Eksponentiaalinen satunnaisgraafimalli (ERGM / p*)
Eksponentiaalinen satunnaisgraafimalli (ERGM), joka tunnetaan myös nimellä p*-malli, on tilastollinen kehys verkostoanalyysille, joka mallintaa havaitun verkoston todennäköisyyttä paikallisten rakenteellisten piirteiden — kuten vastavuoroisuuden, kolmioiden ja astejakauman — funktiona. Frankin ja Straussin (1986) perustavanlaatuisen työn pohjalta kehitetty ja Wassermanin ja Pattisonin (1996) sekä Robins et al. (2007) toimesta moderniin kehykseen laajennettu ERGM on sosiaalisen verkostoanalyysin päättelystandardi, joka kykenee testaamaan, syntyvätkö havaitut verkostorakenteet sattumalta vai heijastavatko ne aitoja sosiaalisia prosesseja.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Exponential Random Graph Model (ERGM / p*). ScholarGate. https://scholargate.app/fi/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.
- Kausaalisen rakenteen löytämisen algoritmit (PC, FCI, LiNGAM)Kausaalipäättely↔ compare
- Yhteisöjen tunnistusVerkostoanalyysi↔ compare
- DBSCANKoneoppiminen↔ compare
- Graafiverkko (Graph Attention Network, GAT)Syväoppiminen↔ compare
- GraafineuraaliverkkoSyväoppiminen↔ compare
- TekstiverkostoanalyysiTekstinlouhinta↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →