Dynamic Exponential Random Graph Model
Dynamic Exponential Random Graph Model (TERGM / STERGM) rozszerza klasyczne ramy ERGM na dane sieciowe w postaci panelowej, modelując, jak więzi w sieci tworzą się i rozpadają w czasie w zależności od tendencji strukturalnych, atrybutów węzłów i własnego przeszłego stanu sieci. Zapewnia statystycznie uzasadnione wnioskowanie o zmianach sieci w czasie.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Dynamic Exponential Random Graph Model (Temporal ERGM). ScholarGate. https://scholargate.app/pl/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.
- Dynamic Stochastic Block Model (DSBM)Analiza sieci↔ compare
- Analiza dyfuzji sieciowejAnaliza sieci↔ compare
- Model blokowy stochastycznyAnaliza sieci↔ compare
- Analiza sieci czasowychAnaliza sieci↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →