Код не создает график, я создал его с помощью g<-graph_from_data_frame(data). Тогда я не понимаю проблему с самыми большими компонентами, граф связен, у него только один компонент, components(g). Что касается остальных мер, запустите degree(g) и посмотрите этот пост RPubs.

Вам просто нужно количество узлов в наибольшем связном компоненте, разделенное на количество узлов во всем графе, поэтому length(V(largest_component(data, mode = "strong"))) / length(V(data)) даст вам LSCC, предполагая, что data — это ваш объект igraph, представляющий сеть.

Итак, вы имеете в виду, что стоимость каждого банка должна составлять долю от общего числа банков, к которым можно получить доступ из этого узла?

Из статьи, которую вы цитируете, я могу понять vcount(largest_component(g, mode='strong')) / vcount(g). Однако мне кажется, что это не то, о чем вы пытаетесь попросить. Нам действительно нужно точное математическое определение того, чего вы хотите. До сих пор вы только сказали: «Он не дал нужных мне числовых значений, таких как степень, близость...»

Спасибо. На самом деле, я расположил данные банка так, чтобы они передавались из банка i в банк j в одном направлении только для целей упорядочения данных. Если бы я хотел показать, что банк j также влияет на банк i, то я переключаю их позицию и снова помещаю в соответствии с банком i в позицию банка j. (например, если A --> B и A <--- B, я записываю как A ---> B и B ---> A вместо этого). Прежде всего, приемлемо ли это? Если нет, то можно ли и как мне поместить оба направления в одну структуру данных? Или моя структура данных уже в порядке?

Кроме того, мне интересно, можно ли смешать код «самый большой_компонент» с вашим предложением (?). Вероятно, это будет способ определить так называемый самый большой компонент, такой как банк B.

@Eric, методология определяет направленные ребра, а это означает, что вам, вероятно, понадобятся и A ---> B, и B ---> A, иначе сделайте свой граф ненаправленным. В данном контексте под крупнейшим компонентом понимается связанная группа банков - мы не можем говорить о том, что банк Б является крупнейшим компонентом (он принадлежит к крупнейшему направленному компоненту). Логично, что самый большой компонент ваших данных с фактически ненаправленными краями будет содержать несколько банков, которые будут одинаково хорошо связаны между собой. Метод, который я показываю выше, позволяет найти банк с наибольшей связностью (банк B).

По какой-то причине я обнаружил, что все результаты всегда равны «1» во всех банках.

Проще говоря, когда доходность акций банка А приводит к увеличению доходности акций банка Б, я ставлю A --> B. Если доходность акций банка А увеличивается три раза за один квартал, я ставлю A --> B три раза подряд. Я никогда не ставил как A <--- B, вместо этого я всегда ставил это как B ---> A. Но, несмотря на эти четкие направляющие узлы, странно, что я всегда и во всех ситуациях всегда получаю 1 с.

@Эрик, это, по-видимому, потому, что вы можете связаться с любым банком из любого другого банка. Если все ваши потоки двунаправлены, то, вероятно, существуют цепочки связей, по которым вы можете следовать от любого банка к любому другому банку. Возможно, вам нужно только количество банков, с которыми каждый банк взаимодействует напрямую? Это очень легко посчитать. Если нет, то, возможно, подумайте, что именно вы ищете — кажется, вы изо всех сил пытаетесь точно определить, чего вы хотите.

На самом деле это первое. Если да, то что мне делать, если мои выходные данные продолжают получать их все время?

и если это снова масштабировать по количеству банков, я думаю, что это то, что мне нужно для измерения LSCC.

Когда я просто копирую и вставляю данные в свой лист Excel, подсчитываю, сколько раз каждый банк появляется в первом столбце i (поскольку я там, где он появляется все время), тогда я, кажется, получаю цифры по-разному для каждого банк. На самом деле столбец j, похоже, не поможет в этом процессе, поскольку мои данные показывают только «выход», а не «вход», потому что данные изначально помещаются только как i -> j. (как будто мне нужно показать j -> i, я просто снова возвращаю данные банка i в местоположение банка j).

@Эрик, так ты просто хочешь, чтобы количество банков, с которыми имеет дело каждый банк, было напрямую разделено на общее количество банков? Это правильно?

Я думаю, что в Python есть такой код для LSCC (или они могут называть его SCC), а в R, похоже, его нет. Не уверен, стоит ли на это тоже ссылаться.

Я имею в виду, что проблема вашего кода в отсутствии дубликатов. Я имел в виду, что мне могут понадобиться дубликаты, поскольку одни и те же причинно-следственные связи от одной и той же фирмы к другой той же фирме могут происходить несколько раз в одном и том же квартале.

Если вы не увидите полные данные, вы можете не понять, о чем я говорю. Несмотря на это, теперь я записал больше данных, показывающих, что из банка i поступает более одной фирмы. Но если вы знаете, как я могу предоставить остальные данные, пожалуйста, дайте мне знать.

@Эрик, проблема в том, что если все банки в вашем наборе данных подключаются ко всем другим банкам в вашем наборе данных, то LSCC равен 1. Это именно то, что говорят данные, и с этим ничего нельзя поделать.

Я думаю, вы неправильно понимаете. Когда банк i не подключается к банку j, я не включил его в набор данных. Но банк i может подключиться к банку j более одного раза в одном и том же квартале. Таким образом, необходимо различать, сколько раз банк i подключается к банку j в одном и том же квартале, а это может быть более одного раза.

@Эрик, но количество контактов каждый квартал не имеет абсолютно никакого отношения к LSCC, как это определено в документе. Вы совершенно правы в том, что я не понимаю, что вы пытаетесь вычислить; что бы это ни было, это не LSCC, и вы не сказали нам, что это такое. В любом случае ваш вопрос уже закрыт другими пользователями-экспертами, в том числе одним из авторов igraph, поскольку неясно, что вы пытаетесь вычислить. Вместо того, чтобы добавлять комментарии, задайте новый вопрос, в котором четко указано, что именно вы пытаетесь вычислить.

У меня уже есть другие сетевые меры. LSCC — это всего лишь дополнительный параметр, который я пытался вставить вместе с другими имеющимися у меня сетевыми мерами. Если LSCC не подходит в моем текущем контексте, возможно, я просто не включаю его. Например, если это банки только внутри одной страны, то, вероятно, расчет LSCC может быть бессмысленным, если они, по сути, должны быть все связаны, если принадлежат к крупнейшим долям рынка. Как вы думаете?

@Эрик, это мое предположение. Если все банки в вашей выборке могут и осуществляют транзакции друг с другом, то LSCC равен 1, и вы можете либо включить этот факт в свое описание, либо вообще исключить его, как само собой разумеющееся.

Спасибо, что поделились своими мыслями.

У @Eric igraph есть функция упростить, которая возвращает график без дубликатов. Его выходные данные всегда представляют собой график, даже если входные данные представляют собой мультиграф. data |> simplify() |> LSCC1(), например.

Я имею в виду, что проблема вашего кода в отсутствии дубликатов. Я имел в виду, что мне могут понадобиться дубликаты, поскольку одни и те же причинно-следственные связи от одной и той же фирмы к другой той же фирме могут происходить несколько раз в одном и том же квартале.

Когда банк i не подключается к банку j, я не включил его в набор данных. Но банк i может подключиться к банку j более одного раза в одном и том же квартале. Таким образом, необходимо различать, сколько раз банк i подключается к банку j в одном и том же квартале, а это может быть более одного раза.