Dynamisk Eksponentiel Tilfældig Graf Model
Den Dynamiske Eksponentielle Tilfældige Graf Model (TERGM / STERGM) udvider det klassiske ERGM-rammeværk til panelnetværksdata, idet den modellerer, hvordan et netværks forbindelser dannes og opløses over tid som en funktion af strukturelle tendenser, nodale attributter og netværkets egen tidligere tilstand. Den giver statistisk principiel inferens om longitudinel netværksændring.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Dynamic Exponential Random Graph Model (Temporal ERGM). ScholarGate. https://scholargate.app/da/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.
- Dynamisk Stokastisk Blok ModelNetværksanalyse↔ compare
- NetværksdiffusionsanalyseNetværksanalyse↔ compare
- Stokastisk blokmodelNetværksanalyse↔ compare
- Temporal netværksanalyseNetværksanalyse↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →