我经常使用QAP（二次分配程序）测试进行网络统计的显着性测试，但我从未真正理解样本大小究竟是什么。网络数量？节点？领带？
我现在正在尝试计算两个网络之间gcor（在R包statnet中）的置信区间，并且似乎已经碰壁了。根据我的阅读，对（有效）样本量是什么没有普遍的共识。
任何人都可以就这应该给我什么建议吗？
我有两个网络，每个网络有23个节点。每个网络中有不同数量的关系。 如果有人对此有任何想法，我将非常感激！希望这个问题不要太模糊，但我认为一般问题可能适用于很多网络测试。
答案 0 :(得分：0)
在图相关的情况下，样本大小是邻接矩阵中{i，j}个单元的数量，减去对角线的数量。换句话说，它是网络中的总数或潜在联系。换句话说，n *（n-1）或[n *（n-1）] / 2（如果是无向的），其中n是节点的数量。 gcor评估每对的存在与否之间的相关性。
> g1 <- rgraph(10)
> g2 <- rgraph(10)
> gcor(g1,g2)
[1] -0.0784586
> vg1 <- gvectorize(g1, censor.as.na = F) #This creates a vector of all non-diagonal pairs in the network, with 0 or 1
> vg2 <- gvectorize(g2, censor.as.na = F)
> cor(vg1,vg2) #Good old fashioned Pearson correlation
[1] -0.0784586
在这种具体情况下，23 *（23 -1）= 506或[23 *（23 -1）] / 2 = 253.
然而，如果您使用QAP，则构建相关性的置信区间完全是另一回事。 QAP是非参数测试，因此您在正常置信区间构建中使用的临界值（通常为±1.96）是不合适的。
另请注意，还有其他情况，尤其是图表级统计信息，其中样本大小基本上为1，因为统计信息是整个网络的属性。 （如果你在比较网络，还是2！）