设计网络零模型
在声称聚类、模体、富俱乐部或重复连接高于预期前，先说明随机化保留什么。
方法来源
完成本教程后，你将能够
- 1从明确的节点、连接、边界、方向、权重及观察时间窗规格界定网络零模型与受约束随机化。
- 2执行并审核以下程序：写出零假设，选择保留节点数、边数、入度、出度、权重、互惠或时间，产生足够随机图，再把观察统计放入参考分布。
- 3用敏感度检查及下列证据边界解释结果：统计是否异常只相对于一项保留规则；不匹配的零模型可制造显著，也不能揭示因果机制。
SNA
网络规格
分析情境
一门在线课程看似有异常紧密的活跃学生核心，团队想知道单靠度数能否解释。
节点
学期讨论网络的全部符合条件学生，观察图与模拟图使用相同名册。
连接
学生之间的有向回复，可选择按频率加权，并按已声明规则排除导师消息。
网络类型
单模式有向讨论网络，配上一组随机参考图。
分步教程
固定关系问题
写出分析需要支持的决定，然后锁定符合条件节点名册、产生连接的事件、方向、权重、自连接规则、观察时间窗及缺失数据编码。保留只读来源副本，并记录此规格为何代表所述问题。
检查点
第二位分析者可只按书面规则重建相同节点集合及边列表，无需猜测缺少记录代表什么。
计算焦点结构
在有版本的分析副本上，严格按规格执行焦点方法：写出零假设，选择保留节点数、边数、入度、出度、权重、互惠或时间，产生足够随机图，再把观察统计放入参考分布。保存软件与包版本、所有阈值、标准化、种子及复现结果所需的中间计数。
检查点
输出连接到一个具名数据版本，并包含分母、参数设置及可复现的计算记录。
进行结构敏感度检查
在至少一项可辩护的替代边界、缺失规则、连接阈值、权重转换或模型设置下重复分析。比较成员身份及实质结论，而不是只看单一系数，并调查足以改变决定的差异。
检查点
审核说明哪些模式保持、哪些行动者或群体改变分类，以及哪项结论依赖分析者选择。
为负责任行动作报告
把数值结果与表格或保留结构的图像配对，记录被排除及缺失的行动者，用清楚语言解释不确定性。把发现转化为可逆的支持问题而非自动排名，并说明此边界：统计是否异常只相对于一项保留规则；不匹配的零模型可制造显著，也不能揭示因果机制。
检查点
最终说明包含问题、规格、结果、敏感度证据、不确定性、隐私控制及适度下一步。
谨慎解释
网络零模型与受约束随机化描述指定关系及网络边界的性质，不能自动转移到另一关系、时段、班级、平台或群体。
统计是否异常只相对于一项保留规则；不匹配的零模型可制造显著，也不能揭示因果机制。采取行动前，应把结果与原始计数、缺失情况、合理替代规格及情境证据比较。