ScholarGate
Assistent
Regression modelSocial influence / peer effects modeling

Network Autocorrelation Model

The network autocorrelation model adapts spatial-econometric regression to social networks to estimate peer influence: it explains an actor's outcome — an attitude, behavior, or performance — as a function of their own covariates plus a weighted average of their network partners' outcomes. The autocorrelation parameter ρ captures the strength of social influence, and the network weight matrix W encodes who influences whom and how strongly.

Openen in MethodMindBinnenkortToepassen, vergelijken, advies krijgen
Tools & bronnen
Dia's downloaden
Leren & verkennen
VideoBinnenkort

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Methodenkaart

De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.

Bronnen

  1. Leenders, R. Th. A. J. (2002). Modeling social influence through network autocorrelation: Constructing the weight matrix. Social Networks, 24(1), 21–47. DOI: 10.1016/S0378-8733(01)00049-1
  2. Doreian, P. (1980). Linear models with spatially distributed data: Spatial disturbances or spatial effects? Sociological Methods & Research, 9(1), 29–60. DOI: 10.1177/004912418000900102

Deze pagina citeren

ScholarGate. (2026, June 22). Network Autocorrelation Model of Social Influence. ScholarGate. https://scholargate.app/nl/sociology/network-autocorrelation-model

Welke methode?

Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.

Naast elkaar vergelijken

Geciteerd door

ScholarGateNetwork Autocorrelation Model (Network Autocorrelation Model of Social Influence). Geraadpleegd op 2026-06-24 via https://scholargate.app/nl/sociology/network-autocorrelation-model · Gegevensset: https://doi.org/10.5281/zenodo.20539026