软件简介

UCINET软件是由加州大学欧文（Irvine）分校的一群网络分析者编写的。对该软件进行扩展的团队是由斯蒂芬·博加提（Stephen Borgatti）、马丁·埃弗里特（Martin·Everett）和林顿·弗里曼（Linton Freeman）组成的。

社会网络分析是最近非常流行的一种社会科学研究方法，当然，这种分析思想不仅仅是社会科学领域，其实很多自然科学领域也在研究网络，复杂网络；过去我们的研究数据基本上都是属性数据，例如：性别、年龄、收入、态度、价值观等等，但我们都是生活在一个特定社会环境中，我们的行为都受到其他人的影响；有人说：传统的抽样调查强调随机性，这就象社会科学研究的一种“绞肉机”，把个体从其所在的社会情境中剥离出来，还要确保研究对象之间不存在联系。常规统计分析处理的都是属性数据，社会网络分析处理的则是关系数据，其分析单位是“关系”，是从“关系”角度出发研究社会现象和社会结构，从而扑捉由社会结构形成的态度和行为。

目前更流行的社会网络分析软件是UCINET，Ucinet网络分析集成软件，其中包括一维与二维数据分析的NetDraw，还有正在发展应用的三维展示分析软件Mage等，同时集成了Pajek用于大型网络分析的Free应用软件程序。UCINET为Windows程序，可能是最知名和最经常被使用的处理社会网络数据和其他相似性数据的综合性分析程序。

与UCINET捆绑在一起的还有Pajek、Mage和NetDraw等三个软件。UCINET能够处理的原始数据为矩阵格式，提供了大量数据管理和转化工具。该程序本身不包含网络可视化的图形程序，但可将数据和处理结果输出至NetDraw、Pajek、Mage和KrackPlot等软件作图。UCINET包含大量包括探测凝聚子群（cliques,clans,plexes）和区域（components,cores）、中心性分析（centrality）、个人网络分析和结构洞分析在内的网络分析程序。UCINET包含为数众多的基于过程的分析程序，如聚类分析、多维标度、二模标度（奇异值分解、因子分析和对应分析）、角色和地位分析（结构、角色和正则对等性）和拟合中心-边缘模型。此外，UCINET提供了从简单统计到拟合p1模型在内的多种统计程序。

UCINET使用技巧 在UCINET中使用写字板或其他文本编辑器 默认情况下，UCINET使用Windows记事本显示结果。这很方便，因为每个人都知道如何使用它。但是，它具有重要的局限性。它只能在一行上处理1024个字符。因此，如果您显示一个大型数据集，例如具有500列和许多小数位的矩阵，则该矩阵将无法容纳，并且将以难以理解的方式环绕。一个解决方案是使用另一个文本编辑器。我使用wordpad.exe，主要是因为ucinet附带了它。 要在ucinet中开始使用它，请转到“选项” |“帮助程序”。在要求文本编辑器的地方，输入“ wordpad.exe”。您不需要知道完整的路径名，Windows会找到它。 如果您选择wordpad.exe，则需要确保设置正确。在写字板中，转到“主页”选项卡，将字体设置为“ Courier New”。然后在“视图”选项卡中，将“自动换行”设置为“不自动换行”。

与R连接 有多种方法可以将UCINET DL文件读入R。这些方法涉及将UCINET系统文件（扩展名为## h和## d的文件）导出到DL文本文件的额外步骤 。

将数据导入UCINET 有很多方法可以将数据输入UCINET。如果您的数据是压缩格式（例如节点列表或边列表），则简单的操作通常是在Excel中输入数据，然后将其从Excel剪切并粘贴到DL编辑器中。这是一个节点列表的示例：

处理丢失的数据 区分两种形式的丢失数据：节点级别和联系级别。节点级别是受访者根本不回答调查的网络部分的地方，就好像他们不是研究的一部分一样。领带等级缺失数据是他们选择不对特定演员（例如老板）进行评估，而是为其他演员做出回答的地方。（或者，在观察性研究中，未选择要观察的给定对，因此未知它们如何相互作用。） Tie level的缺失数据（如果不是过多的话）可以通过标准插补方法来处理，例如Ward，Hoff和Lofdahl（2003）方法，我们将不对其进行进一步讨论。 Node level丢失数据更成问题。使用两种主要策略来处理它。首先，您可以完全忽略丢失的节点，就好像它根本不存在一样。从矩阵的角度来看，如果原始数据矩阵具有50行和列，则新矩阵现在将具有49行和列。 另一种方法是估算丢失的数据，这意味着猜测如果有机会，该人将回答什么。有多种方法可以执行此操作，包括通过拟合ERG模型对数据集进行建模，然后使用基于ERGM参数的更大似然估计值填充缺失的数据。但是简单的方法如下。

Undirected（逻辑对称数据） 首先，让我们考虑一种无向关系（即逻辑上对称的社会关系）的情况。在这种情况下，简单的策略是假设如果受访者回答了，他的回答方式将与其他人对他的回答相同。简而言之，数据矩阵中人的列（人们对此有何评论）用于填写人所在行的值，而该行的值丢失了。 在UCINET中执行此操作的简单方法是通过未记录的 矩阵代数 命令 replacena。给定输入矩阵A和B， replacena 例程将A中找到的所有缺失值更改为B中相应的值，并将结果保存在新矩阵C中。例如，键入 -> C = replacena（AB） 要求程序创建一个新的数据集C，如果aij丢失，则cij = bij，否则，cij = aij。 那么，您如何使用此方法将缺失的值替换为其他人所说的呢？在失踪人员专栏中提供了有关其他人对失踪人员说什么的信息。因此，当我回答调查问卷时，您cij = aij，但当他们未回答时，您为aji。换句话说，您想使用矩阵的转置。因此，如果A是原始数据矩阵，则要创建一个新版本，称为A-cleaned，如下所示： -> A清洗= replacena（A 转置（B））

Directed（逻辑非对称数据） 如果网络是定向的，例如谁向谁提供建议，我们就不能使用上面的技巧，因为没有理由说如果我给别人J提供建议，那么人j给我I提供建议。但是如果我们可以做一些非常相似的事情* if *我们有远见，可以在两个不同的方向上询问有向关系。通过单独的指示，我的意思是每当您询问“您向谁寻求建议”（GET）时，您还询问“谁向您寻求建议”（GIVE）。这些中的每一个都创建自己的矩阵，并且您可以用来互相填充，因为如果我从j寻求建议，那么我们希望j会报告我向他们求助。现在，如果我不填写调查问卷，那么处理丢失数据的一种方法是假设我在“请咨询”矩阵中的行类似于“ replacena 填写缺少的值，如下所示： -> CLEANEDGET = replacena（获取 转置（GIVE）） -> CLEANEDGIVE = replacena（GIVE， 转置（GET）） 在Ucinet 6.549和更高版本中，此选项在菜单系统的“转换”下也可用。