Gom cụm và Tính có đi có lại
Những gì bạn đã làm với dyad census trước đó sẽ giúp trực giác về cách các chỉ số ở cấp độ đồ thị khác như tính có đi có lại (reciprocity) và gom cụm (clustering) có thể trông như thế nào trong đồ thị đồng mua hàng của chúng ta. Nhớ lại rằng có 10.754 cạnh trong đồ thị với 10.245 đỉnh, và trong số đó, hơn 3.000 là các cạnh đối ứng, nghĩa là gần 60% số đỉnh có kết nối hai chiều. Với thông tin này, bạn kỳ vọng các thước đo gom cụm và tính có đi có lại sẽ như thế nào? Ta có thể kiểm tra trực giác bằng một mô hình rỗng (null model) thông qua mô phỏng các đồ thị ngẫu nhiên. Dựa trên kết quả mô phỏng trước, bạn mong đợi điều gì ở đây? Liệu tính có đi có lại cũng sẽ cao hơn đáng kể so với mức ngẫu nhiên?
Đồ thị amzn_g đã được cung cấp.
Bài tập này là một phần của khóa học
Các nghiên cứu tình huống: Phân tích mạng lưới với R
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Calculate reciprocity
actual_recip <- ___
# Calculate the order
n_nodes <- ___
# Calculate the edge density
edge_dens <- ___