Exponential Random Graph Model (ERGM / p*)
Das Exponential Random Graph Model (ERGM), auch bekannt als p*-Modell, ist ein statistischer Rahmen für die Netzwerkanalyse, der die Wahrscheinlichkeit eines beobachteten Netzwerks als Funktion seiner lokalen strukturellen Merkmale modelliert – wie Reziprozität, Dreiecke und Gradverteilung. Entwickelt auf der Grundlage der Pionierarbeit von Frank und Strauss (1986) und im modernen Rahmen von Wasserman und Pattison (1996) sowie Robins et al. (2007) erweitert, ist ERGM der Standard für die inferenzielle Analyse sozialer Netzwerke und kann testen, ob beobachtete Netzwerkstrukturen zufällig entstehen oder echte soziale Prozesse widerspiegeln.
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
- Robins, G., Pattison, P., Kalish, Y., & Lusher, D. (2007). An introduction to exponential random graph (p*) models for social networks. Social Networks, 29(2), 173-191. DOI: 10.1016/j.socnet.2006.08.002 ↗
- Lusher, D., Koskinen, J., & Robins, G. (Eds.) (2012). Exponential Random Graph Models for Social Networks: Theory, Methods, and Applications. Cambridge University Press. ISBN: 9780521193566
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Exponential Random Graph Model (ERGM / p*). ScholarGate. https://scholargate.app/de/network-analysis/exponential-random-graph
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.
- Algorithmen zur kausalen Entdeckung (PC, FCI, LiNGAM)Kausale Inferenz↔ compare
- Community DetectionNetzwerkanalyse↔ compare
- DBSCANMaschinelles Lernen↔ compare
- Graph Attention NetworkDeep Learning↔ compare
- Graph Neural NetworkDeep Learning↔ compare
- Text Network AnalysisText Mining↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →