Skip to main content

Die statistische Analyse dynamischer Netzwerke

  • Chapter

Zusammenfassung

Das sozialwissenschaftliche Interesse an dynamischen Netzwerkfragestellungen ergibt sich aus dem oft vorläufigen Charakter von Analysen einzelner Messungen eines Netzwerks. Solche Querschnittsanalysen lassen im Allgemeinen wenig kausale Rückschlüsse zu und bieten daher lediglich ein eingeschränktes Verständnis des Netzwerkes. So kann man mit herkömmlichen (d.h., beschreibenden) Querschnittsverfahren beispielsweise den Zusammenhang zwischen strukturellen Eigenschaften der Akteure im Netzwerk und ihren individuellen Eigenschaften studieren. Beispiele hierfür finden sich überall in der Netzwerkliteratur, zu denken wäre etwa an den Zusammenhang zwischen strukturellen Löchern in Netzwerken von Managern und deren Leistung (Burt 1992), zwischen strukturell kohäsiven Netzwerkregionen und Kooperation der Akteure (Gould 1993) oder zwischen Segregation von Netzwerken und Ethnizität, Geschlecht oder Verhaltensdimensionen der Akteure (Moody 2001; Vermeij et al. 2009). Solche beschreibenden Analysen einzelner Netzwerke werfen aber vor allem die Frage auf, wie sich der gefundene Zusammenhang erklären lässt. Oft gibt es verschiedene Erklärungen für denselben Sachverhalt. Beim Beispiel der Theorie struktureller Löcher wäre die Frage zu klären, ob tatsächlich die Fähigkeit eines Manager, unverbundene Netzwerkregionen zu vernetzen, zu seinem Berufserfolg beiträgt – oder ob nicht vielmehr umgekehrt der Berufserfolg ihm erst eine Reputation zuteil werden lässt, aufgrund derer andere Netzwerkakteure ihn als Mittelsmann akzeptieren. Empirisch lassen sich diese Erklärungen nur dann voneinander unterscheiden, wenn man longitudinale Daten zur Verfügung hat. Wie das Beispiel verdeutlicht, sind es oft gerade die Prozesse, die zur Entstehung eines beobachteten Netzwerks führten, die von inhaltlichem Interesse sind. In vielen Fällen lassen sich Netzwerkdaten daher als Momentaufnahme eines Evolutionsprozesses verstehen. Dem beschreibenden Schritt der Analyse einer solchen Momentaufnahme folgt dann auf natürliche Weise der im Verständnis tiefer gehende Schritt der Analyse von generierender Netzwerkdynamik, den wir in diesem Kapitel behandeln wollen.

This is a preview of subscription content, log in via an institution.

Buying options

Chapter
USD   29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD   139.00
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Learn about institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

6 Literatur

  • Bunt, Gerhard G. van de und Pieter Groenewegen, 2007: An Actor-Oriented Dynamic Network Approach: The Case of Interorganizational Network Evolution. Organizational Research Methods 10: 463–482.

    Article  Google Scholar 

  • Burk, William J., Christian Steglich und Tom A.B. Snijders, 2007: Beyond Dyadic Interdependence: Actor-oriented Models for Co-evolving Social Networks and Individual Behaviors. International Journal of Behavioral Development 31: 397–404.

    Article  Google Scholar 

  • Burt, Ronald S., 1992. Structural Holes: The Social Structure of Competition. Cambridge, Mass.: Harvard University Press.

    Google Scholar 

  • Checkley, Matthew und Christian Steglich, 2007: Partners in Power: Job Mobility and Dynamic Deal- Making. European Management Review 4: 161–171.

    Article  Google Scholar 

  • Feld, Scott L., 1982: Social Structural Determinants of Similarity among Associates. American Sociological Review 47: 797–801.

    Article  Google Scholar 

  • Franzese, Robert J. Jr., Jude C. Hays und Aya Kachi, 2008: The m-STAR Model as an Approach to Modeled, Dynamic, Endogenous Interdependence in Comparative & International Political Economy. Arbeitspapier präsentiert auf der Konferenz Networks in Political Science (NIPS 2008), Boston Massachusetts.

    Google Scholar 

  • Goodreau, Steven M., James A. Kitts und Martina Morris, 2008: Birds of a Feather, or Friend of a Friend? Using Statistical Network Analysis to Investigate Adolescent Social Networks. Erscheint in „Demography“.

    Google Scholar 

  • Gould, Roger V.. 1993: Collective Action and Network Structure. American Sociological Review 58: 182–196.

    Article  Google Scholar 

  • Heidler, Richard, 2008: Zur Evolution sozialer Netzwerke. Theoretische Implikationen einer akteursbasierten Methode. S. 359–375 in: Christian Stegbauer (Hg.), Netzwerkanalyse und Netzwerktheorie. Ein neues Paradigma in den Sozialwissenschaften. Wiesbaden: VS Verlag für Sozialwissenschaften.

    Google Scholar 

  • Hochberg, Yael, Alexander Ljungquist und Yang Lu, 2007. Whom You Know Matters: Venture Capital Networks and Investment Performance. Journal of Finance 62: 251–301.

    Article  Google Scholar 

  • Igarashi, Tasuku, Garry Robins und Philippa Pattison, 2006: Longitudinal Changes in Friendship Networks: An Approach from Exponential Random Graph Models. Arbeitspapier präsentiert auf der Konferenz NetSci2006, Bloomington, Indiana.

    Google Scholar 

  • Kenny, David A., Deborah A. Kashy und William L. Cook, 2006: Dyadic Data Analysis. New York: The Guilford Press.

    Google Scholar 

  • Knecht, Andrea, 2006: The Dynamics of Networks and Behavior in Early Adolescence [2003/04]. Utrecht, Universität Utrecht (ICS Codebook #61).

    Google Scholar 

  • Knecht, Andrea, 2008: Friendship Selection and Friends' Influence. Dynamics of Networks and Actor attributes in early adolescence. Dissertation, Universität Utrecht (ICS Dissertationsreihe #140).

    Google Scholar 

  • Knecht, Andrea, Chris Baerveldt, Tom A.B. Snijders, Christian Steglich und Werner Raub, 2010a: Friendship and Delinquency: Selection and Influence Processes in Early Adolescence. Erscheint in Social Development.

    Google Scholar 

  • Knecht, Andrea, William J. Burk, Jeroen Weesie und Christian Steglich, 2010b: Friendship and Alcohol Use in Early Adolescence: A Social Network Approach. Erscheint in Journal of Research on Adolescence.

    Google Scholar 

  • Lubbers, Miranda, 2003: Group Composition and Network Structure in School Classes: A Multilevel Application of the p* Model. Social Networks 25: 309–332.

    Article  Google Scholar 

  • McFadden, Daniel L., 1974: Conditional Logit Analysis of Qualitative Choice Behavior. S. 105–142 in Paul Zarembka (Hg.), Frontiers in Econometrics. New York, Academic Press.

    Google Scholar 

  • Moody, James, 2001: Race, School Integration, and Friendship Segregation in America. American Journal of Sociology 107(3): 679–716.

    Article  Google Scholar 

  • Mouw, Ted und Barbara Entwisle, 2006: Residential Segregation and Interracial Friendship in Schools. American Journal of Sociology 112: 394–441.

    Article  Google Scholar 

  • Schelling, Thomas C., 1971. Dynamic Models of Segregation. Journal of Mathematical Sociology 1: 143–186.

    Article  Google Scholar 

  • Schweinberger, Michael, 2007: Statistical Methods for Studying the Evolution of Networks and Behavior. Dissertation, Universität Groningen (ICS Dissertationsreihe #132).

    Google Scholar 

  • Snijders, Tom A.B., 1996: Stochastic Actor-oriented Dynamic Network Analysis. Journal of Mathematical Sociology 21: 149–172.

    Article  Google Scholar 

  • Snijders, Tom A.B., 2001: The Statistical Evaluation of Social Network Dynamics. Sociological Methodology: 361–395.

    Google Scholar 

  • Snijders, Tom A.B., 2005: Models for Longitudinal Network Data. S. 215–247 in Peter J. Carrington, John Scott und Stanley Wasserman (Hg.) Models and Methods in Social Network Analysis. New York: Cambridge University Press.

    Google Scholar 

  • Snijders, Tom A.B und Chris Baerveldt, 2003: A Multilevel Network Study of the Effects of Delinquent Behavior on Friendship Evolution. Journal of Mathematical Sociology 27: 123–151.

    Article  Google Scholar 

  • Snijders, Tom A. B., Philippa E. Pattison, Garry L. Robins und Mark S. Handcock, 2006: New Specifications for Exponential Random Graph Models. Sociological Methodology: 99–153.

    Google Scholar 

  • Snijders, Tom A.B., Johan Koskinen und Michael Schweinberger, 2010: Maximum Likelihood Estimation for Social Network Dynamics. Erscheint in Annals of Applied Statistics.

    Google Scholar 

  • Snijders, Tom A.B., Christian Steglich und Michael Schweinberger, 2007: Modeling the Co-evolution of Networks and Behavior. S. 41–71 in: Kees van Montfort, Han Oud und Albert Satorra (Hg.), Longitudinal Models in the Behavioral and Related Sciences. Mahwah, New Jersey: Lawrence Erlbaum.

    Google Scholar 

  • Snijders, Tom A.B., Christian Steglich, Michael Schweinberger und Mark Huisman, 2008: Manual for SIENA version 3.2 . Groningen: ICS, University of Groningen; Oxford: Department of Statistic, University of Oxford. www.stat.gamma.rug.nl/snijders/siena.html.

  • Snijders, Tom A.B., Gerhard G. van de Bunt und Christian Steglich, 2010: Introduction to Actor- Based Models for Network Dynamics. Social Networks 32: 44–60.

    Article  Google Scholar 

  • Stegbauer, Christian und Alexander Rausch, 2006: „Moving Structure“ als Analyseverfahren für Verlaufsdaten am Beispiel von Mailinglisten. Sozialwissenschaftlicher Fachinformationsdienst (soFid) - Methoden und Instrumente der Sozialwissenschaften 1: 11–30.

    Google Scholar 

  • Steglich, Christian, Tom A.B. Snijders und Patrick West, 2006: Applying SIENA: An illustrative analysis of the co-evolution of adolescents' friendship networks, taste in music, and alcohol consumption. Methodology 2: 48–56.

    Google Scholar 

  • Steglich, Christian, Philip Sinclair, Jo Holliday und Laurence Moore, 2009: Actor-based Analysis of Peer Influence in A Stop Smoking In Schools Trial (ASSIST). Erscheint in Social Networks.

    Google Scholar 

  • Steglich, Christian, Tom A.B. Snijders und Mike Pearson, 2010: Dynamic Networks and Behavior: Separating Selection from Influence. Sociological Methodology 40.

    Google Scholar 

  • Vermeij, Lotte, Marijtje van Duijn und Chris Baerveldt, 2009: Ethnic segregation in context: Social discrimination among native Dutch pupils and their ethnic minority classmates. Social Networks 21: 230–239.

    Article  Google Scholar 

  • Wasserman, Stanley und Garry Robins, 2005: An Introduction to Random Graphs, Dependence Graphs, and p*. S. 148–161 in: Peter J. Carrington, John Scott und Stanley Wasserman (Hg.), Models and Methods in Social Network Analysis. New York: Cambridge University Press.

    Google Scholar 

  • Westveld, Anton H. und Peter D. Hoff, 2008: Statistical Methodology for Longitudinal Social Network Data – The Gaussian Case. Arbeitspapier präsentiert auf der Konferenz Networks in Political Science (NIPS 2008), Boston Massachusetts.

    Google Scholar 

  • Whitbred, Rob, Fabio Fonti, Noshir Contractor und Christian Steglich, 2007: From micro-actions to macro-structure: A structurational approach to the evolution of organizational networks. Arbeitspapier.

    Google Scholar 

  • Zijlstra, Bonne J. H., Marijtje A. J. van Duijn und Tom A. B. Snijders, 2006: The Multilevel p2 Model. A Random Effects Model for the Analysis of Multiple Social Networks. Methodology 2: 42–47.

    Google Scholar 

Download references

Authors

Editor information

Christian Stegbauer Roger Häußling

Rights and permissions

Reprints and permissions

Copyright information

© 2010 VS Verlag für Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH

About this chapter

Cite this chapter

Steglich, C., Knecht, A. (2010). Die statistische Analyse dynamischer Netzwerke. In: Stegbauer, C., Häußling, R. (eds) Handbuch Netzwerkforschung. VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-92575-2_38

Download citation

  • DOI: https://doi.org/10.1007/978-3-531-92575-2_38

  • Publisher Name: VS Verlag für Sozialwissenschaften

  • Print ISBN: 978-3-531-15808-2

  • Online ISBN: 978-3-531-92575-2

  • eBook Packages: Humanities, Social Science (German Language)

Publish with us

Policies and ethics