Eric D. Kolaczyk 是波士頓大學數學與統計係的統計學教授與統計學項目負責人，同時是生物信息學項目、係統工程方嚮以及計算神經科學項目的教職人員。他撰寫的以網絡為主題的著作不僅發展瞭統計學的方法與理論，還涵蓋瞭探測計算機網絡上的匿名流量模式，預測蛋白質相互作用網絡中的生物功能，以及刻畫社會網絡中行動者群體影響等應用性的工作。他是美國統計協會（American Statistical Association，簡稱ASA）會士，也是電氣和電子工程師協會（Institute of Electrical and Electronics Engineers，簡稱

IEEE）高級會員。

Gábor Csárdi 是美國哈佛大學統計係的研究助理，獲匈牙利羅蘭大學計算機科學博士學位。他的研究包括網絡分析在生物學與社會科學中的應用，生物信息學與計算生物學，以及圖論算法等。他於2005 年創建瞭igraph 擴展包，此後一直是主要的開發者之一。

譯者序

我們正身處一個網絡時代。全球的生産貿易網絡深刻改變瞭我們的物質生活，互聯網的普及則讓我們身處信息洪流之中。當網絡成為我們生活的一部分，我們也成為瞭網絡的一部分。麵對相互關聯的海量網絡數據，置身其中的我們如何認識這個世界？

在這樣的背景下，網絡科學近年來迅速崛起，橫跨數學、物理學、生物學、計算機、社會學、傳播學等領域，成瞭定量研究中的“顯學”。通過將復雜係統抽象為節點、邊以及它們的屬性，網絡科學為解析係統特徵、建立係統模型和研究係統的動態過程提供瞭一套簡潔優美的方法。研究者掌握瞭網絡科學的思考方式和分析工具之後，通常可以站在一個更為全局的視角審視問題，讓多個交叉學科的研究進展為我所用。盡管市場上已經有不少優秀的網絡科學著作，我們相信本書仍會給讀者帶來驚喜。由於網絡科學研究者的學科背景不同，多數網絡科學著作往往帶有強烈的學科視角特色，例如統計物理背景的著作強調網絡整體性質的形成機製，社會學背景的著作強調結構指標和社會學理論框架，而計算機背景的著作則強調數據存儲、算法實現等。本書及其前身Statistical Analysis of Network Data 從統計學的視角切入，歸納不同學科網絡研究中的通用任務，並采用嚴格的統計學術語進行瞭錶述，這在同類書籍中尚屬少見。本書的6至10 章尤其精彩，其中介紹的網絡統計模型很多是近五年的研究進展，對網絡研究有興趣的研究生和科研人員可以藉此快速瞭解研究前沿。我們建議讀者深入閱讀書中的參考文獻，以掌握使用統計工具分析網絡數據的思路，並理解數據分析方法所隱含的理論假設。

另一方麵，本書在講述統計網絡分析時使用瞭R 語言，主要以igraph和statnet 係列擴展包作為主力分析工具。原書的第二作者正是igraph 擴展包的創建者。相比其他網絡分析平颱，R 語言自身提供瞭強大的統計分析功能，所涉及的網絡分析擴展包抽象程度更高、封裝功能更多，有效節約瞭研究者構造網絡數據結構和算法的時間，使得研究者可以集中精力考慮核心的研究問題。全書采用案例方式講解統計理論，並提供瞭相應的分析代碼，讀者可以仿照書中內容快速上手開始自己的研究。考慮到原書樣式和印刷過程，本書在翻譯時進行瞭一些調整，說明如下：

• 本書翻譯瞭整行的代碼注釋，未翻譯代碼正文中的字符串，並且保留瞭原書圖片中的英文文字，以確保運行代碼後産生相同的可視化結果。

• 書籍內文采用黑白印刷，對理解內容有影響的彩色圖片在書末集中進行彩色印刷。事實上，讀者可以運行書中代碼自行生成多數彩色圖片。

• 翻譯過程使用R Markdown 寫作，並采用瞭默認的代碼格式進行輸齣，與原書代碼格式稍有不同（沒有> 和+ 等字符，輸齣結果使用# 標注），但保留瞭原書代碼的行號方便讀者索引查閱。

本書在翻譯時力求準確、生動，但由於譯者水平和經驗有限，翻譯不當之處在所難免。為瞭更好地為各位讀者服務，本書在GitHub 建立瞭對應的翻譯頁麵https://github.com/ complexly/ sand-translation。若您在閱讀過程中發現瞭任何問題，歡迎在GitHub 提交issue 進行交流，或者發送郵件至book@complexly.me，我們將及時把書籍的勘誤信息更新在翻譯頁麵上。

最後，本書漫長的翻譯齣版過程得到瞭眾多好友的幫助，而且絕大部分的交流協作都是在互聯網上完成的，本書的誕生正是我們身處網絡時代的最好見證。感謝統計之都的魏太雲先生為本書介紹翻譯齣版的渠道，感謝華東理工大學的好友聶春笑、開智社群結識的終身學習者董昊為本書初稿提齣的寶貴意見，感謝西安交通大學齣版社李穎編輯辛勤細緻地審閱校對，沒有你們的幫助這本書很難與眾位讀者見麵。同時，也要感謝父母親友以及石磊老師課題組在翻譯過程中的支持，你們的鼓勵永遠是我繼續前進的動力。

李楊

2016 年5 月於清華園

前言

網絡和網絡分析無疑是近年來定量科學進展最大的領域之一。雖然作為領域起源的社會網絡分析可以追溯至20 世紀30 年代，圖論研究可以上溯幾個世紀，但“網絡科學”領域的迅速崛起與普及隻是近10 到15 年的事情。通過我們熟悉的互聯網、社交網絡、病毒營銷等途徑，網絡已經滲透到日常生活的方方麵麵，而不僅僅是一個研究領域或者一種研究方法瞭。

數據的度量與分析是網絡研究的重要組成部分。因此，在實際應用、研究方法以及理論發展方麵，網絡分析都很需要或簡或繁的各類統計方法。與其他統計學分支一樣，網絡分析同時包括描述性和推斷性的統計方法。使用這些方法可以完成與網絡有關的各種任務，包括基本的網絡結構可視化與特徵化，對網絡拓撲的采樣、建模與推斷，以及對網絡上的靜態和動態過程進行建模和預測。

當前已經有很多可以進行網絡分析的軟件，橫跨各種平颱、編程語言和使用環境。毫無疑問，R 語言社區在網絡數據統計分析軟件的開發上尤其活躍。寫作本書時，已經有幾十個具有某些網絡分析功能的R 擴展包瞭。它們可以共同完成網絡分析的各類任務：從標準的網絡數據操作、可視化與特徵化（如igraph、network 和sna 擴展包），到網絡建模（如igraph、eigenmodel、ergm 和mixer 擴展包），再到對網絡拓撲的推斷（如glasso和huge 擴展包）。除此之外，R 的基本擴展包還提供瞭大量其他的分析工具和函數。

本書的寫作目的是為網絡數據的統計分析提供一種使用R 語言的、簡單易得的入門課程。因此，本書既不是涉及的各種R 擴展包的使用手冊，也不打算介紹所涉及主題的詳盡概念和技術基礎。相反，我們希望在這兩者之間尋找一個平衡，並且在最佳閱讀體驗的基礎上，采用（希望是！）最簡潔的程度來組織文字。相應地，我們預計本書會被以下人群使用：（1）希望開展網絡數據統計分析的統計學者，無論是作為研究方嚮還是與他人閤作，且希望繼續使用R 作為分析工具；（2）來自類似定量領域（如計算機科學、統計物理、經濟學等）的復雜網絡研究者，無論對統計是否熟悉，希望較快掌握R語言中的網絡數據統計分析方法；（3）應用領域的實踐者，希望涉足與某些特定應用相關的網絡分析方法。

總的來說，本書是為定量領域、有網絡數據統計分析需求的研究生和科研人員撰寫的，但熟悉R 語言的高年級本科生也可以輕鬆地學習本書的大部分內容。我們預計當前對本書感興趣的人群不僅包括統計學的讀者，還有來自計算生物學、計算機科學與機器學習、經濟學、神經科學、計量金融學、信號處理、統計物理以及定量社會科學的研究人員。

很多人在本書寫作的各個階段為我們提供瞭幫助，在此我們錶示衷心的感謝。感謝Springer 編輯團隊的熱情，他們鼓勵我們開始瞭這個項目，並全程提供瞭很多反饋意見；感謝波士頓大學2013 年鞦季課程Statistical Analysis of Network Data（MA703）的同學們對早期幾個章節做齣的評價。特彆感謝Xinyu Kang、Heather Shappell 和YaonanZhang，他們全程參與瞭本書第一稿的撰寫，仔細閱讀每個章節並測試瞭書中的代碼。我們也感謝Christophe Ambroise、Alain Barrat、Mark Coates、Suchi Gopal、Emmanuel Lazega 和Petra Staufer 提供瞭數據。更廣泛地，我們對書中使用的許多R 擴展包的作者一並錶示感謝，他們為開發付齣瞭大量的時間和精力。沒有他們的工作，本書的廣度和範圍都會大打摺扣。最後，我們嚮我們的傢人錶示最深的感謝，感謝他們在寫作本書時所給予的愛、耐心與支持。

本書使用的所有代碼和數據都包括在R 擴展包sand 之中，可以通過CRAN 進行下載。

美國，馬薩諸塞州，波士頓Eric D. Kolaczyk

美國，馬薩諸塞州，劍橋Gábor Csárdi

2014 年3 月