[UCINET] CONCOR 분석 하기

일반적으로 네트워크 분석 시각화를 하면 네트워크가 약간 자의적으로 보이고 너무 복잡해보여서 의미를 뽑아내기 어려운 것이 사실이다. 그래서 사용할 수 있는 것이 복잡한 연결망에서 블럭을 찾아주는 CONCOR 분석이다(김용학 외, 2003). R로도 할 수 있지만, UCINET으로 쉽게 할 수 있다.

STEP 1 : UCINET 파일 만들기

우선 CONCOR 분석을 하기 위해서는 동시출현빈도 matrix 파일을 UCINET 파일로 확장자를 바꿔야 한다.
이 포스트의 STEP 1을 참고하면 된다.

STEP 2 : CONCOR 분석 하기

CONCOR 분석은 기본적으로 ‘구조적 등위성’을 바탕으로 한다. 구조적 등위성이란 두 행위자 사이에 관계 여부와 관계 없이, 각 행위자가 다른 사람들과 맺는 관계의 유형이다(김용학 외, 2003). 구조적 등위성 분석은 아래에서 Profile을 클릭해주면 결과값을 얻을 수 있다. Dendrogram은 집락분석 결과를 그림으로 보여주는 것이다.

CONCOR 분석을 클릭하고, 아래와 같은 설정값들을 조정해주어야 한다.

1. 기본적으로 ‘방향성’이 존재하지 않는 단순 동시출현빈도 행렬에서는 ‘NO’를 지정해줘야 한다.
2. depth는 노드의 크기가 얼마나 많냐에 따라서 지정해주면 되는데, 일반적으로 적을때는 2에서 많으면 3까지 지정한다.
3. 수렴 기준치는 일반적으로 0.05정도면 정확한 결과물을 계산해낸다는 보고가 있다(김용학 외, 2003).

Ok를 누르면 덴드로그램을 산출해낸다. 이 그림을 저장해두는 것이 좋다. 덴드로그램을 통해 구조적 등위성의 존재 여부에 대해서 판단할 수 있으며, 아래의 경우 8개의 집단으로 분리된다는 것을 알 수 있다.

STEP 3: Netdraw로 시각화하기

이제 Netdraw로 간다. 우선 바탕으로 matrix 데이터 h파일을 로드한 다음에, Concor 분석 결과 part 파일을 불러온다.

CONCOR 분석을 하면 output 파일이 세개로 나오는데, 그중에서 Part가 써있는 걸 사용하면 된다.

Categorical attribute를 클릭한다. (집단 분류는 범주형이기 때문에 당연하다)

여기서 아까 집단 depth를 3개로 분류했기 때문에 3, 2, 1을 선택할 수 있다. 2를 누르면 4개의 클러스터를, 3을 누르면 8개의 클러스터를 만든다. 그리고 Scrunch factor는 클러스터 구성노드의 분산배치 정도 설정으로 시각화 결과에 따라서 적당히 설정하면 되는데, 4나 8이 일반적이라고 한다.

Go를 누르면 클러스터링 결과에 따라서 알아서 퍼진다. 여기에다가 클러스터별로 색상을 다르게 지정해주면 훨씬 예쁜데, 아래 명령어를 참고하면 된다.