多层网络中行为合并或分离决策的评估框架

多层网络方法将不同的网络层（由层间边连接）组合以创建单一数学对象。这些网络可包含多种信息类型并表征系统的不同方面。然而，选择包含哪些信息的过程并非总是直截了当。利用圈养僧鹦鹉（Myiopsitta monachus）种群中两种攻击行为的数据，我们开发了一个框架，用于研究在二元关系（两个个体之间）尺度上合并或拆分行为如何影响个体与群体层面的社会属性。我们设计两个参考模型，以检验跨行为类型随机化交互次数是否产生与观测数据相似的结构模式。尽管行为相关，第一个参考模型表明两种行为传达了关于某些社会属性的不同信息，因此不应合并。然而，一旦我们控制数据稀疏性，发现观测度量与第二个参考模型的一致。因此，我们最初的结果可能源于各行为频率不均。总体而言，我们的发现支持合并两种行为。需注意所选度量如何受数据属性影响，但我们的框架厘清了这些努力，因而可用于无数类型的行为与问题。该框架将帮助研究者在后续多层网络分析使用数据前，就合并或分离哪些行为做出知情且数据驱动的决策。