Słownik metodologiczny · Psychometria

Centralność w sieci – który węzeł jest najważniejszy i co to naprawdę znaczy?

Wskaźniki centralności porządkują węzły sieci psychometrycznej według ich powiązań. Pokazujemy siłę i oczekiwany wpływ, wyjaśniamy, czemu pośrednictwo budzi zastrzeżenia, i jak sprawdzić stabilność.

Strona główna / Słownik / Centralność w sieci

Opracowanie merytoryczne: · Opublikowano:

W skrócie: Centralność opisuje, jak silnie węzeł jest powiązany z resztą sieci. W sieciach psychometrycznych podawaj siłę, a przy krawędziach ujemnych także oczekiwany wpływ (EI). Pośrednictwo i bliskość budzą poważne zastrzeżenia, a każdą kolejność węzłów sprawdzaj pod kątem stabilności.

Co to jest centralność w sieci?

Centralność (ang. centrality) to grupa wskaźników opisujących, jak ważne jest położenie węzła w sieci psychometrycznej. W badaniach objawów centralny węzeł bywa traktowany jako kandydat na cel interwencji. Wskaźniki przeniesiono jednak z analizy sieci społecznych i nie każdy z nich ma sens dla objawów czy pozycji kwestionariusza.

Najczęstsze wskaźniki

siłai = Σj |wij|,   EIi = Σj wij

wij to waga krawędzi między węzłami i i j, zwykle regularyzowana korelacja cząstkowa. Siła (strength) sumuje wartości bezwzględne, więc nie odróżnia krawędzi dodatnich od ujemnych. Oczekiwany wpływ (expected influence, EI) zachowuje znak; w symulacjach Robinaugh i in. (2016) przy ujemnych krawędziach lepiej oddawał rzeczywisty wpływ węzła. Pośrednictwo i bliskość opierają się na najkrótszych ścieżkach. Bringmann i in. (2019) uznają je za szczególnie nieodpowiednie miary ważności w sieciach psychologicznych.

Przykład

W sieci sześciu węzłów (350 osób, dane symulowane) największą siłę miało zamartwianie (1.17), a potem napięcie (0.98). Według EI kolejność była inna: pierwsze napięcie (0.86), dalej bezsenność (0.66) i zamartwianie (0.57). Zamartwianie łączyła bowiem silna ujemna krawędź ze wsparciem społecznym (−.30). Samo wsparcie miało średnią siłę (0.79), ale ujemny EI (−0.60). W 200 podpróbach po 50% osób mediana korelacji Spearmana między siłą z podpróby a siłą z pełnej próby wyniosła .94.

Jak opisać w pracy

Jako wskaźniki centralności podano siłę i oczekiwany wpływ (EI), bo sieć zawierała krawędzie ujemne. Największą siłę miało zamartwianie (1.17), a największy EI – napięcie (0.86). Wsparcie społeczne miało ujemny EI (−0.60), co odpowiada jego ujemnym związkom z objawami. Kolejność siły okazała się stabilna: w podpróbach po 50% osób mediana korelacji rang z pełną próbą wyniosła .94.

Na co uważać

  • Centralny nie znaczy przyczynowy. W sieci z danych przekrojowych wysoka siła to nie dowód, że interwencja na tym węźle zmieni resztę. To hipoteza do sprawdzenia w schemacie podłużnym albo eksperymencie.
  • Sprawdź stabilność. Epskamp i in. (2018) proponują współczynnik stabilności CS, liczony bootstrapem z usuwaniem osób; różnice siły między węzłami bywają mniejsze niż błąd oszacowania.
  • Nie interpretuj pośrednictwa i bliskości bez uzasadnienia. W przykładzie wsparcie i unikanie miały pośrednictwo 0, choć ich siła (0.79 i 0.76) przewyższała siłę bezsenności (0.72, pośrednictwo 2).

Obliczenia centralności z kodem R pokazuje wpis Sieci psychometryczne krok po kroku.

Najczęstsze pytania

Czym różni się siła od oczekiwanego wpływu w sieci?

Siła sumuje wartości bezwzględne wag krawędzi, a oczekiwany wpływ sumuje je ze znakiem. Gdy sieć ma krawędzie ujemne, oba wskaźniki mogą dać zupełnie inną kolejność węzłów.

Czy najbardziej centralny objaw warto leczyć w pierwszej kolejności?

Nie wynika to z samej sieci przekrojowej. Wysoka centralność to hipoteza do sprawdzenia w badaniu podłużnym lub eksperymentalnym, a nie dowód wpływu na pozostałe objawy.

Jak sprawdzić stabilność wskaźników centralności?

Bootstrapem z usuwaniem części osób: oblicza się, jak bardzo kolejność węzłów w podpróbach zgadza się z pełną próbą. Służy do tego współczynnik CS z pakietu bootnet.

Powiązane hasła

Sieć psychometrycznaKorelacja cząstkowaBootstrapKorelacja SpearmanaSchemat podłużny

Poradniki, w których użyjesz tego pojęcia

Poradnik

Sieci psychometryczne krok po kroku

Sieć objawów w R na danych do pobrania: korelacje polichoryczne, EBICglasso, centralność i siła mostowa, bootstrap, współczynnik CS i opis APA.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Bringmann, L. F., Elmer, T., Epskamp, S., Krause, R. W., Schoch, D., Wichers, M., Wigman, J. T. W., & Snippe, E. (2019). What do centrality measures measure in psychological networks? Journal of Abnormal Psychology, 128(8), 892–903. https://doi.org/10.1037/abn0000446 ● Otwarty dostęp: pełny tekst
  2. Epskamp, S., Borsboom, D., & Fried, E. I. (2018). Estimating psychological networks and their accuracy: A tutorial paper. Behavior Research Methods, 50(1), 195–212. https://doi.org/10.3758/s13428-017-0862-1 ● Otwarty dostęp
  3. Robinaugh, D. J., Millner, A. J., & McNally, R. J. (2016). Identifying highly influential nodes in the complicated grief network. Journal of Abnormal Psychology, 125(6), 747–757. https://doi.org/10.1037/abn0000181 ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@article{bringmann2019what, author={Bringmann, Laura F. and Elmer, Timon and Epskamp, Sacha and Krause, Robert W. and Schoch, David and Wichers, Marieke and Wigman, Johanna T. W. and Snippe, Evelien}, title={{What do centrality measures measure in psychological networks?}}, journal={Journal of Abnormal Psychology}, year={2019}, volume={128}, number={8}, pages={892--903}, doi={10.1037/abn0000446}}
@article{epskamp2018estimating, author={Epskamp, Sacha and Borsboom, Denny and Fried, Eiko I.}, title={{Estimating psychological networks and their accuracy: A tutorial paper}}, journal={Behavior Research Methods}, year={2018}, volume={50}, number={1}, pages={195--212}, doi={10.3758/s13428-017-0862-1}}
@article{robinaugh2016identifying, author={Robinaugh, Donald J. and Millner, Alexander J. and McNally, Richard J.}, title={{Identifying highly influential nodes in the complicated grief network}}, journal={Journal of Abnormal Psychology}, year={2016}, volume={125}, number={6}, pages={747--757}, doi={10.1037/abn0000181}}
R