ScholarGate
Assistent
Machine learningNetwork science

Gewichtetes Exponential Random Graph Model

Das gewichtete Exponential Random Graph Model (W-ERGM) erweitert den klassischen binären ERGM-Rahmen auf Netzwerke, deren Kanten quantitative Werte tragen – wie Kontakthäufigkeit, Handelsvolumen oder Kollaborationsintensität. Es modelliert das gesamte Netzwerk mit gewichteten Kanten als Wahrscheinlichkeitsverteilung, die über alle möglichen gewichteten Graphen definiert ist. Dies ermöglicht Forschenden zu testen, ob strukturelle Muster wie Reziprozität, Transitivität oder Gradverteilung über das hinausgehen, was der Zufall allein erzeugen würde.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Quellen

  1. Krivitsky, P. N. (2012). Exponential-family random graph models for valued networks. Electronic Journal of Statistics, 6, 1100–1128. DOI: 10.1214/12-EJS696
  2. 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

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Weighted Exponential Random Graph Model (Valued-Edge ERGM). ScholarGate. https://scholargate.app/de/network-analysis/weighted-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.

Compare side by side

Referenziert von

ScholarGateWeighted Exponential Random Graph Model (Weighted Exponential Random Graph Model (Valued-Edge ERGM)). Abgerufen am 2026-06-15 von https://scholargate.app/de/network-analysis/weighted-exponential-random-graph-model · Datensatz: https://doi.org/10.5281/zenodo.20539026