$b_postsamp
贝叶斯后验，就是一次模型化的结果
13 Matching Annotations
- Apr 2023
-
drhailiang.com drhailiang.com
-
-
summary(lsm.fit2$b_postsamp) ## V1 ## Min. :-0.11248 ## 1st Qu.:-0.10194 ## Median :-0.09549 ## Mean :-0.09485 ## 3rd Qu.:-0.08724 ## Max. :-0.07662
都不是0，所以就是有差异的
-
R=2
设置维度为2
-
IVs
IV 自变量就是前面的mm，同质性矩阵 此外，假设有latent variable
因变量是网络
-
eigenmodel
latentNet package可以处理weighted和directed
-
edges + mutual + gwidegree + gwesp + nodefactor("ideology") + nodematch("ideology")
假设的网络生成机制
-
qaptest
测量两个网络的相似度 显著性检验
-
mm = outer(nodes$leanR, nodes$leanR, function(a, b) as.integer(a == b)) diag(mm) = 0 dimnames(mm) = list(nodes$sender,nodes$sender) mm[1:5,1:5]
两个节点的属性相等，类似于 node match 是否意识形态相同的矩阵
-
gwidegree
可以只用 gw ，避免over fitted
-
netlm
network linear model
-
cores = coreness(net,mode="all") head(sort(cores,decreasing = T)) ## Redress washunut Catawba cpwill Ikari pbrauer ## 122 122 122 122 122 122
结果是什么意思？
-
table(cmt$membership,V(net)$leanR)
membership与左中下的交叉表
-
3. Ego-Network Metrics
Ego-Network Metrics 没有包可以用，通常需要自己计算
-