Page - 119 - in Soziale Netzwerke und gesundheitliche Ungleichheiten - Eine neue Perspektive für die Forschung

119Netzwerkanalyse – eine methodische Annäherung Neben der Unterscheidung zwischen Netzwerkparametern und Akteursparame- tern kann auch (idealtypisch) zwischen strukturbeschreibenden und statistischen Modellen, die Kausalzusammenhänge prüfen, differenziert werden. Die struktur- beschreibenden Verfahren beschreiben die Struktur des ganzen Netzwerkes oder fokussieren wenige Teile eines Netzwerkes. Ein Verfahren wurde bereits vor- gestellt, die sogenannte Dichte. Daneben existieren Maße wie z. B. Cliquenana- lyse, Cluster- oder auch Komponentenanalyse, Blockmodellanalyse oder auch der Triadenzensus. Cliquen-, Cluster- und Komponentenverfahren versuchen aus einem Netzwerk Subgraphen herauszufiltern, deren interne Dichte höher ist als die Dichte des gesamten Netzwerks (Luce 1950; Moody und White 2003). Auch in diesem Fall existieren unterschiedliche Verfahren wie z. B. n-core, n-clan und n-cliques Verfahren. N-clique ist z. B. ein maximaler Subgraph bei dem die Pfaddistanz, also die Anzahl der Akteure über die alle Knoten im Netzwerk mit- einander verbunden sind, nicht größer als ein vorher festgelegter Wert n ist (Bron und Kerbosch 1973). Somit können Gruppen hierarchisch, je nach Distanz, herausgefiltert und unterschieden werden. Das Komponentenverfahren ist ähnlich. Unter Komponenten versteht man im Allgemeinen Subgraphen, also Teile eines Netzwerks, die aus Knoten bestehen und auch untereinander verwoben sind. Eine starke verbundene Komponente ist eine Gruppe von Knoten, in denen alle Knoten durch gerichtete Kanten (z. B. alle Personen in einem Teil des Netzwerks leihen sich Zigaretten) vernetzt sind. Es gibt auch schwach verbundene Komponenten, hier ist jeder Knoten durch genau einen Pfad verbunden. Für ungerichtete Netz- werke, bei denen die Richtung einer Beziehung nicht gegeben ist (z. B. „Treffen Sie sich mit der Person XY gelegentlich?“) gibt es keine stark oder schwach ver- bundene Komponente. Hier spricht man lediglich von verbundenen Komponenten (De Nooy et al. 2011, S. 77). Ein weiteres exploratives Verfahren, welches auf eine datenreduzierende Darstellung von Knoten und Kanten basiert, ist die Block- modellanalyse. Bei der Blockmodellanalyse werden Akteure und Beziehungen zu Akteursgruppen und Beziehungsbündeln geclustert (Heidler 2008) und bilden somit ein reduziertes Abbild der Netzwerkstruktur. Durch Clusterung können Hierarchien, Zentrum-Peripherie-Gruppierungen oder auch Cliquen visuell dar- geboten und analysiert werden. Hier wird zwischen a-posteriori Blockmodellen, in denen Akteure aufgrund ähnlicher Positionen im Netzwerk gruppiert werden, und a-priori Blockmodellen, in denen Akteure anhand von Eigenschaften gruppiert werden, unterschieden (Heidler 2008). Das statistische Verfahren des Triadenszen- sus geht auf Heider (1958) zurück (siehe auch Kap. „Netzwerktheorie(n)“). Dabei wird überprüft, wie häufig geschlossene Triaden – drei, jeweils direkt miteinander verbundene Akteure – in einem Netzwerk vorkommen. In einem gerichteten Netz- werk können je nach Beziehungsrichtung und Beziehungsart 16 verschiedene