Динамичен модел на случайни графи с експоненциално разпределение
Динамичният модел на случайни графи с експоненциално разпределение (TERGM / STERGM) разширява класическата ERGM рамка към панелни мрежови данни, моделирайки как връзките в една мрежа се формират и разпадат във времето като функция на структурни тенденции, атрибути на възлите и собственото минало състояние на мрежата. Той осигурява статистически обосновано извеждане на заключения относно промените в мрежата в дългосрочен план.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Hanneke, S., Fu, W., & Xing, E. P. (2010). Discrete temporal models of social networks. Electronic Journal of Statistics, 4, 585–605. DOI: 10.1214/09-EJS548 ↗
- Krivitsky, P. N., & Handcock, M. S. (2014). A separable model for dynamic networks. Journal of the Royal Statistical Society: Series B, 76(1), 29–46. DOI: 10.1111/rssb.12014 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Dynamic Exponential Random Graph Model (Temporal ERGM). ScholarGate. https://scholargate.app/bg/network-analysis/dynamic-exponential-random-graph-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Динамичен стохастичен блокови моделМрежови анализ↔ compare
- Анализ на мрежова дифузияМрежови анализ↔ compare
- Стохастичен блокови моделМрежови анализ↔ compare
- Анализ на времеви мрежиМрежови анализ↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →