backbone PackageNeal, Z. P., Domagalski, R., & Sagan, B. (2022).
Geographical Analysis, 54, 623–647
지리학과 석사과정
2026년 9월 29일
backbone 개발자 및 유지보수자 CRAN4단계 구성
backbone 패키지 소개backbone 패키지를 활용한 세계 도시 네트워크 분석 사례A[i, j])
A %*% B)
\[ \underbrace{\begin{pmatrix} \bbox[#d5ecd4,3pt]{1} & \bbox[#d5ecd4,3pt]{0} \\ 1 & 1 \\ 0 & 1 \end{pmatrix}}_{3 \times 2} \underbrace{\begin{pmatrix} \bbox[#e4dcf4,3pt]{1} & 1 & 0 \\ \bbox[#e4dcf4,3pt]{0} & 1 & 1 \end{pmatrix}}_{2 \times 3} = \underbrace{\begin{pmatrix} 1 & 1 & 0 \\ 1 & 2 & 1 \\ 0 & 1 & 1 \end{pmatrix}}_{3 \times 3} \]
t(M))
\[ \mathbf{M} = \begin{pmatrix} 1 & 0 \\ 1 & 1 \\ 0 & 1 \end{pmatrix} \;\Rightarrow\; \mathbf{M}' = \begin{pmatrix} 1 & 1 & 0 \\ 0 & 1 & 1 \end{pmatrix} \]
이분 네트워크: 행위자 5개 도시 x 아티팩트 4개 기업
이분 투영 \(\mathbf{P} = \mathbf{B}\mathbf{B}'\): 두 행위자가 공유하는 아티팩트
backbone 패키지의 개발backbone 패키지backbone 패키지 소개backbone을 이용한 세계 도시 네트워크 분석 - (1) 이분 투영 만들기\[ B'_{ij} = \begin{cases} 1 & \text{if } B_{ij} \ge 3 \\ 0 & \text{if } B_{ij} \le 2 \end{cases} \]
Horwath KPMG Summit...Baker RSM
MELBOURNE 0 1 0 1
MEXICO CITY 0 1 0 0
MIAMI 1 1 0 1
MILAN 0 0 0 1
AMSTERDAM
29
NEW YORK
74
KPMG
76
HSBC
43
LONDON NEW YORK PARIS HONG KONG SINGAPORE
1496 1403 1043 1032 913
[1] 0.9767704
backbone을 이용한 세계 도시 네트워크 분석 - (2) 뼈대 추정하기
0 1
21506 16910
[1] 0.4401812
LONDON NEW YORK PARIS HONG KONG LOS ANGELES
191 185 175 171 171
[1] 0.7407175
[1] 0.001665973
LONDON NEW YORK HONG KONG PARIS CHICAGO
15 12 5 5 3
[1] 0.8381523
[1] 0.03092461
LONDON NEW YORK HONG KONG PARIS SINGAPORE
64 61 51 49 42
[1] 0.9655334
\[ \mathbf{B} = \begin{array}{c|cccc|c} & 1 & 2 & 3 & 4 & \text{행합} \\ \hline A & 1&0&0&0 & 1 \\ B & 1&0&0&0 & 1 \\ C & 1&1&1&1 & 4 \\ D & 0&0&1&0 & 1 \\ E & 0&0&1&1 & 2 \\ \hline \text{열합} & 3 & 1 & 3 & 2 & \end{array} \]
Fig. 1의 \(\mathbf{B}\)와 \(\mathbf{P} = \mathbf{B}\mathbf{B}'\) (관측값 \(P_{AB} = 1\))
\[ \mathbf{B} = \begin{array}{c|cccc|c} & 1 & 2 & 3 & 4 & \text{행합} \\ \hline A & ? & ? & \cdots & ? & \bbox[#f5d0dc,2pt]{1} \\ B & ? & ? & \cdots & ? & \bbox[#f5d0dc,2pt]{1} \\ C & \vdots & \vdots & \ddots & \vdots & \bbox[#f5d0dc,2pt]{4} \\ D & & & & & \bbox[#f5d0dc,2pt]{1} \\ E & ? & ? & \cdots & ? & \bbox[#f5d0dc,2pt]{2} \\ \hline \text{열합} & ? & ? & \cdots & ? & \end{array} \] \[ \mathbf{P} = \begin{array}{c|ccccc}s & A & B & C & D & E \\ \hline A & ? & \bbox[#ffe680,2pt]{1} & ? & \cdots & ? \\ B & \bbox[#ffe680,2pt]{1} & ? & ? & \cdots & ? \\ C & \vdots & \vdots & \vdots & \ddots & \vdots \\ D & & & & & \\ E & ? & ? & ? & \cdots & ? \end{array} \]
A와 B가 4개 중 1개를 독립적으로 고름
공유 수 \(X \sim \text{H}(N = 4,\ K = r_A,\ n = r_B)\)
\[ E[X] = \frac{r_A \, r_B}{N} = \frac{1 \times 1}{4} = 0.25 \]
\[ p = P(X \ge 1) = 1 - \frac{\binom{3}{1}}{\binom{4}{1}} = \frac{1}{4} = 0.25 \]
Fig. 1의 \(\mathbf{B}\)와 \(\mathbf{P} = \mathbf{B}\mathbf{B}'\) (관측값 \(P_{AB} = 1\))
\[ \mathbf{B} = \begin{array}{c|cccc|c} & 1 & 2 & 3 & 4 & \text{행합} \\ \hline A & ? & ? & \cdots & ? & \bbox[#f5d0dc,2pt]{1} \\ B & ? & ? & \cdots & ? & \bbox[#f5d0dc,2pt]{1} \\ C & \vdots & \vdots & \ddots & \vdots & \bbox[#f5d0dc,2pt]{4} \\ D & & & & & \bbox[#f5d0dc,2pt]{1} \\ E & ? & ? & \cdots & ? & \bbox[#f5d0dc,2pt]{2} \\ \hline \text{열합} & \bbox[#d0e4f5,2pt]{3} & \bbox[#d0e4f5,2pt]{1} & \bbox[#d0e4f5,2pt]{3} & \bbox[#d0e4f5,2pt]{2} & \end{array} \] \[ \mathbf{P} = \begin{array}{c|ccccc} & A & B & C & D & E \\ \hline A & ? & \bbox[#ffe680,2pt]{1} & ? & \cdots & ? \\ B & \bbox[#ffe680,2pt]{1} & ? & ? & \cdots & ? \\ C & \vdots & \vdots & \vdots & \ddots & \vdots \\ D & & & & & \\ E & ? & ? & ? & \cdots & ? \end{array} \]
C는 행합 4 -> 모든 기업에 고정됨
남은 열합 (3, 1, 3, 2) − 1 = (2, 0, 2, 1)
| E의 선택 | 남은 열합 | 경우의 수 | A–B 공유 |
|---|---|---|---|
| {1, 3} | (1, 1, 1) | 3! = 6 | 0 |
| {1, 4} | (1, 2, 0) | 3 | 1 |
| {3, 4} | (2, 1, 0) | 3 | 1 |
| 합계 | 12 | 2 |
\[ E[X] = p = P(X \ge 1) = \frac{2}{12} \approx .17 \]
같은 관측값도 귀무모형에 따라 유의성이 달라짐
[1] 0.09225323
INDIANAPOLIS PORTLAND MELBOURNE LYON AUCKLAND
60 54 52 49 44
[1] 0.3039028
|======================================================================| 100%
[1] 0.02202207
KANSAS CITY CHARLOTTE RICHMOND INDIANAPOLIS BORDEAUX
24 21 21 20 17
[1] -0.002749457
[1] 0.01973136
KANSAS CITY CHARLOTTE RICHMOND INDIANAPOLIS BORDEAUX
24 21 20 18 17
[1] -0.1062661
[1] 0.9301515
1. 이론의 타당성: 통계적 유의성이 해결해주지 않는 것
2. 이진화 임계값에 대한 민감도 분석
3. 규모를 통제한 결과의 해석
[세계도시론] Analysis of Spatial Networks From Bipartite Projections Using the R backbone Package