Diversité des approches de modélisation statistique en analyse de réseaux sociaux multiniveaux
Résumés
Cet article présente différentes approches statistiques combinant l’analyse multiniveau et l’analyse de réseaux sociaux, allant des modèles p2 multiniveau pour l’analyse de données de réseaux égocentrées aux Exponential Random Graph Models (ERGM) pour des données multiniveaux néostructurales. Nous développons premièrement les modèles stochastiques basés sur une dépendance dyadique, intégrant l’approche hiérarchique par une mise en parallèle de différentes expériences. Après avoir présenté la modélisation de type ERGM, nous nous demandons explicitement comment introduire de la dépendance « multiniveau » dans ces derniers. Nous terminons alors sur la formalisation proposée par Robins et Wang [2010] qui semble la plus aboutie pour traiter la dépendance verticale entre ces deux réseaux de niveaux différents, mais partiellement emboités.
Entrées d’index
Mots-clés :
affiliation, analyse multiniveaux, analyse stochastique de réseaux, ERGM, réseaux sociaux, sous-structures multiniveauxKeywords:
affiliation, ERGM, multilevel analysis, multilevel substructure, social network, stochastic network analysisPour citer cet article
Référence papier
Julien Brailly et Emmanuel Lazega, « Diversité des approches de modélisation statistique en analyse de réseaux sociaux multiniveaux », Mathématiques et sciences humaines, 198 | 2012, 5-32.
Référence électronique
Julien Brailly et Emmanuel Lazega, « Diversité des approches de modélisation statistique en analyse de réseaux sociaux multiniveaux », Mathématiques et sciences humaines [En ligne], 198 | Eté 2012, document 1493, mis en ligne le 13 juillet 2012, consulté le 25 septembre 2023. URL : http://journals.openedition.org/msh/12226 ; DOI : https://doi.org/10.4000/msh.12226
Haut de page