: ROLES&POSITIONS: STRUCTURAL: CONCOR

CONCOR: Correlaciona cada par de actores. Correlaciona las correlaciones una y otra vez hasta que finalmente puede partir la matriz en el nmero de particiones que solicitamos. Se tiene que indicar el nmero de particiones (2, 3, 4, etc.). Por defecto el programa parte en 2.

Josep A. Rodrguez y Fredesvinda Mrida 33


CONCOR Diagonal: Max partitions: Input dataset: Initial Correlation Matrix
1 Eva ----1.00 -0.17 0.30 -0.17 0.38 0.00 -0.17 0.65 0.00 -0.22 2 Juan -----0.17 1.00 -0.15 1.00 -0.07 -0.07 -0.07 -0.12 0.00 -0.12 3 Ana ----0.30 -0.15 1.00 -0.15 -0.15 0.45 -0.15 0.68 0.00 0.09 4 Pedro -----0.17 1.00 -0.15 1.00 -0.07 -0.07 -0.07 -0.12 0.00 -0.12 5 Marta ----0.38 -0.07 -0.15 -0.07 1.00 -0.07 -0.07 -0.12 0.00 0.00 6 Josep ----0.00 -0.07 0.45 -0.07 -0.07 1.00 -0.07 -0.12 0.00 0.54 7 Mila -----0.17 -0.07 -0.15 -0.07 -0.07 -0.07 1.00 -0.12 0.00 0.00 8 9 10 Pilar Pio Julio ----- ----- ----0.65 0.00 -0.22 -0.12 0.00 -0.12 0.68 0.00 0.09 -0.12 0.00 -0.12 -0.12 0.00 0.00 -0.12 0.00 0.54 -0.12 0.00 0.00 1.00 0.00 -0.23 0.00 1.00 0.00 -0.23 0.00 1.00

Treat as Missing Values 2 A:\CLASE

1 2 3 4 5 6 7 8 9 10

Eva Juan Ana Pedro Marta Josep Mila Pilar Pio Julio

Relation 1

R-squared = 0.250 Density Matrix Matriz de Imagen


1 2 3 4 ----- ----- ----- ----0 1 0 1 1 1 0 0 0 0 1 0 0 0 0 1

Blocked Matrix
1 1 5 6 8 3 2 4 7 9 0 E M J P A J P M P J --------------------------| | 1 1 | | 1 | | | | | 1 | ----------------------------| | | | | | 1 | 1 | | | | 1 | 1 | | | ----------------------------| | | | | | | | 1 | | ----------------------------| | | | | | | | | | | | | | 1 | ----------------------------

1 Eva 5 Marta 6 Josep 8 Pilar 3 Ana 2 Juan 4 Pedro 7 Mila 9 Pio 10 Julio

1 2 3 4

1 ----0.000 0.333 0.000 0.000

2 ----0.333 0.333 0.000 0.000

3 ----0.000 0.000 0.500 0.000

4 ----0.333 0.000 0.000 0.167

1 2 3 4

Densidad de la red 11,11%

PARTITION DIAGRAM M a E r v t a a Level ----2 1 J o s e p P P i J e l A u d a n a r r a n o J M u i P l l i i a o o 1 2 4 7 9 0 - - - - XXX XXXXX XXXXXXXXX

1 5 6 8 3 - - - - XXX XXXXX XXXXXXXXX

Josep A. Rodrguez y Fredesvinda Mrida 34 5.2 Equivalencia regular va TAB SEARCH La equivalencia regular indica que dos o ms actores siguen pautas similares de comportamiento en sus relaciones con otros actores. Lo esencial es que son relaciones similares porque se mantienen con actores de otros sub-conjuntos de actores, que a su vez son equivalentes. La equivalencia regular describe los papeles o posiciones sociales fundamentales de la estructura social. NETWORK: ROLES&POSITIONS: MAXIMAL REGULAR: OPTIMIZATION

REGULAR BLOCKMODELS 6A TABU SEARCH -------------------------------------------------------------------------------Number of blocks: 2 Diagonal valid? NO Iterations/series: 30 Penalty iterations: 25 Random # seed: 556 Input dataset: A:\CLASE Block Assignments: 1: 2: Eva Juan Ana Pedro Marta Josep Mila Pilar Julio Pio 1 1 2 3 4 5 6 7 8 0 9 E J A P M J M P J P ----------------------| 1 1 1 | | | | | | 1 1 | | | 1 | | | 1 | | | | | | | | | 1 1 | | | 1 | | ------------------------| | | ------------------------

Blocked Adjacency Matrix

1 2 3 4 5 6 7 8 10 9

Eva Juan Ana Pedro Marta Josep Mila Pilar Julio Pio

Josep A. Rodrguez y Fredesvinda Mrida 35 6. GRFICOS UCINET 6 tiene integrado 3 programas de grficos: PAJEK, MAGE y NETDRAW que permiten visualizar las redes sociales de formas diferentes. 6.1 GRFICOS CON PAJEK Se accede a PAJEK desde el men principal. Seleccionar la matriz que se quiere visualizar.

Despus de que el programa cargue la matriz se tiene que pedir que la represente mediante DRAW DRAW

Josep A. Rodrguez y Fredesvinda Mrida 36 SOCIOGRAMA CON PAJEK

OPCIONES MS FRECUENTES PARA MODIFICAR SOCIOGRAMAS PAJEK 1. Modificar el sociograma con otra forma que nos permita mejorar la compresin: LAYOUT: ENERGY: KAMADA KAWAIA: FREE

Josep A. Rodrguez y Fredesvinda Mrida 37 2. Modificar la presentacin del sociograma: En el sub-men OPTIONS se despliegan mltiples opciones que nos permiten cambiar los colores de cada componentes, cambiar de tamaos, etiquetar los vertices, etc Permite una visualizacin diferente de la misma red social y facilita una mejor comprensin.

3. Exportacin del sociograma para guardarlo en Bitmap: En el sub_men EXPORT se selecciona la opcin BITMAP. El formato Bitmap ocupa mucha memoria y se abre con el programa PAINT. EXPORT: BITMAP

Josep A. Rodrguez y Fredesvinda Mrida 38 4. Abrir el sociograma. en PAINT: Desde la unidad del ordenador en la que est guardado el sociograma en formato Bitmap, se cliquea directamente el icono y se abrir una pantalla de PAINT con el sociograma. En esta pantalla nuevamente existe la posibilidad de modificar el sociograma y guardar en los formatos *.jpg o *.gif que ocupan menos espacio.

Josep A. Rodrguez y Fredesvinda Mrida 39 6.2 GRFICOS CON MAGE MAGE es un programa que permite hacer representaciones y visualizaciones dinmicas en 3D. La primera imagen de la matriz aparece con fondo negro. Posicionando el cursor encima de alguno de los actores se puede mover la imagen.

1. Para modificar el color de fondo u otras modificaciones se puede utilizar cualquiera de las opciones del men de DISPLAY o bien directamente desde las alternativas que se nos ofrece en la derecha de la pantalla. DISPLAY

Los sociogramas se GUARDAN COMO (*.kin).

Josep A. Rodrguez y Fredesvinda Mrida 40 6.3 GRFICOS CON NETDRAW ACTIVAR NETDRAW

El men principal de esta pantalla permite distintos procesamientos de la matriz con su correspondiente resultado grfico, como por ejemplo, modificar todos los tamaos y colores de las lneas, vrtices y flechas. PROPERTIES: LINES: COLOR

Josep A. Rodrguez y Fredesvinda Mrida 41 NETDRAW tambin permite algunos procesamientos de anlisis y visualizar los resultados. Una opcin es desplegar el men de Analysis y otra es operar a travs del men de la derecha Relation. ANALYSIS: SUBGROUPS: COMPONENTS

VISUALIZACIN DE COMPONENTS

Josep A. Rodrguez y Fredesvinda Mrida 42 Eliminacin de uno/s actor/es (Nodes) o una/s relacin/es entre actores (Ties). TRANSFORMATION: NODES/TIES

Los sociograma NETDRAW se pueden GUARDAR COMO con el formato de Pajek y de Mage FILE: SAVE DATA AS: PAJEK/MAGE

Вам также может понравиться