Springen naar inhoud

Autocorrelatie en permutation tests


  • Log in om te kunnen reageren

#1

micasa001

    micasa001


  • >25 berichten
  • 62 berichten
  • Ervaren gebruiker

Geplaatst op 16 maart 2011 - 20:38

Voor mijn scriptie ben ik op zoek naar een methode om te kunnen controleren voor gebeurtenissen in het verleden.

Concreet; ik wil de invloed van sociale netwerken meten op de invloed van carriere mobiliteit die zich de laatste 24 maanden heeft voortgedaan. Hierbij wil ik rekening houden met de omvang van het (ego)netwerk als geheel. Het probleem is nu dat in de 24 maanden het netwerk verschillende vormen (groter, kleiner, zelfde gebleven) heeft kunnen aannemen. Hiervoor zoek ik nu een oplossing om te kunnen controleren of om in mijn vragenlijst (kwantitatief) een controle te kunnen inbouwen.

Helaas ben ik na enkele dagen zoeken niet veel verder gekomen dan de informatie die ik hieronder heb bijgepost;

The field of network analysis is conventionally criticized for being too much methodological and too little theoretical. Critics say that there are few truly network theories of substantive phenomena. This is not a well-considered argument, however, because when examples of network theories are presented, critics say 'that's not really a network theory'. This is natural because theories that account for, say, psychological phenomena, tend to have a lot of psychological content. Theories that account for sociological phenomena have sociological independent variables. Only theories that explain network phenomena tend to have a lot of network content.

A real problem with network analysis in the past has been the inability to test hypotheses statistically, because the data are by their very nature autocorrelated, violating assumptions of independence (random sampling) built-in to most classical statistical tests. With the advent of permutation tests, however, this is much less of problem now.

A continuing problem is the lack of sufficient computing resources to handle large datasets. It is often a problem to bound a social network. If we are looking at needle-sharing among drug users, we can artificially bound the network at some arbitrary boundary, such as city or neighborhood, but this distorts the data. Yet we cannot let the network get too large because we cannot process the data.

Zou iemand mij hier misschien verder mee kunnen helpen? Of een korte toelichting geven hoe het mogelijk is middels de permutation tests te kunnen controleren? Want hier ben ik zelf niet mee bekend.

Alvast bedankt,

Dit forum kan gratis blijven vanwege banners als deze. Door te registeren zal de onderstaande banner overigens verdwijnen.




0 gebruiker(s) lezen dit onderwerp

0 leden, 0 bezoekers, 0 anonieme gebruikers

Ook adverteren op onze website? Lees hier meer!

Gesponsorde vacatures

Vacatures