Embed Size (px)
Citation preview
L'ANALYSE DYNAMIQUE DE RESEAUX SOCIAUX
“COMPLETS” AVEC SIENA
METHODE ET APPLICATION
(SIENA POUR LES NULS)
Ainhoa de Federico de la Rúa
Université de Toulouse II Le Mirail – CERS LISST
RESEAUX CAUSES OU EFFETS ?
Clyde Mitchel (1969) définit un réseaux comme « un ensemble particulier d’inter
relations dans un ensemble limité de personnes, avec la propriété adtitionnelle
que les caractéristiques de ces interrelations, considerées comme un tout, peuvent
être utilisées pour interpéter le comportement social des personnes
impliqueées ».
• Les caractéristiques des réseaux sont examinées comme des variables
explicatives de phénomènes sociaux.
• …mais les réseaux sociaux sont aussi l’effet de facteurs et phénomènes
sociaux et des interactions des actuers.
RESEAUX: CONTEXTE ET EFFET ÉMERGENT DE L’ACTION
Processus simultanés de selection et influence.
(Burt 1982, Degenne et Forsé 1994, Snijders 2005).
Réseau général d’amitié de 80 Erasmus en 1996
Réseau « complet » d’amitié des 80 Erasmus entre eux
Expliquer les effets du réseau… ou expliquer la structure
• Les modèles pour expliquer la structure des réseaux sociaux doivent représenter la
dépendance entre les observations. Le postulat d’indépendance des observations ne
peut pas s’appliquer.
• Variable dépendante: la probabilité de la structure observée d’un réseau complet.
• Variables explicatives:
1. Au niveau individuel : les caractéristiques des acteurs.
2. Au niveau dyadique: les propriétés des relations.
3. Au niveau dyadique : les structures typiques de relations entre (au moins) trois
acteurs.
4. …et le passage du temps.
MODÈLES STATISTIQUES POUR LES RÉSEAUX
Modèle Effets Dyades Triades Dynamique p1 Holland y Leinhardt (1981) et Wasserman (1987)
Endogènes Oui Non No
p2 van Duijn 1995, Lazega et van Duijn 1997
Endogènes et exogènes
Oui Non No
p* Wasserman et Pattison 1996
Endogènes et exogènes
Oui Tous les triplets No
SIENA Snijders 2001, Snijders 2005
Endogènes et exogènes
Oui Liste d’effets en évolution
Oui
Réseau de connaissance de 80 Erasmus en septembre 1995
Réseau d’amitié de 80 Erasmus en février 1996
INGRÉDIENTS DU MODÈLE (initial)
• Variable dépendante: le changement de relations dans le réseau représenté par
deux (ou plus) réseaux dirigés.
• Relations définies de manière dichotomique.
• Facteurs structuraux, dyadiques, individuels et aléatoires.
• Théorie de l’action orientée par un but (purposive action), les acteurs choisissent
d’établir, maintenir ou rompre leurs relations pour maximiser leur utilité.
• Chaines de Markov Monte Carlo de temps continu qui peuvent être utilisées dans
des modèles informatiques de simulation.
• Méthode des moments (micro changements).
• Toutes les variables se contrôlent entre elles (famille des régressions).
POSTULATS THÉORIQUES DU MODÈLE (discutables)
• Les acteurs évaluent leur position pour l’optimiser.
• Les acteurs agissent de manière indépendante. L’évolution dynamique assure la
dépendance des changements consécutifs.
• Les acteurs ont une connaissance totale de l’état des relations dans le réseau.
• Chaque acteur choisit de s’engager dans des relations.
• Les changements sont consécutifs chaque acteur a la même probabilité d’agir.
• Entre les moments d’observation se produisent des changements non observés.
• Les états futurs du réseau sont une fonction du présent.
• Les acteurs sont « myopes » ils n’ont pas des stratégies à long terme.
• INGRÉDIENTS DU MODÈLE
1.La fonction objective : satisfaction avec la configuration.
2.La fonction de vitesse : certains facteurs influencent les vitesses
de changement.
3.La fonction de dotation : On ne rompt pas les relations de la
même manière qu’on les crée.
DANS LA FONCTION OBJECTIVE :
• Densité. Relations émises par l’acteur i.
• Réciprocité. Nombre de relations réciproques.
• Popularité. Préférence pour les acteurs « populaires ».
• Activité. Préférence pour les acteurs actifs.
• Transitivité. « Les amis de mes amis sont mes amis ».
• Homophilie. Préférence pour les acteurs semblables.
• Préférences. Préférence pour les acteurs avec la caractéristique X.
• Variables dyadiques. Préférence pour des relations avec la caractéristique Z.
• Interactions entre la réciprocité et des variables dyadiques …
EXEMPLE : Évolution d’un réseau d’amitié d’étudiants Erasmus
De connaissances en septembre 1995 à amis en février 1996.
Effet Type Paramètre Ecart type t
Vitesse Vitesse 12,535 0,323 --------- Densité Structural -1,392 0,578 -2,41 Réciprocité Structural 2,416 0,401 6,02 Transitivité Structural 0,825 0,182 4,53 Sim. nationalité Dyadique 1,588 0,253 6,27 Sim. lieu de résidence Dyadique 0,699 0,099 7,06 Activité des britanniques Acteurs -2,553 0,446 -5,72 Popularité des italiens Acteurs 0,286 0,142 2,01 Réciprocité par Sim. nationalité Interaction -2,377 0,759 -3,13
DÉVÉLOPPEMENTS
• Modèle pour réseaux de relations reciproques : i------j
• Changements dans la composition du réseau (50%).
• Études multi-niveaux.
• Étude simultané des processus de selection et influence : capital social,
coopération, imitation…
En cours :
• Relations avec des valeurs.
• Relations multiples.
http://stat.gamma.rug.nl/snijders/siena.html
http://stat.gamma.rug.nl/stocnet/
SIENA EN FRANÇAIS
de Federico de la Rúa, A. (2004) « L’analyse longitudinale de réseaux sociaux totaux avec SIENA. Méthode, discussion et application. » Bulletin de Méthodologie Sociologique. Nº 84, octobre 2004, pp. 5-39.
Lazega, E., Mounier, L., Snijders, T.A.B. et Tubaro, P. (2008) « Réseaux et controverses : Du pur effet des normes sur la dynamique des structures et les processus sociaux » Revue Française de Sociologie, Volume 48, numéro 3.
Sans doute d’autres… C. Lemercier, P.A. Balland…
SIENA IN ENGLISH
Snijders, Tom A.B, (2001) « The statistical Evaluation of Social Network Dynamics ». in Sociological Methodology -, edited by M.E. Sobel and M.P. Becker. Boston and London: Basil Blackwell, Pp. 361-395.
Huisman, Mark, y Snijders, Tom A.B. (2003). « Statistical analysis of longitudinal network data with changing composition. » Sociological Methods & Research, 32 (2003), 253-287.
Snijders, T.A.B. (2005). « Models for Longitudinal Network Data. » en P. Carrington, J. Scott, & S. Wasserman (Eds.), Models and methods in social network analysis. New York: Cambridge University Press. 123-151.
Snijders, T.A.B. Steglich, C.E.G and van de Bunt, G.G (2010). Introduction to actor based models for network dynamics Social Networks, 32, 44-60.
