晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

前次筆者已用SNA來展示台灣健保資料庫研究發表文章數目熱絡狀況(註)，其實NodeXL的社會網絡分析中除了圖形展示外，它也有量化的部分，依照頂點（Vertices）的屬性，可以計算出一些指標metrics。這裏仍沿用上一例子介紹Degree及Betweenness Centrality二種指標。

Degree指的是某一頂點與多少個頂點有連結，在前述文章中指的是某醫師與多少位醫師合作過。例如下圖中有7條連線（Edges），代表這位醫師與7位醫師合作發表，故Degree是7，但其中有二條線較粗，代表與這二位有不只一篇的合作。

利用這個指標可以找出那些醫師與最多的醫師合作，某種程度代表這位醫師的研究經驗與權威。

                 值得注意的是，這裏的連線是無方向性。如果連線是有方向性的，即A→B、B→A代表不同意義的話，那麼NodeXL計算的是In-Degree與Out-Degree二種指標，前者指的是有多少頂點連向某頂點，後者指的是該頂點連向多少個頂點。如下圖所示。

               另一種指標是Betweenness Centrality中介中間度指標，它指的是網絡中不同頂點間的重要連絡管道，中介性指標較高者，有可能是重要的點，因為從一個點到另一點都要經過它作為橋樑。像下圖中的紅點，都扮演著二群頂點的橋樑角色，也表示這二群人比較少連絡，他們共同的連絡者即Betweenness Centrality較高的人。

回到健保資料研究的例子，筆者透過Betweenness Centrality的計算，找出數值較高的醫師，如下圖所示。代表這六位醫師有較高的橋梁性的角色，這也代表周圍醫師們通常比較少互相合作，而多傾向與這些”中心”醫師合作。如果有一天，這些周圍醫師們如果想合作的話，可能要請”中心”醫師介紹。（當然，實際的人際關係不一定如此）

以上透過NodeXL，介紹了Degree及Betweenness Centrality二種指標的應用。其他更多的指標，未來有機會再介紹。

註：詳見「運用社會網絡分析SNA看台灣健保資料研究的熱絡」一文。