출고예상일 안내
주문하신 상품이 한국에서 현지 배송을 위한 출고단계가 이루어질 것으로 예상되는 날짜입니다. 상품을 준비하는 과정에서 내부적인 사정으로 인해 출고예상일에 다소 오차가 생길 수 있습니다.
여러 상품(예약상품포함)을 함께 주문하신 경우 출고예상일이 가장 늦은 날짜에 맞춰 함께 배송됩니다.

ISBN : 9788946069008 / 496쪽 / 942g / 153 x 224 (㎜)
이 상품에 궁금하신점이 있으세요? 1:1상담문의

-
아쉴 음벰베
-
KAIST 문술미래전략대학원 미래전략연구센터
-
딕슨 치반다
-
김찬호
- 22,500
- 22,500
- 18,000
- 19,800
출판사 리뷰
책의 구성 이 책은 총 4부로 구성되어 있는데 ERGM 이론 및 이론적 근거, 방법론, 활용, 그리고 마지막으로는 향후 발전 방향을 논한다. 이론, 방법론, 그리고 실제 연구 사례들은 근본적으로 서로 뒤얽혀 있고 상호의존적이다. 1부는 ERGM에 대한 직관적 설명을 제시한다. 사회 네트워크(와 사회과학) 이론의 다양한 측면들, 방법론 이면의 사고 과정들, 그리고 연구 문제들에 대한 실증적 분석들과 연결지어 ERGM을 설명한다. 2장은 ERGM 접근에 대한 광의의 정의와 주요 요소들에 대한 논의를 포함하여 ERGM에 대한 일반적이며 기초적인 설명을 제시한다. 3장은 사회 연결관계 형성과 사회 구조에 대해 일반적 차원에서의 네트워크 중요 개념들을 소개하며, 이 개념들이 어떻게 ERGM 분석과 연관되어 있는지를 설명한다. 4장은 이 모형을 잘 모르는 독자들도 직관적으로 이해할 수 있도록 ERGM의 일부 방법론적 세부 내용에 대해 소개하며, 통계적으로 보다 전문적인 내용은 방법론을 다루는 2부로 미뤄둔다. 5장은 네트워크 데이터에 ERGM을 적용한 사례를 간단히 소개한다. 이와 더불어, 어떤 경우에 ERGM을 사용하여 네트워크 구조에 대해 추론하고 해석할 수 있는지를 설명한다. 2부는 ERGM의 기본적 통계 틀을 소개한다. 이 책을 통틀어서, 기준이 되는 네트워크는 이진형 및 단일변량 네트워크이며 횡단적 관찰을 토대로 한다. 이 기준 네트워크를 토대로 ERGM에 대한 통계적 세부 내용에 대해서 설명한다. 7장은 의존성 그래프 개념을 바탕으로 ERGM에 대한 보다 깊은 이해를 도모한다. 여기서부터 ERGM에 대해 더 구체적인 설명이 시작되는데, 사회 선택, 양자 공변량, 그리고 공간지리적 효과를 포함한 모형에 대해 8장에서 설명한다. 9장은 자기로지스틱 행위자 속성 모형(autologistic actor attribute models: ALAAMs)을 다룬다. 이 모형은 행위자들의 속성에 대한 사회 영향력 모형의 하나이다. 10장에서는 다중 네트워크와 이원모드 네트워크 모형에 대해 설명하며 11장에서는 종단 네트워크 데이터 모형에 대해 다룬다. 12장에서 시뮬레이션, 추정, 적합도 과정을 그리고 13장에서 실제 연구 사례를 들어 설명한다. 3부는 어떻게 ERGM을 사회 네트워크 연구 문제를 답하는 데에 실증적으로 활용할 수 있는지에 대해 다루는데, 앞에서 소개한 여러 유형의 ERGM에 대한 각각의 활용 사례를 살펴본다. 연구자들이 ERGM을 사용할 때 직면하게 되는 다양한 경우의 수, 문제, 그리고 ERGM을 다루는 데에 있어서 일반적인 기준 등에 대해 설명하는 것이다. 관계적 틀에서 형성된, 새로운 그리고 이론적으로 중요한 연구 문제들에 대한 답을 찾기 위해 어떻게 그리고 왜 ERGM 모형을 사용하는지에 대해 살펴보다 보면 ERGM 접근으로 다룰 수 있는 연구 문제들이 폭넓다는 점을 알 수 있다. 예컨대, 러셔와 로빈스(Lusher & Robins)는 14장에서 네트워크 내 다른 사람들의 태도에 대한 개인적 인식이 네트워크 연결관계를 형성하는 것과 독립적 연관성을 갖는지에 대해 서로 다른 두 맥락에서 살펴본다. 그들은 사회심리학 이론을 통해 이를 설명한다. 15장에서 로미와 팔로티(Lomi & Pallotti)는 다양한 경로 폐쇄 효과들을 살펴보는데, 궁극적으로 병원 간 환자 이송에 있어서 구조적 등위성과 같은 패턴이 중요함을 설명한다. 16장에서 자오와 랭크(Zhao & Rank)는 한 조직 내에서의 여러 관계 유형이 서로 어떻게 연관되어 있는지를 보여준다. 다양한 리더십 이론을 토대로, 칼리시와 루리아(Kalish & Luria)는 17장에서 관계적 현상으로서의 리더십을 연구했으며 어떻게 리더십 네트워크가 다른 많은 유형의 사회 네트워크와 상이한지를 설명한다. 18장에서 다라가노바와 패티슨(Daraganova & Pattison)은 공간적 요인과 사회적 관계가 실직에 미치는 영향에 관한 경쟁 가설들을 검증한다. 이가라시(Igarashi)는 19장에서 다양한 커뮤니케이션 방법을 포함한 네트워크에 대해 종단 분석을 수행함으로써 유유상종이 중요하다는 점을 보여준다. 해리건과 본드(Harrigan & Bond)는 20장에서 이원모드 네트워크 모형을 사용하여 어떻게 서로 다른 형태의 자본이 서로 다른 유형의 연결 행위를 초래하는지를 설명한다. 21장에서는 퀸탄(Quintane)이 자기보고 연결관계와 실제 관찰된 연결 행위 간의 차이를 설명한다. 이 책을 마무리하는 4부에서 패티슨과 스나이더(Pattison & Snijders)는 향후 ERGM 연구와 방법론이 나아가야 할 방향에 대해 제시한다. 이 책을 읽는 법 통계적 지식이 부족한 독자들은 ‘1부: 이론’에 있는 네 개의 장들을 모두 살펴볼 것을 권한다. 1부를 통해 ERGM에 대한 기초 지식을 얻을 수 있다. 이와 더불어 ERGM의 기초에 대한 입문적 성격의 방법론을 다루는 6장도 중요하니 함께 읽어보기 바란다. ‘3부: 활용’과 ‘4부: 미래’ 부분으로 넘어가기 전에 최소한 8장의 사회 선택 모형과 13장의 연구 사례들은 꼭 읽어보기 바란다. 어떤 독자들은 통계적 모형의 관점에서 ERGM을 이해하기를 원할 수도 있다. 이 경우, ‘2부: 방법론’으로 바로 이동하여 6장과 7장을 먼저 읽고 난 후에, 12장까지 살펴보기 바란다. 이후 개념적 문제들을 다루는 1부로 돌아가면 된다. 실증적으로 모형을 적합하는 것에 관심이 많은 독자들은 처음 이 책을 접할 때는 일단 7장은 읽지 않고 넘어가도 된다. 7장은 의존성을 다루는데 ERGM과 관련한 중요한 개념적 문제들을 상세히 설명하고 있다. 하지만, 통계적 모형의 이론적 토대에 대해 관심이 많은 독자들에게는 7장이 중요하다. ERGM 틀에 익숙한 독자들과 특정 유형의 모형에 관심이 있는 독자들은 1부(그리고 2부의 첫 번째 장)를 먼저 훑어볼 것을 권한다. 여기서부터 독자들은 자신들의 관심사와 부합하는 활용 사례들을 선택하여 살펴보면 된다. 그리고 해당 사례들과 관련이 있는 부분들을 2부에서 찾아보면서 세부 내용에 대해 확인하면 된다. 예컨대, 만약 사회 영향력과 같은 모형에 관심이 있다면 18장부터 읽기 시작한 후에 필요한 경우 2부의 9장으로 돌아가서 보다 세부적인 내용을 참조할 수도 있다.
1장 서문
1부 이론
2장 ERGM이란?
3장 사회 네트워크 구조의 형성
4장 통계 모형으로서의 ERGM에 대한 개설
5장 ERGM 분석 사례
2부 방법론
6장 ERGM의 기초
7장 의존성 그래프와 충분 통계량
8장 사회적 선택, 양자 공변량, 그리고 공간지리적 효과
9장 자기로지스틱 행위자 속성 모형
10장 ERGM의 확장: 다중 네트워크와 이원모드 네트워크 모형
11장 종단 모형
12장 시뮬레이션, 추정, 그리고 적합도
13장 사례: 시뮬레이션, 추정, 그리고 적합도
3부 활용
14장 개인적 태도, 인지된 태도, 그리고 사회 구조: 사회 선택 모형
15장 공백을 메우는 방법: 조직 간 네트워크에서의 대안적 폐쇄 메커니즘 탐색
16장 업무관계 간의 상호의존성: 조언과 만족에 대한 다변량 ERGM
17장 지력, 체력, 또는 낙관성? 창발적 군사 리더십의 구조와 상관
18장 실직에 대한 자기로지스틱 행위자 속성 모형 분석: 누구를 알고 어디에 사느냐의 이중 중요성
19장 면대면 및 문자 메시지-매개 친구 네트워크의 종단적 변화
20장 이사의 사회적 및 재정적 자본이 기업 간 이사 겸임 네트워크(corporate interlock) 형성에 미치는 차별적 영향력
21장 네트워크 비교하기: 행위 네트워크와 회상 네트워크 간의 구조적 일치
4부 미래
22장 사회 네트워크 모형화의 다음 단계


































