Dynamisches Exponential Random Graph Modell
Das Dynamische Exponential Random Graph Modell (TERGM / STERGM) erweitert den klassischen ERGM-Rahmen auf Panel-Netzwerkdaten und modelliert, wie sich die Verbindungen eines Netzwerks im Laufe der Zeit als Funktion von strukturellen Tendenzen, Knotenattributen und dem eigenen vergangenen Zustand des Netzwerks bilden und auflösen. Es ermöglicht eine statistisch fundierte Inferenz über longitudinale Netzwerkveränderungen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Dynamic Exponential Random Graph Model (Temporal ERGM). ScholarGate. https://scholargate.app/de/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.
- Dynamisches Stochastisches BlockmodellNetzwerkanalyse↔ compare
- NetzwerkdiffusionsanalyseNetzwerkanalyse↔ compare
- Stochastic Block ModelNetzwerkanalyse↔ compare
- Zeitliche NetzwerkanalyseNetzwerkanalyse↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →