如何将网络原始介数中心性与Bootstrap随机化结果对比并计算P值？

核心逻辑 #

直接基于你已有的原始介数中心性向量和Bootstrap结果矩阵（bootcentr_Betw）进行计算，不需要依赖未定义的变量或复杂的矩阵初始化，就能快速完成分布对比与显著性检验。

假设你已有的变量：

# 原始网络的节点介数中心性（向量，长度为节点数n）
original_betw <- centr_betw(matrixnetwork, directed = FALSE, normalized = TRUE)$res
# Bootstrap结果矩阵（n行×100列，每行对应一个节点的100次随机化结果）
bootcentr_Betw <- your_bootstrap_results  # 替换为你的实际对象

步骤1：计算P值与显著性 #

对于每个节点的原始介数值，统计Bootstrap分布中极端值的占比，以此计算双侧P值：

# 计算单侧比例：Bootstrap结果大于原始值的次数占比
p_upper <- apply(bootcentr_Betw, 1, function(x) mean(x > original_betw))
# 计算单侧比例：Bootstrap结果小于原始值的次数占比
p_lower <- apply(bootcentr_Betw, 1, function(x) mean(x < original_betw))

# 计算双侧P值（取2倍较小的单侧比例，确保不超过1）
p_value <- pmin(2 * p_upper, 2 * p_lower, 1)
# 标记显著性：P值<0.05则认为原始值在随机分布外，具有显著性
is_significant <- p_value < 0.05

步骤2：可视化原始值在Bootstrap分布中的位置 #

用箱线图直观展示每个节点的Bootstrap分布，并标记原始值的位置：

library(ggplot2)
library(tidyr)

# 将Bootstrap数据转换为绘图友好的长格式
boot_df <- as.data.frame(bootcentr_Betw) %>%
  mutate(node = 1:nrow(.)) %>%
  pivot_longer(cols = -node, names_to = "iter", values_to = "betw")

# 合并原始值与显著性标记数据
original_df <- data.frame(
  node = 1:length(original_betw),
  original_betw = original_betw,
  is_significant = is_significant
)

# 生成对比图
ggplot(boot_df, aes(x = factor(node), y = betw)) +
  geom_boxplot(fill = "#f0f0f0", alpha = 0.7) +
  geom_point(data = original_df, aes(y = original_betw, color = is_significant), size = 3) +
  scale_color_manual(values = c("FALSE" = "black", "TRUE" = "#e74c3c")) +
  labs(x = "节点ID", y = "标准化介数中心性", title = "原始值与Bootstrap分布对比") +
  theme_bw()

# 保存图片到当前工作目录（可用getwd()查看路径）
ggsave("betw_bootstrap_comparison.png", width = 10, height = 6)

解决你之前的错误 #

1. bootstrength未定义问题：你复制的代码依赖特定场景下生成的bootstrength对象，但你的分析流程中不需要这个变量，直接用自己的bootcentr_Betw即可完成分析。
2. non-numeric matrix extension错误：错误原因是bootstrength不是数值型矩阵或维度不匹配，上面的方法完全避开了这个变量，直接基于你已有的数据计算，不会出现此类问题。

内容的提问来源于stack exchange，提问作者Ana Paula Castro