Dynamisch Exponentieel Random Graaf Model
Het Dynamische Exponentieel Random Graaf Model (TERGM / STERGM) breidt het klassieke ERGM-raamwerk uit naar panelnetwerkdata, waarbij wordt gemodelleerd hoe de verbindingen van een netwerk in de loop van de tijd ontstaan en oplossen als functie van structurele tendensen, knooppuntattributen en de eigen vorige toestand van het netwerk. Het biedt statistisch onderbouwde inferentie over longitudinale netwerkverandering.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Dynamic Exponential Random Graph Model (Temporal ERGM). ScholarGate. https://scholargate.app/nl/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.
- Dynamisch Stochastisch BlokmodelNetwerkanalyse↔ compare
- NetwerkdiffusieanalyseNetwerkanalyse↔ compare
- Stochastic Block ModelNetwerkanalyse↔ compare
- Temporale NetwerkanalyseNetwerkanalyse↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →