Harjoituksessa lasketaan ns. p1 -malli Risto Lampisen EU-datasta. Tätä dataa on supistettu niin, että siihen on otettu mukaan vain kaikki sellaiset suomalaiset toimijat, joilla on ainakin kaksi ulospäinsuuntautuvaa suhdetta. Syy tällä supistukselle on se, että Ucinet -ohjelma osaa laskea mallin vain kohtuullisen pienelle aineistolle ja jos aineistossa on toimijoita, joilla ei ole suhteita laisinkaan (täydellisiä isolaatteja), algoritmi mene sekaisin. Supistetun aineiston nimi on SUOMI.
Valitse NETWORKS > STOCHASTIC > P1. Tämän jälkeen riittää kun kirjoittaa datasetin nimen SUOMI ja painaa F10. Laskenta vie oman aikansa.
Tärkeimmät tulokset löytyvät Alpha- ja Beta -sarakkeilta. Alfa on ns. ekspansiivisuusparametri (expansiveness) ja sen suuruus kuvaa sitä kuin "ulospäinsuuntautuneita" toimijat ovat. Jos luku on negatiivinen, se tarkoittaa, että toimijasta lähtee ulospäin suhteita vähemmän kuin olisi odotettavissa ottaen huomioon verkoston kokonaistiheyden ja toimijaan suuntautuvien suhteiden määrän. Beta on ns suosioparametri (popularity), joka kuvaa toimijan sisääntulevia suhteita. Sen tulkinta on samanlainen kuin alfa-parametrin kohdalla. Jos sarakkeessa on tyhjä kohta, se tarkoittaa, että toimija ei joko lähetä tai saa yhtään suhdetta, jolloin parametrin arvoa ei voi estimoida. Käytännössä se tarkoittaa samaa kuin parametrin arvo olisi miinus ääretön.
Esimerkkitulkinta:
Valio alfa<0 ja beta>0 eli Valio on "suosikki" -tyyppiä (-> A)
Milka alfa<0 ja beta=tyhjä eli beta<0 eli Milka on "isolaatti" -tyyppiä
UM alfa>0 ja beta>0 eli UM on "välittäjä" (->A->)
Tulostuksen alusta löytyvä rho -parametri kuvaa verkoston suhteiden molemminpuolisuutta. Mitä suuremman positiivisen arvon tämä parametri saa, sitä enemmän verkostossa on löydettävissä molemminpuolisia kuin epäsymmetrisiä suhteita. Jos rho on negatiivinen on asia toisin päin.