Modello Dinamico Esponenziale di Grafi Casuali
Il Modello Dinamico Esponenziale di Grafi Casuali (TERGM / STERGM) estende il framework ERGM classico ai dati di rete in pannello, modellando come i legami di una rete si formano e si dissolvono nel tempo in funzione di tendenze strutturali, attributi nodali e lo stato passato della rete stessa. Fornisce un'inferenza statisticamente rigorosa sul cambiamento della rete longitudinale.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Dynamic Exponential Random Graph Model (Temporal ERGM). ScholarGate. https://scholargate.app/it/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.
- Modello Stocastico a Blocchi DinamicoAnalisi delle reti↔ compare
- Analisi della Diffusione in ReteAnalisi delle reti↔ compare
- Modello a Blocchi StocasticiAnalisi delle reti↔ compare
- Analisi delle Reti TemporaliAnalisi delle reti↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →