Goodness of Fit of Social Network Models
社会网络模型的拟合优度AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究社会网络的指数随机图模型、友谊关系与网络结构拟合诊断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
社会网络模型的拟合优度
- 研究问题
- 如何评价指数随机图模型对真实社会网络的拟合，并判断加入特定网络结构统计量是否改善对青少年友谊关系的刻画？
- 方法与思路
- 作者采用极大似然估计，将观测网络的结构统计量与拟合模型模拟网络的对应统计量比较，并分析学生友谊网络。
- 材料陈述的贡献
- 摘要称，若干既有模型对案例拟合不足，加入几何加权共享伙伴及度数统计量后拟合明显改善，捕捉了此前遗漏的社会结构。
- 阅读关注点
- 应核对拟合诊断统计量、模拟网络的生成与计算稳定性，以及新增统计量改善的是哪些结构特征和哪些网络样本。
- 阅读边界
- 仅据版本未注明的索引摘要，具体拟合指标与不确定性未说明；案例中的拟合改善不能保证跨网络推广、预测优势或因果解释。
原文摘要
We present a systematic examination of a real network data set using maximum likelihood estimation for exponential random graph models as well as new procedures to evaluate how well the models fit the observed networks. These procedures compare structural statistics of the observed network with the corresponding statistics on networks simulated from the fitted model. We apply this approach to the study of friendship relations among high school students from the National Longitudinal Study of Adolescent Health (AddHealth). We focus primarily on one particular network of 205 nodes, although we also demonstrate that this method may be applied to the largest network in the AddHealth study, with 2,209 nodes. We argue that several well-studied models in the networks literature do not fit these data well and demonstrate that the fit improves dramatically when the models include the recently developed geometrically weighted edgewise shared partner, geometrically weighted dyadic shared partner, and geometrically weighted degree network statistics. We conclude that these models capture aspects of the social structure of adolescent friendship relations not represented by previous models.