Exponentieel-graafmodel (ERGM / p*)
Het Exponentieel-graafmodel (ERGM), ook bekend als het p*-model, is een statistisch raamwerk voor netwerkanalyse dat de waarschijnlijkheid van een waargenomen netwerk modelleert als een functie van zijn lokale structurele kenmerken — zoals wederkerigheid, driehoeken en graadverdeling. Ontwikkeld vanuit het fundamentele werk van Frank en Strauss (1986) en uitgebreid tot het moderne raamwerk door Wasserman en Pattison (1996) en Robins et al. (2007), is ERGM de inferentiële standaard voor sociale netwerkanalyse, in staat om te testen of waargenomen netwerkstructuren toevallig ontstaan of echte sociale processen weerspiegelen.
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
- 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
Deze pagina citeren
ScholarGate. (2026, June 1). Exponential Random Graph Model (ERGM / p*). ScholarGate. https://scholargate.app/nl/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.
- Causale Ontdekking Algoritmen (PC, FCI, LiNGAM)Causale inferentie↔ compare
- Community DetectionNetwerkanalyse↔ compare
- DBSCANMachine learning↔ compare
- Graph Attention NetworkDeep learning↔ compare
- GraafNeuraal NetwerkDeep learning↔ compare
- Tekstanalyse op basis van netwerkenText mining↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →