-
Notifications
You must be signed in to change notification settings - Fork 1
/
RSiena_in_pdf.R
137 lines (108 loc) · 4.57 KB
/
RSiena_in_pdf.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
suppressPackageStartupMessages(suppressWarnings({
library(igraph)
library(progress)
library(tidyverse)
library(ggthemes)
library(RColorBrewer)
library(RSiena)
}))
setwd("e:/wu/code/RSiena")
#---------------------------------------------------------------------#
#----------------10.3.2 无向网络结构演化分析实例----------------------#
#---------------------------------------------------------------------#
#1.所用数据集
#50-actor excerpt from the Teenage Friends and Lifestyle Study data set of West et al.
sym.min <- function(x){
tx <- t(x)
return(pmin(x[],tx[])) #pmin（）实现在相同位置上取最小值
}
friend.data.w1 <- read.table("s50_data/s50-network1.dat") %>%
as.matrix() %>%
sym.min()
friend.data.w2 <- read.table("s50_data/s50-network2.dat") %>%
as.matrix()%>%
sym.min()
friend.data.w3 <- read.table("s50_data/s50-network3.dat") %>%
as.matrix()%>%
sym.min()
# 行为数据
drink <- read.table("s50_data/s50-alcohol.dat") %>%
as.matrix()
# 协变量数据
smoke <- read.table("s50_data/s50-smoke.dat") %>%
as.matrix()
#2. 数据格式转换
# 定义网络因变量 将多次的网络观测数据合并为一个对象。
friendship<- sienaNet(array(c(friend.data.w1,friend.data.w2,friend.data.w3),
dim = c(50,50,3)))
#协变量有两种，一种是不随时间变化的，例如性别；一种是随时间变换的，例如情绪状态。
#第一种协变量用函数coCovar()来标定，第二种协变量用varCovar()来标定。
# 将吸烟行为定义为不随时间变化的协变量
smoke1 <- coCovar(smoke[,1])
# 将喝酒行为定义为随时间变化的协变量
alcohol <- varCovar(drink)
#3. 模型运行
#定义数据集
mydata <- sienaDataCreate(friendship,smoke1,alcohol)
#定义目标函数
myeff<- getEffects(mydata)
#myeff<-includeEffects(myeff,Rate,outRate)
effectsDocumentation(myeff)
fix(myeff)
#构建模型
#print01Report(mydata,myeff,modelname ='s50_sym')
mymodel <- sienaModelCreate(useStdInits=FALSE,projname = "s50_sym")
#模型参数估计
myresult <- siena07( mymodel, data = mydata, effects = myeff)
#估计结果，如图 10-2 所示
myresult
#--------------------------------------------------------------------------#
#----------------10.4.6 网络与行为协同演化分析的 实例----------------------#
#--------------------------------------------------------------------------#
#1.所用数据集
#50-actor excerpt from the Teenage Friends and Lifestyle Study data set of West et al.
friend.data.w1 <- read.table("s50_data/s50-network1.dat") %>%
as.matrix()
friend.data.w2 <- read.table("s50_data/s50-network2.dat") %>%
as.matrix()
friend.data.w3 <- read.table("s50_data/s50-network3.dat") %>%
as.matrix()
# 行为数据
drink <- read.table("s50_data/s50-alcohol.dat") %>%
as.matrix()
# 协变量数据
smoke <- read.table("s50_data/s50-smoke.dat") %>%
as.matrix()
# 定义网络因变量
friendship<- sienaNet(array(c(friend.data.w1,friend.data.w2,friend.data.w3),dim = c(50,50,3)))
# 定义行为因变量，type 为"behavior"
drinkingbeh<- sienaNet( drink, type = "behavior" )
#定义协变量
smoke1 <- coCovar( smoke[ , 1 ] )
# 定义数据集
myCoEvolutionData<- sienaDataCreate( friendship, smoke1,
drinkingbeh )
# 定义目标函数
myCoEvolutionEff<- getEffects( myCoEvolutionData )
# 构建模型
myCoEvolutionEff<- includeEffects( myCoEvolutionEff, transTrip,
cycle3)
# 在模型中增加抽烟的同质性影响
myCoEvolutionEff<- includeEffects( myCoEvolutionEff, simX,
interaction1 = "smoke1" )
# 在模型中增加喝酒行为对自我、他我、相似性的交互影响
myCoEvolutionEff<- includeEffects(myCoEvolutionEff, egoX, altX,
simX,
interaction1 = "drinkingbeh" )
# 在模型中增加 友谊网络中的出度，入度等指标对喝酒行为的交互影响
myCoEvolutionEff<- includeEffects( myCoEvolutionEff,
name ="drinkingbeh",indeg, outdeg,interaction1 = "friendship" )
# 列出你所选定的效应函数以便检查有无错误、遗漏
myCoEvolutionEff
# 定义算法集合
myCoEvAlgorithm<- sienaModelCreate( projname = 's50CoEv_3' )
# 模型参数估计
myresult<- siena07( myCoEvAlgorithm, data = myCoEvolutionData,
effects = myCoEvolutionEff )
# 估计结果
myresult