Multilevel Longitudinal Analysis of Social Networks
社会网络的多层纵向分析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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究多个班级的网络面板，使用多层随机系数模型分析网络动态，因此对应网络与面板数据方向。
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…
关注这篇论文的作者
社会网络的多层纵向分析
- 研究问题
- 当研究对象包含多个群体的网络面板时，如何同时描述群体间差异，以及友谊关系和轻微违法行为随时间发生的相互变化？
- 方法与思路
- 作者将随机行动者导向模型扩展为随机系数多层模型，采用贝叶斯估计，并联合分析单模网络与双模网络的动态变化。
- 材料陈述的贡献
- 摘要提出可分析多个网络面板的多层扩展，并以八十一个初中一年级班级的友谊和轻微违法行为关系展示该方法的应用。
- 阅读关注点
- 阅读时应核对随机系数的层级设定、两类网络的联合建模方式、贝叶斯先验与计算诊断，以及动态关系的解释边界。
- 阅读边界
- 所用版本为 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明识别条件、估计精度或具体关系结果，不能推断因果效应。
原文摘要
Stochastic actor-oriented models (SAOM) are a broadly applied modelling framework for analysing network dynamics using network panel data. They have been extended to address co-evolution of multiple networks as well as networks and behaviour. This paper extends the SAOM to the analysis of multiple network panels through a random coefficient multilevel model, estimated with a Bayesian approach. This is illustrated by a study of the dynamic interdependence of friendship and minor delinquency, represented by the combination of a one-mode and a two-mode network, using a sample of 81 school classes in the first year of secondary school.