Introducción

Autor/a

Aníbal Olivera

Fecha de publicación

8 de enero de 2025

Revisitando las Ego-redes

Tradicionalmente, las encuestas se analizan asumiendo independencia entre observaciones (encuestados). Sin embargo, el supuesto i.i.d. (independientes e idénticamente distribuidas) se viola cuando las encuestas contienen items de “generación de nombres”.

Si representas tu dataset a nivel de díadas (ego–alter), el mismo ego $i$ aparece en varias filas: $(i, j_1), (i, j_2), \dots, (i, j_{k_i})$.

¿Entonces “todas” las encuestas ego violan i.i.d.?

Depende de la unidad de análisis:

Si se analiza a nivel díada (ego–alter): en general no se puede asumir independencia entre filas, por lo anterior.
Si se analiza a nivel ego (una fila por encuestado): es mucho más razonable tratar a los egos como i.i.d. entre sí (sujeto a diseño muestral/pesos), porque cada ego es una unidad muestral primaria.

Eso induce correlación entre observaciones porque esas filas comparten características no observadas del ego (p. ej., sociabilidad, propensión a nominar, sesgo de reporte, “grado” latente, etc.).

Dificultades con Ego-nets

Sabemos que no es factible medir propiedades de red directamente para sistemas grandes (ej., un país: requeriría un censo de lazos entre cientos de millones de personas). Por eso se recurre a técnicas de muestreo de redes vía encuestas (ego networks).

Pero incluso las encuestas ego-net suelen tener limitaciones:

Carga operativa y costos: módulos de ego-net suelen alargar el cuestionario y encarecer el trabajo de campo
Riesgos de privacidad: pedir información alters eleva sensibilidad ética.
Comparabilidad cultural y semántica: hablar de asuntos importantes o discutir política puede significar cosas distintas entre países.
Dado el volumen de contactos cotidianos, incluso recuperar información significativa sobre una fracción pequeña de contactos es una tarea difícil; por eso la práctica estándar es pedir los contactos más importantes.

Ideas Clave

Contexto Social: Las respuestas no ocurren en el vacío; dependen del entorno social del encuestado (familia, amigos, red laboral).
Propiedades Emergentes: Patrones macroscópicos que surgen de interacciones microscópicas no triviales.
Recuperación de Estructura: ¿Podemos “reconstruir” la red social subyacente a partir de datos de encuestas transversal?

Get Started

Para trabajar en este workshop, utilizaremos Posit Cloud para asegurar que todos tengamos el mismo entorno de R.

Repositorio: El código fuente vive en github.com/PoliCICS/revisiting-surveys-workshop. Desde ahí puedes ver el código fuente y el enlace a este html (ver README).
Acceso a Posit Cloud: Envía un correo a anibal.olivera.m@gmail.com solicitando acceso. Recibirás una invitación para unirte al espacio de trabajo del curso.
Alternativa Local (Opcional): Si prefieres trabajar localmente, puedes clonar el repositorio o descargar el ZIP desde GitHub, pero asegúrate de tener instaladas las librerías necesarias (por ejemplo spatialreg, spdep, ergm, IsingFit, qgraph, etc.)

--- title: "Introducción" author: "Aníbal Olivera" date: "2025-01-08" --- ## Revisitando las Ego-redes Tradicionalmente, las encuestas se analizan asumiendo independencia entre observaciones (encuestados). Sin embargo, el supuesto **i.i.d.** (independientes e idénticamente distribuidas) se viola cuando las encuestas contienen items de "generación de nombres". Si representas tu dataset a nivel de díadas (ego–alter), el mismo ego $i$ aparece en varias filas: $(i, j_1), (i, j_2), \dots, (i, j_{k_i})$. ¿Entonces “todas” las encuestas ego violan i.i.d.? Depende de la unidad de análisis: - Si se analiza a nivel díada (**ego–alter**): en general **no** se puede asumir independencia entre filas, por lo anterior. - Si se analiza a nivel **ego** (una fila por encuestado): es mucho más razonable tratar a los egos como i.i.d. entre sí (sujeto a diseño muestral/pesos), porque cada ego es una unidad muestral primaria. ![Example of real ego-networks.](figs/fig2-ego.png){width="55%"} Eso induce correlación entre observaciones porque esas filas comparten características no observadas del ego (p. ej., sociabilidad, propensión a nominar, sesgo de reporte, “grado” latente, etc.). ## Contexto Social El libro *Le Suicide* de Émile Durkheim (1897) muestra que las características del entorno social *afectaban* los índices de comportamiento individual, incluso cuando ese comportamiento individual era *intensamente personal*. - Las tasas de suicidio varían de manera estable según características del entorno social: grado de integración social, nivel de regulación normativa, tipo de vínculos colectivos predominantes. - Su argumento desplaza la explicación desde motivos individuales (tristeza, locura, temperamento) hacia “hechos sociales” externos y coercitivos. - Demuestra empíricamente que distintos contextos sociales producen distintos tipos y niveles de suicidio: mayor en protestantes que en católicos, mayor en períodos de anomia económica, menor en grupos con fuerte integración familiar o comunitaria, mayor entre quienes están débilmente insertos en redes sociales estables. - El punto decisivo es que Durkheim no niega que el acto sea individual, voluntario y profundamente personal. Lo que muestra es que la probabilidad de que ese acto ocurra está socialmente estructurada. ## Dificultades con Ego-nets Sabemos que no es factible medir propiedades de red *directamente* para sistemas grandes (ej., un país: requeriría un censo de lazos entre cientos de millones de personas). Por eso se recurre a técnicas de muestreo de redes vía encuestas (ego networks). Pero incluso las encuestas ego-net suelen tener limitaciones: - Carga operativa y costos: módulos de ego-net suelen alargar el cuestionario y encarecer el trabajo de campo - Riesgos de privacidad: pedir información alters eleva sensibilidad ética. - Comparabilidad cultural y semántica: *hablar de asuntos importantes* o *discutir política* puede significar cosas distintas entre países. - Dado el volumen de contactos cotidianos, incluso recuperar información *significativa* sobre una fracción pequeña de contactos es una tarea difícil; por eso la práctica estándar es pedir los contactos *más importantes*. ## Ideas Clave - **Contexto Social:** Las respuestas no ocurren en el vacío; dependen del entorno social del encuestado (familia, amigos, red laboral). - **Propiedades Emergentes:** Patrones macroscópicos que surgen de interacciones microscópicas no triviales. - **Recuperación de Estructura:** ¿Podemos "reconstruir" la red social subyacente a partir de datos de encuestas transversal? ## Get Started Para trabajar en este workshop, utilizaremos Posit Cloud para asegurar que todos tengamos el mismo entorno de R. 1. **Repositorio**: El código fuente vive en `github.com/PoliCICS/revisiting-surveys-workshop`. Desde ahí puedes ver el código fuente y el enlace a este `html` (ver README). 2. **Acceso a Posit Cloud**: Envía un correo a `anibal.olivera.m@gmail.com` solicitando acceso. Recibirás una invitación para unirte al espacio de trabajo del curso. 3. **Alternativa Local** (Opcional): Si prefieres trabajar localmente, puedes clonar el repositorio o descargar el ZIP desde GitHub, pero asegúrate de tener instaladas las librerías necesarias (por ejemplo `spatialreg`, `spdep`, `ergm`, `IsingFit`, `qgraph`, etc.)