TALLER INTRODUCTORIO AL ANLISIS DE

REDES SOCIALES
Prcticas con Netminer y Pajek. Jos Luis Molina. UAB.
Noviembre de 2!

Joseluis.molina@uab.es
http://seneca.uab.es/antropologia/jlm
NDICE
PRIMERA PRCICA: !PERACI!"E# C!" MARICE#..........................................$
#E%&"'A PRCICA: ME'I'A# 'E CE"RA(I'A' ) C!*E#I+".....................,,
ERCERA PRCICA: M'# ) E-&I.A(E"CIA E#R&C&RA(............................,/
C&ARA PRCICA: REPRE#E"ACI+" %R0ICA C!" PAJE1.........................23
2
PRIMERA PRCTICA: OPERACIONES CON MATRICES
INTRODUCCIN
La base de las prcticas est tomada de: Molina, Jos Lis !"###$% El anlisis de
redes sociales. Una introduccin% &arcelona: 'dicions &ellaterra%
's con(eniente leer antes de empe)ar los catro primeros cap*tlos de
HANNEMAN, Robert A., Introduccin a los mtodos de anlisis de redes sociales
disponible en el +eb R'D',: -ttp:..seneca%ab%es.antropolo/ia.0lm
Tambin es importante consltar el /losario de trminos consensado en el
encentro de &dapest "##1%
O&J'TI2O,
1% Identi3icar los di3erentes tipos de matrices%
"% Operar con matrices%
4% Crear los 3ic-eros de datos a tili)ar posteriormente%
T'OR56: ,OCIO7R6M6, 8 M6TRIC',
,pon/amos 9e -emos reco/ido datos sobre las relaciones e:istentes entre 1;
personas% Los datos relacionales podr*an ser de cal9ier tipo: dinero prestado,
idioma en el 9e se -ablan, 3recencia de encentros cara<a<cara, la)os de
parentesco, estdios reali)ados con0ntamente, etc% =stos son datos relacionales o
medidas de los la)os e:istentes de na clase determinada entre cada par de
actores% ,pon/amos i/almente 9e -emos sido capaces de inclir en nestros
datos la 3recencia de interacci>n ? la intensidad de la relaci>n% 6 continaci>n
disponemos de di3erentes alternati(as de representaci>n% Una de ellas se pede
apreciar en la si/iente ilstraci>n, n socio/rama bastante so3isticado:
$
Ilstraci>n 1
1
< ,ocio/rama representando relaciones entre personas !las
letras se corresponden con iniciales$
La misma in3ormaci>n representada en el socio/rama se pede reco/er en na
matri) en la cal pondremos a los actores en las 3ilas ? en las colmnas%
1 1 1 1 1
1 2 3 4 5 6 7 8 9 0 1 2 3 4
AMRVGBEGJSJMMOCRPPGGJLMAFGDE
- - - - - - - - - - - - - -
1 AMG 0 0 0 0 0 0 1 1 0 0 1 0 0 0
2 RVT 0 0 0 0 0 0 0 0 0 0 1 0 0 0
3 GBB 0 0 0 0 0 1 0 0 0 1 1 0 0 0
4 EG 0 0 0 0 0 0 0 0 0 0 1 0 0 0
5 JSP 0 0 0 0 0 0 1 1 0 0 1 0 0 0
6 JMF 0 0 1 0 0 0 1 0 0 1 1 0 0 0
7 MOS 1 0 0 0 1 1 0 1 0 0 1 0 0 0
8 CR 1 0 0 0 1 0 1 0 0 0 1 0 0 0
9 PP 0 0 0 0 0 0 0 0 0 0 1 1 0 0
10 GG 0 0 1 0 0 1 0 0 0 0 1 0 0 0
11 JLM 1 1 1 1 1 1 1 1 1 1 0 0 0 0
12 MAR 0 0 0 0 0 0 0 0 1 0 0 0 1 0
13 FG 0 0 0 0 0 0 0 0 0 0 0 1 0 0
14 DES 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Ilstraci>n "% Matri) simtrica binaria
'n la ilstraci>n anterior pede apreciarse 9e solamente se -a re3le0ado el
e9i(alente de las l*neas del socio/rama !la e:istencia o no de na relaci>n$
mediante n # !casilla en blanco$ o n 1 !e:istencia de relaci>n$% 'n este caso la
dia/onal se de0a en blanco pes indica na relaci>n re3le:i(a% ,e trata de na
,
Se ha representado el sociograa a partir de las indicaciones de !"C"
Mitchell #$%&%': las l(neas )s gr*esas indican *na +rec*encia )s
grande, la distancia, la intensidad de las relaciones"
3
matri) simtrica binaria% ,e llama simtrica por9e la dia/onal di(ide dos
im/enes simtricas de las matri), como si de n espe0o se tratara%
@ara poder representar la 3recencia ? la intensidad podr*amos constrir dos
matrices, na para la 3recencia indicando en las casillas el nAmero de
interacciones en n per*odo determinado ? otra para la intensidad, pidiendo al
in3ormante 9e e(alAe de # a 4, por e0emplo, el /rado de intensidad 9e en s
opini>n tienen las relaciones de los actores%
'l resltado seria la misma matri) de 1;B1; con nAmeros en las casillas 9e
indicar*an la 3recencia en el primer caso ? la (aloraci>n del in3ormante en el
se/ndo% Obsr(ese 9e se asme 9e las relaciones son simtricas% La di3erencia
es 9e en l/ar de # o 1 nos encontrar*amos con nAmeros di3erentes% 'star*amos
delante de matrices simtricas ponderadas%
6-ora bien, si en l/ar de tili)ar n in3ormante nos diri/imos directamente a los
actores !asmiendo 9e todos se conocen entre ellos menos la persona D',, de
desconectada$ ? les pedimos 9e e(alAen s relaci>n con los otros nos
encontrar*amos con el problema 9e nos actores cali3icar*an s relaci>n con el
resto con nos (alores ? 9e estos otros las cali3icar*an con nos (alores
di3erentes% 's decir, 9e las relaciones no serian simtricas, como -asta a-ora,
sino asimtricas% 'l procedimiento de representaci>n seria introdcir, empe)ando
por las 3ilas, las pntaciones 9e cada actor proporciona de los otros% 'l resltado
seria na matri) cadrada ponderada asimtrica% I/almente si solamente les
pidisemos 9e si tienen contacto !? asmiendo 9e en la realidad no siempre -a?
reciprocidad$ , el resltado ser*a na matri) cadrada asimtrica binaria%
Las matrices que tienen en las filas y las columnas la misma serie de actores, ya
sean binarias o valoradas, simtricas o asimtricas, se denominan matrices de
modo 1.
Otra alternati(a ser*a pedir a nestros actores 9e nos -iciesen na lista de ss
ami/os ? ami/as% M? probablemente nestros actores nombrar*an personas 9e
no 3i/ran en la lista de catorce% 'n el momento de representar la in3ormaci>n
reco/ida nos encontrar*amos 9e en las 3ilas -abr*a na lista de personas ? en las
colmnas na lista de personas diferente !a pesar 9e con toda se/ridad al/nas
personas se repetir*an$%
Dispondr*amos entonces de na matri) rectan/lar, con ms personas en na lista
9e en la otra% @es bien, las matrices que tienen en las filas y en las columnas
dos series diferentes de actores se denomina matrices de modo 2% 'stas matrices,
binarias o (aloradas son asimtricas.
4
Las matrices 9e tienen en las 3ilas actores ? en las colmnas e(entos se
denominan matrices de afiliacin. De la misma forma estas matrices, binarias o
valoradas, son forosamente asimtricas.
Resmiendo:
l Tiene 9e decidirse pre(iamente 9 (ariables se 9ieren medir%
l Constrir di3erente matrices, na para cada (ariable%
l Las matrices peden ser de modo 1, de modo " o de a3iliaci>n% Los datos
representados peden ser binarios o (alorados%
@RCCTIC6,
CON,TRUCCIN D' UN6 M6TRID CU6DR6D6 ,IM=TRIC6
Con Netminer !+++%netminer%com$ es posible crear matrices directamente con
la instrcci>n 'DITENOD' LI,T
5
Ilstraci>n 4% 'ditor de matrices de Netminer
'n la pantalla aparecen los datos correspondientes al 3ic-ero de e0emplo 9e se
car/a por de3ecto% Tendremos 9e sstitir los datos e:istentes por los
correspondientes a la matri) de la Ilstraci>n "% @ara ellos tenemos dos opciones:
ir borrando na por na las di3erentes celdas ? escribir el ne(o nombre de nodo,
o, mc-o ms rpido, preparar n 3ic-ero de te:to con el bloc de notas 9e
conten/a los nodos en na lista:
6M7
R2T
7&&
'7
J,@
JMF
MO,
CR
@@
77
JLM
M6R
F7
D',
'n nestro caso -emos creado n 3ic-ero llamado nodelist%t:t ? lo -emos car/ado
clicando el bot>n correspondiente:
Ilstraci>n ;% Car/ando la lista de nodos en Netminer%
6
Una (e) car/ada la lista de nodos tenemos 9e llenar la matri) con los datos
disponibles% Obsr(ese 9e Netminer admite de entrada tres (ariables di3erentes
!6d0acenc? 1, 6d0acenc? " ? 6d0acenc? 4$% 'n cada na de ellas podemos indicar
di3erentes tipos de datos para el mismo /rpo de nodos% 'n nestro caso solamente
disponemos de n tipo de datos, la e:istencia o no de relaci>n%
Otra (e) tenemos dos opciones: ir reempla)ando los (alores de la matri) por los
ne(os !operaci>n lenta ? costosa$ o car/ar na matri) desde nestro ordenador% ,i
sstitimos los espacios por comas obtenemos n 3ic-ero de te:to preparado para ser
car/ado desde la opci>n Upload Matri)
#,#,#,#,#,#,1,1,#,#,1,#,#,#
#,#,#,#,#,#,#,#,#,#,1,#,#,#
#,#,#,#,#,1,#,#,#,1,1,#,#,#
#,#,#,#,#,#,#,#,#,#,1,#,#,#
#,#,#,#,#,#,1,1,#,#,1,#,#,#
#,#,1,#,#,#,1,#,#,1,1,#,#,#
1,#,#,#,1,1,#,1,#,#,1,#,#,#
1,#,#,#,1,#,1,#,#,#,1,#,#,#
#,#,#,#,#,#,#,#,#,#,1,1,#,#
#,#,1,#,#,1,#,#,#,#,1,#,#,#
1,1,1,1,1,1,1,1,1,1,#,#,#,#
#,#,#,#,#,#,#,#,1,#,#,#,1,#
#,#,#,#,#,#,#,#,#,#,#,1,#,#
#,#,#,#,#,#,#,#,#,#,#,#,#,#
,i clicamos el bot>n OG, tendremos nestros datos representados en la pantalla
principal de Netminer%
Ilstraci>n H% Car/ando la lista de nodos en Netminer%
/
's importante clicar el bot>n ,top para no perder los ner(ios%
Dado 9e el 3ic-ero ,6M@L' tiene datos en 6d0ancenc? 1 ? ", tendr*amos 9e
clicar las pestaIas correspondientes ? rellenar con ceros las matrices para e(itar
9e nos 9eden datos residales%
6 continaci>n /ardaremos nestros datos con la opci>n FIL'E,62' !opci>n NTF
recomendada$E NOM&R' D' FICJ'RO !simtrica.ntf en este caso$%
'n el +eb R'D',, apartado T6LL'R disponer de n 3ic-ero llamado ,IM'TRIC%NTF
9e deber*a ser i/al al 9e -as constrido% KComprbaloL
CON,TRUCCIN D' UN6 M6TRID R'CT6N7UL6R
6 partir del si/iente /r3ico se pede constrir na matri)% @ara ello se debe
empe)ar por -acer na lista por orden al3abtico de todas las empresas ?
or/ani)aciones 9e aparecen en el /r3ico%
7
Ilstraci>n M% NIntereses cr)adosO% In3ormaci>n aparecida en 'l @ais el M de
0nio de 1PPP%
'n esta matri) al/nas or/ani)aciones poseen acciones de otras, por lo 9e,
em!eando !or las filas, se deber*a escribir en cada celda el nAmero
correspondiente al porcenta0e de acciones% @or e0emplo, 6bell> posee !se/An el
/r3ico$ el 4 Q de 6irtel% 'sta relaci>n se indica de la si/iente 3orma:
6irtel
6bello 4
@or spesto, esta relaci>n no tiene por 9 ser rec*proca% @or tanto, las empresas
9e, como 6bell>, estn en las 3ilas, no tienen por 9 ser las mismas 9e las
empresas 9e aparecen en las colmnas, por lo menos en nAmero% 'l /r3ico
anterior est representado en la matri) R'CT6N7%NTF disponible en el +eb R'D',
!apartado Taller$% 'n teor*a, ? na (e) descar/ado el 3ic-ero, simplemente
eli/iendo FIL'EO@'NER'CT6N7%NTF deber*amos poder (isali)ar el /ra3o con las
relaciones accionariales entre empresas% ,in embar/o, a (eces no 3nciona% 'n
al/nos casos ser necesario car/ar primero la lista de nodos ? desps los datos
por separado para 9e Netminer !toda(*a en ss inicios$ se entere% @es nada, a
repetir la operaci>n 9e ?a sabemos -acer !lista de nodos ? lista de datos$%
Je/a n poco con ts dos matrices: te lo mereces%
,8
SE-.N/A PRCTICA: ME/I/AS /E CENTRA0I/A/ 1
COHESI2N
O&J'TI2O,
;% Calclar las medidas de centralidad ? densidad%
H% In(esti/ar a/rpaciones en base a medidas de co-esi>n%
T'OR56: M'DID6, D' C'NTR6LID6D
'stas medidas nos proporcionan na primera apro:imaci>n al anlisis de la red
social estdiada% Las medidas de centralidad son tres
"
si/iendo a Freeman:
l -rado "de#ree$: nAmero de la)os directos de n actor% ,i se especi3ica la
direcci>n se pede -ablar de /rado de entrada !inde#ree$, o nAmero de la)os 9e
lle/an a n nodo ? /rado de salida !outde#ree$ o nAmero de la)os 9e salen de n
nodo%
l -rado de interediaci3n "bet%eenness$: *ndice 9e mestra la sma de
todos /eodsicos, es decir, los caminos ms cortos entre dos (rtices 9e incl?en
el nodo en cesti>n% 'l /rado de intermediaci>n normali)ado se obtiene al di(idir el
*ndice en cesti>n por el nAmero m:imo de /rado de intermediaci>n e:presado
como porcenta0e%
,i ele/imos 6N6L8D'EC'NTR6LIT8E&'TR''NN',, obtendremos, con el 3ic-ero
,IM=TRIC6%NTF, la si/iente pantalla%
2
0reeman9 (inton C.9 :Centralit; in #ocial "et<or=s: Conceptional Clari>ication: en
Social Networks ,9 ,7679 pp.2,4?2$7.
,,
Ilstraci>n S% 7rado de intermediaci>n
'sta representaci>n a?da mc-o a identi3icar los nodos ms centrales%
,i clicamos el bot>n R'@ORT, podremos obtener ms detalles !pestaIa de la
derec-a$% 'stos resltados son m? parecidos a los 9e se obtienen con Ucinet,
solamente 9e se e:presan de # a 1 en l/ar de # a 1##%
,2
Ilstraci>n T% 7rado de intermediaci>n
,e pede obser(ar c>mo JM7 ? @@ son las personas con n *ndice ms /rande de
/rado de intermediaci>n. ,i obser(amos el socio/rama podremos apreciar como
e3ecti(amente @@ es la cla(e para acceder a M6R ? F7, al tiempo 9e JM7 permite
el acceso al resto de nodos de la red% Las personas<pente son imprescindibles
para la (ida social al permitir la cone:i>n de /rpos 9e de otra 3orma
permanecer*an aislados%
l -rado de cercan(a !closeness$: *ndice de la cercan*a de n nodo con el resto
de la red% La idea bsica es 9e los nodos ms centrales son a9llos 9e peden
acceder ms 3cilmente al resto de la red% @ara ello se calcla la sma de los
/eodsicos 9e nen a cada (rtice o nodo con el resto !esto es, s farness,
le0an*a$ ? se calcla s in(ersa%
,$
Ilstraci>n P% 7rado de cercan*a
Obsr(ese como JLM tiene el m:imo /rado de cercan*a pero tambin como las
personas s>lo relacionadas con este nodo tienen tambin n /rado de cercan*a
alto% @or e0emplo R2T con n #rado 1 ? na #rado de intermediacin # tiene n
/rado de cercan*a de #,;M"%
'n trminos prcticos esto si/ni3ica 9e na persona poco conectada con el resto
!pocas cone:iones, ba0o /rado de intermediaci>n$, por el solo -ec-o de estar
conectada con na persona NimportanteO pede tener n /rado alto de cercan*a ?,
por tanto, trasladado a la arena del 0e/o pol*tico, na alta in3lencia%
,3
T'OR56: D'N,ID6D
La densidad de na red es la relaci>n e:istente entre el nAmero de la)os
e:istentes ? el nAmero de la)os posibles% La 3>rmla para calclarla es la
si/iente:
r
D U <<<<<<<<<<<<<
N!N<1$."
& corresponde al nAmero de nodos ? r al nAmero de la)os e:istente
2eamos n e0emplo:
Una red compesta por 1## personas !&U1##$ ? en la 9e -emos re/istrado "%4";
relaciones !rU"%4";$, tiene la si/iente densidad:
"%4"; "%4";
D U <<<<<<<<< U <<<<<<< U #%;M
1##!PP$." ;%PH#
es decir, 9e e:isten n ;MQ de los la)os posibles !el *ndice (ar*a de # a 1,
m:ima densidad$
'ste *ndice de densidad asme 9e las relaciones son diri/idas !se centa na (e)
la l*nea 9e (a del nodo 6 a & ? otra (e) la 9e (a de & a 6$% 'n el caso de
matrices simtricas la 3>rmla es li/eramente di3erente:
r
D U <<<<<<<<<<
N!N<1$
La densidad, adems de ser no de los primeros *ndices del anlisis de redes
sociales es ssceptible de comparaci>n entre di3erentes redes, ?, como -emos
dic-o, na medida 9e pede deri(arse 3cilmente de na mestra%
Calclar las tres medidas de centralidad de las matrices ,IM'TRIC6 8
R'CT6N7% 'n el caso de la matri) de empresas V Wests de acerdo 9e el
nodo ms central es &,CJX Jsti3ica por 9%
T'OR56: 67RU@6CION', 'N &6,' 6 M'DID6, D' COJ',IN
6 continaci>n e:plicaremos al/nas tcnicas de detecci>n de a/rpaciones
teniendo en centa los la)os en comAn:
,4
Componentes
Cli9es
N<Clan
Coponente es n sb/ra3o en el cal es posible encontrar n camino entre
cal9iera de ss nodos% ,i en n /ra3o encontramos (arios componentes
si/ni3icar 9e e:isten sb/ra3os desconectados%
l Cli4*es es n al/oritmo 9e nos permite conocer los di3erentes /rpos a los
9e pertenece n actor%
Cli4*es AM
-
-5
5
!S
P
!M
6
MO
S
CR -- !0
M
PP MA
R
6- R7
T
E- /E
S
$ 8 8 8 8
9 8 8 8 8
: 8 8 8
; 8 8 8 8
< 8 8 8
'n este procedimiento se pede especi3icar el nAmero m*nimo de personas
necesarias para identi3icar n /rpo% 'n el e0emplo de la Ilstraci>n anterior el
nAmero m*nimo era 4% @ara poder 3ormar parte de n cli9e es necesario disponer
de la)os con el resto de componentes% De esta 3orma podremos aislar
a/rpaciones 9e se tendrn 9e contrastar con la realidad% 'n nestra red de 1;
personas e3ecti(amente el cli9e ; !7&&, JMF, 77 ? JLM$ traba0aban 0ntosY el
cli9e H !@@, M6R ? F7$ militaban en el mismo partido pol*tico, etc%
l &'(lique nos in3orma de los di3erentes /rpos a los 9e pertenece na persona a
pesar 9e no se dispon/a de relaci>n directa con todos los componentes:
N=
Cli4*e
AM
-
-5
5
!S
P
!M
6
MO
S
CR -- !0M PP R7
T
6- MA
R
E- /E
S
$ 8 8 8 8 8 8 8 8 8 8
9 8 8 8 8
'l procedimiento &'clique nos permite identi3icar c*rclos sociales, es decir,
personas 9e 3orman parte de n mismo c*rclo pero 9e no necesariamente
conocen a todas las personas 9e lo 3orman% @or ello &'clique permite indicar el
dimetro m:imo del c*rclo, es decir, la distancia m:ima tolerada entre dos
,5
personas para permitir s inclsi>n en el /rpo% 'n el e0emplo anterior la distancia
m:ima era " !el ami/o de mi ami/o, por e0emplo$%
@RCCTIC6,
Mediante la instrcci>n 2I'RE,ID'E2'R8 L6R7' dispondremos de na pantalla
completa para anali)ar nestros datos% 6 continaci>n, con la matri) R'CT6N7
car/ada e0ectaremos las tres opciones del menA 6N6L8D'E,U&7ROU@
1% Identi3icar cntos componentes -a? en la matri) R'NT67U%
Obser(aremos 9e la red est completamente conectada%
"% Identi3icar los cli9es de la matri) R'CT6N7 de tamaIo " ? 4%
Obser(aremos 9 pocos cli9es se peden encontrar !estn marcados como Z1, Z",
V$% Una e:plicaci>n pede ser 9e no e:isten acciones cr)adas, esto es, 9e las
empresas 9e poseen participaci>n de otras no son a s (e) participadas por a9llas%
'sto podr*a lle(arnos a 3ormlar la -ip>tesis 9e e:iste na 0erar9*a en la red V
4% Identi3icar /rpos N<Cli9es con na distancia de "%
'n este caso obser(aremos 9e e:isten mc-os N<Cli9es% 'sto pede interpretarse
como las di3erentes es3eras de in3lencia a la 9e pertenecen las di3erentes empresas%
;% Di(ertimento% Car/a la matri) ,IM=TRIC6% 'n la opci>n del menA
6N6L8D'ECONN'CTIONE6DJ6C'NC8 eli/e en la derec-a R2T ? distancia 1% Dale al
bot>n de ,-aGe% 2ers 9e el /r3ico indica los nodos accesibles a distancia 1% 6-ora
selecciona distancia "% 8 a-ora distancia 4% 7r3ico, W(erdadX @or Altimo, eli/e
6N6L8D'ECONN'CTIONE@6TJ ? pasa n ratito bscando caminos alternati(os entre
dos nodos%
,6
TERCERA PRCTICA: M/S 1 E>.I7A0ENCIA
ESTR.CT.RA0
O&J'TI2O,
M% 6plicar el 'scalado mltidmensional mtrico ? no mtrico%
S% 6plicar el procedimiento CONCOR%
T'OR56: 'L ',C6L6DO MULTIDIM'N,ION6L
El escalado multidimensional "multidimensional scalin# o )D*$ es na de las
tcnicas ms (aliosas del anlisis de redes sociales%
La idea del escalado mltidimensional es trasladar a n espacio las distancias
entre actores% ,i dispsisemos de na matri) con na serie de cidades en las
3ilas ? en las colmnas ? en cada casilla -icisemos constar la distancia en
Gil>metros, el escalado mltidimensional nos proporciona n mapa, de 3orma 9e
la disposici>n de las cidades se corresponder*a con las distancias Gilomtricas
4
%
's importante seIalar 9e en la interpretaci>n del escalado mltidimensional la
orientaci>n de los e0es no es en absolto si/ni3icati(a%
2eamos n e0emplo:
$
El escala@o multi@imensional metrico intenta repro@ucir eAactamente las @istancias
originales ; el no?mBtrico intenta repro@ucir solamente el ranking @e las @istancias
originales. C>. : 1rus=al9 Joseph C.9 ; M;ron Dish: Multidimensional Scaling. #age9
CeEerl; *ills9 ,76/.
,/
Ilstraci>n 1#% 'scalado mltidimensional del socio/rama
@ede obser(arse como los /rpos 9e aparecen son m? parecidos al socio/rama
9e mostramos en la prctica nAmero 1%
De -ec-o, las representaciones atomticas 9e representa Netminer estn
basadas en este principio%
Ilstraci>n 11% Representaci>n atomtica de ,IM'TRIC6
,7
T'OR56: T=CNIC6, D' '[UI26L'NCI6 ',TRUCTUR6L
@ara poder ilstrar adecadamente las tcnicas de e9i(alencia estrctral
tili)aremos el si/iente e0emplo
;
:
La 6dministraci>n penitenciaria de los estados Unidos -ab*a recomendado (arias
(eces la constrcci>n de na ne(a prisi>n en el mnicipio \ a casa de las malas
condiciones de las instalaciones e:istentes% 'l tema lle/> al pleno del
6?ntamiento ? se discti> (arias (eces sin lle/ar a n acerdo% Los
in(esti/adores estdiaron las personas con in3lencia en los procesos de decisi>n
pol*tica del 6?ntamiento e -icieron na lista de 1;% Las (ariables atribti(as
clsicas !se:o, ideolo/*a, etnia$, no pod*an e:plicar las di3icltades e:istentes para
lle/ar a n acerdo !14 de 1; eran blancas, 14 de 1; -ombres ? 1" de 1;
dem>cratas$% Los in(esti/adores les pidieron 9e identi3icasen de la lista de 1; las
personas con las 9e se manten*a na relaci>n de apo?o pol*tico% 'l resltado 3e
el si/iente !la e9i(alencia de los car/os de las administraciones mnicipales
entre 'stados Unidos ? 'spaIa es 3icticio$:
1 1 1 1 1
1 2 3 4 5 6 7 8 9 0 1 2 3 4
- - - - - - - - - - - - - -
Gerene 1 A 0 0 1 1 0 0 1 0 0 0 0 0 1 0
!ner"en#r 2 B 0 0 0 0 0 0 0 1 1 1 0 1 0 0
Je$e P#%&'() 3 C 1 0 0 1 0 1 1 0 0 0 0 0 0 1
C#n'e*)%1 4 D 1 0 1 0 1 1 1 0 0 0 0 1 0 0
C#n'e*)% 2 5 E 0 0 0 1 0 0 0 0 0 0 0 0 0 0
C#n'e*)% 3 6 F 0 0 1 1 1 0 0 0 0 0 0 1 0 1
C#n'e*)% 4 7 G 1 0 1 1 0 0 0 0 0 0 0 0 0 0
Pre+&,ene 8 - 0 1 0 0 0 0 0 0 1 1 0 1 1 0
C#n'e*)% 5 9 ! 0 1 0 0 0 0 0 1 0 1 0 0 1 0
C#n'e*)% 6 10 J 0 1 0 0 0 0 0 1 1 0 0 0 1 0
An&./# C#n'e*)% 11 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0
An&./# Pre+&,ene 12 L 0 1 0 1 0 1 0 1 0 0 1 0 1 0
A%')%,e 13 M 1 0 0 0 0 0 0 1 1 1 0 1 0 0
Se're)r&# 14 1 0 0 1 0 0 1 0 0 0 0 0 0 0 0
Ilstraci>n 1"% Matri) de apo?o pol*tico
3
Ca=er9 Da;ne E. F #chumm (. Philip9 :Intro@uction to "et<or= Anal;sis >or
Managers:9 Connections9 .ol. G. H,772I 27?3/.
28
'n na (otaci>n reali)ada en diciembre de 1PT; los resltados 3eron los
si/ientes: los conce0ales 1,",4 i ; !D,',F,7$ (otaron para constrir na ne(a
prisi>nY los conce0ales H ? M ? el @residente !J, I, J$ (otaron en contra%
Mediante la tcnica CONCOR !con(er/encia de correlaciones iterati(as$, 9e
traba0a mediante la di(isi>n scesi(a de la red en blo9es pede anali)arse esta
matri)% 'n la si/iente ilstraci>n se pede (er el resltado de la primera
partici>n:
1 1 1 1 1
1 5 3 4 4 6 7 2 9 0 8 2 3 1
2-------------------------------2
1 A 3 1 1 1 3 1 3
5 E 3 1 3 3
3 C 3 1 1 1 1 1 3 3
4 D 3 1 1 1 1 1 3 1 3
14 1 3 1 1 3 3
6 F 3 1 1 1 1 3 1 3
7 G 3 1 1 1 3 3
2---------------2---------------3
2 B 3 3 1 1 1 1 3
9 ! 3 3 1 1 1 1 3
10 J 3 3 1 1 1 1 3
8 - 3 3 1 1 1 1 1 3
12 L 3 1 1 3 1 1 1 1 3
13 M 3 1 3 1 1 1 1 3
11 0 3 3 1 3
2-------------------------------2
Ilstraci>n 14% CONCOR con na partici>n
8a en esta primera partici>n se pede apreciar la e:istencia de dos /rpos, con la
di3erencia 9e Z ? L estn incorporados en el se/ndo /rpo% ,i obser(amos la
si/iente ilstraci>n se pede apreciar como, desps de la se/nda partici>n, Z ?
L se separan del resto ? como los dos otros /rpos son m? compactos%
1 1 1 1 1
1 5 3 4 4 6 7 2 9 0 8 3 2 1
2---------------------------------2
1 A 3 1 1 1 3 1 3 3
5 E 3 1 3 3 3
3 C 3 1 1 1 1 1 3 3 3
4 D 3 1 1 1 1 1 3 3 1 3
14 1 3 1 1 3 3 3
6 F 3 1 1 1 1 3 3 1 3
7 G 3 1 1 1 3 3 3
2---------------2-----------2-----3
2 B 3 3 1 1 1 3 1 3
9 ! 3 3 1 1 1 1 3 3
10 J 3 3 1 1 1 1 3 3
8 - 3 3 1 1 1 1 3 1 3
13 M 3 1 3 1 1 1 3 1 3
2---------------2-----------2-----3
2,
12 L 3 1 1 3 1 1 1 3 1 3
11 0 3 3 3 1 3
2---------------------------------2
Ilstraci>n 1;% CONCOR con dos particiones
[eda clara la e:istencia de dos /rpos compactos sin la)os si/ni3icati(os entre s*
!tendr*a 9e aparecer n 1 en n l/ar di3erente de la dia/onal para 9e -biesen
pntos de contacto$%
La potencia del anlisis de redes para la identi3icaci>n de patas de ordenaci>n de
las relaciones sociales es e(idente%
@RCCTIC6,
Netminer dispone por a-ora de pocas opciones para el anlisis de e9i(alencia
estrctral% @ero podemos ele/ir 6N6L8D'E@O,ITION,E,TRUCTUR6L !na (e)
car/ada la matri) ,IM=TRIC6$ ? obtener, mediante el bot>n 2ie+ Clsters !eli/iendo la
opci>n ; clsters$ el si/iente resltado:
Ilstraci>n M% @osiciones estrctralmente e9i(alentes
22
Los catro clsters nos indican los nodos 9e ocpan posiciones estrctralmente
e9i(alentes% 'sto si/ni3ica, por e0emplo, 9e JMF, 7&& ? 7&, el Clster 14 tendr*an
9e tener ocpaciones similares !? similares relaciones con el resto$ an9e
traba0asen en di3erentes Departamentos de la or/ani)aci>n ? no t(iesen relaciones
directas entre s*%
Repite la misma operaci>n con la matri) R'NT6N7%
Ilstraci>n 1H% @osiciones estrctralmente e9i(alentes
Obser(a 9e e:isten n /ran nAmero de empresas 9e tienen n rol determinado%
In(esti/ar cl pede ser ese rol pede ser na cesti>n de inters%
Jasta a-ora -emos traba0ado con datos con na sola capa: posesi>n de acciones% ,in
embar/o podr*amos combinar di3erentes capas, como por e0emplo posesi>n de
acciones ? sectores de acti(idad% Netminer admite 3cilmente di3erentes capas de
datos !opci>n La?er del menA de la i)9ierda$%
2$
C.ARTA PRCTICA: REPRESENTACI2N -R6ICA CON
PA!E?
O&J'TI2O,
T% Representar /r3icamente matrices de datos con +a,e-%
P% Copiar a n 3ic-ero .ord los resltados%
@RCCTIC6,
1% '0ectar @a0eG ? reali)ar FIL'EN'TRORZER'6DER'CT6N7%DL%
"% 6 continaci>n !na (e) importado el 3ic-ero por @a0eG$ e0ectar el comando
DR6REDR6R% Una (e) apare)ca la pantalla de representaci>n /r3ica seleccionar
'N'R78E"D ? aceptar el (alor 9e nos presenta% @or Altimo, seleccionar
O@TION,EM6RZEL6&'L,% 'l resltado es el si/iente:
Ilstraci>n 1M% Representaci>n /r3ica con @a0eG
4% Las posibilidades /r3icas de @a0eG son e:traordinarias% @odemos rotar en tres
dimensiones el socio/rama ? anali)arlo desde mAltiples pntos de (ista% @ara ello
23
podemos seleccionar O@TION,E,CROLL&6R.ON ? en la parte sperior i)9ierda de
la pantalla modi3icar el pnto de (ista del /ra3o a (olntad%
;% Repetir la operaci>n con la matri) ,IM'TRIC6%
H% @ara copiar na pantalla e insertarla en Rord, como en este docmento,
simplemente -a? 9e -acer 6LT]IM@R @6NT ? a continaci>n colocarse en Rord ?
reali)ar 'DICINE @'76DO ',@'CI6L E IM67'N% Tened cidado 9e NO est
seleccionada la opci>n ^NFlotar sobre el te:to^%
M% Como pro?ecto 3inal del taller editar n docmento Rord con el anlisis MD, ? s
representaci>n /r3ica con @a0eG de las matrices ,IM'TRIC6 ? R'CT6N7, en el cal
se identi3i9en los di3erentes /rpos e:istentes ? s relaci>n mta%
24