QAP 回归简介

什么是 QAP？

QAP (Quadratic Assignment Procedure，二次指派程序) 是一种针对关系数据（矩阵数据）的非参数统计检验方法。在社会网络分析中，传统的普通最小二乘法 (OLS) 回归往往失效，因为网络数据中的观测值（即边）之间不是独立的（例如，A 与 B 的关系可能受 A 与 C 的关系影响），这违反了 OLS 的独立性假设。

核心原理

QAP 回归通过随机置换（Permutation）来解决这一问题：

1. 保持因变量矩阵 $Y$ 不变。
2. 对自变量矩阵 $X$ 的行和列进行同步随机重排（置换）。
3. 在每次置换后重新计算回归系数。
4. 重复此过程数千次（如 1000 次），构建出系数的经验分布。
5. 将实际观测到的系数与该经验分布进行比较，从而计算出准确的 P 值。

适用场景

• 分析两个或多个社会网络矩阵之间的关系（如：友谊网络是否影响了信息传播网络）。
• 分析属性相似性矩阵与关系矩阵之间的关联（如：性别相似性是否预测了合作频率）。
• 任何数据点之间存在相互依赖性（非独立性）的矩阵回归问题。

本脚本说明

main.R 脚本使用了 R 语言中的 sna 包，演示了如何构建模拟矩阵数据，并调用 qaplm 函数执行 QAP 线性回归，最后输出回归系数及基于置换检验的显著性水平。

结果展示说明

本部分描述运行 main.R 脚本后的预期文本输出流程。

1. 输入操作

用户在 R 或 RStudio 环境中加载并运行 main.R 脚本。

• 前提条件：已安装 sna 和 network 包。*

2. 输出内容描述

运行结束后，控制台将依次显示以下文本信息：

A. 标题标识

首先输出一行字符：
[1] "=== QAP 回归分析结果 ==="

B. 模型摘要 (Summary)

接着输出一个标准的回归模型摘要对象，包含：

• Call: 显示调用的公式 qaplm(formula = Y ~ X, nperm = 100)。
• Coefficients:
  • (Intercept): 截距项的估计值。
  • X: 自变量矩阵的回归系数估计值。
• Significance codes: 显著性标记说明（如 *** 代表 p < 0.001）。
• P-values: 特别指出这里的 P 值是基于 100 次置换计算得出的经验 P 值，而非传统正态分布推导的值。

C. 详细数值列表

随后分别打印两个向量：

1. 系数估计：显示具体的截距数值和 X 的斜率数值（例如：截距约为 50.5，X 系数约为 -0.2，具体取决于随机种子生成的数据）。
2. 显著性 P 值：显示对应的 P 值。由于是模拟数据且仅置换 100 次，P 值可能是 0.01, 0.05, 0.12 等离散值。

D. 结论判断

最后，脚本会根据 X 变量的 P 值自动输出一条结论语句：

• 情形一（显著）：若 P 值小于 0.05，输出：

[1] "结论：在 0.05 水平上，自变量 X 对因变量 Y 有显著影响。"

• 情形二（不显著）：若 P 值大于等于 0.05，输出：

[1] "结论：在 0.05 水平上，自变量 X 对因变量 Y 无显著影响。"

• (注：由于脚本中使用了 set.seed(123) 且样本量较小、置换次数较少，每次运行的具体数值是固定的，但结论可能因随机数据的特性而表现为显著或不显著。)*