Machine learningNetwork science

Dynaaminen satunnaisten verkkojen malli (TERGM / STERGM)

Dynaaminen satunnaisten verkkojen malli (TERGM / STERGM) laajentaa klassista ERGM-kehystä paneeliverkkodatalle mallintamalla, kuinka verkon yhteydet muodostuvat ja hajoavat ajan myötä rakenteellisten taipumusten, solmuattribuuttien ja verkon oman menneen tilan funktiona. Se tarjoaa tilastollisesti periaatteellisen päättelyn pitkittäisestä verkon muutoksesta.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

Lähteet

  1. 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
  2. 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

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Dynamic Exponential Random Graph Model (Temporal ERGM). ScholarGate. https://scholargate.app/fi/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.

Compare side by side
ScholarGateDynamic Exponential Random Graph Model (Dynamic Exponential Random Graph Model (Temporal ERGM)). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/network-analysis/dynamic-exponential-random-graph-model · Aineisto: https://doi.org/10.5281/zenodo.20539026