Because of the nature of social interaction or association data, when testing hypotheses using social network data it is common for network studies to rely on permutations to control for confounding variables, and to not also control for them in the fitted statistical model. This can be a problem because it does not adjust for any bias in effect sizes generated by these confounding effects, and thus the effect sizes are not informative in the presence of counfouding variables.

中文翻译：

---

在动物社交网络分析中计算效应量

由于社交互动或关联数据的性质，当使用社交网络数据测试假设时，网络研究通常依靠排列来控制混杂变量，而不是在拟合的统计模型中也对它们进行控制。这可能是一个问题，因为它无法调整由这些混杂效果产生的效果大小的任何偏差，因此，在存在共变量的情况下，效果大小无法提供足够的信息。