ucinet社会网络分析笔记（一）网络密度、中心度、凝聚子群、核心

在进行城市网络研究时，通常需要借鉴社会网络的分析方式，对网络各类指标进行计算。 主要使用软件为Ucinet 6，在网上可以下载到

类似于之前讲过的武汉城市圈高德迁徙数据，这里用的是上海都市圈2019年高德迁徙数据，根据前所述方法，在数据库中选取其中的工作日数据并计算日均值。 注：高德迁徙数据获取方式目前不便于公开，请勿私信询问。 此处上海都市圈范围为《上海市城市总体规划（2017-2035年）》中提出的上海大都市圈所包含的9个城市。 在excel中运用“数据透视表”的方法制作出迁徙指数矩阵如下图（这是一个具有方向性的不对称矩阵，列中的城市代表迁入地，行中的城市代表迁出地）：

打开ucinet并导入矩阵数据：

完成后会在同一文件夹中生成两个这样的文件：

其中，Treat data as symmetric 一栏代表是否将其视为对称矩阵。若选择Yes，说明将该矩阵视为对称矩阵，得出的结果是各城市单一的Degree；若选择No，则说明将该矩阵视为非对称矩阵，得出的结果分为出度（out degree）和入度（in degree）

以下为选择Yes的结果：

可见在上海都市圈范围内，苏州的度数中心度比上海要高，这是因为苏州与无锡、常州建立起了尤为紧密的联系

以下为选择No的结果：

可见各城市的迁徙方向是不对称的，例如苏州出度更高，而上海入度更高。

以上为LINDA不成熟的试验，可能会存在诸多问题敬请谅解！