二分网络指数族随机图模型中的同质性建模

同质性，即相似个体倾向于彼此建立联系的趋势，是社交网络研究中的一个重要概念。然而，在二分网络中考虑同质性效应是复杂的，因为其连接不是将个体彼此相连，而是与一组单独的节点相连，这些节点可能也是个体，但通常是完全不同类型的对象。因此，许多关于二分网络中同质性效应的研究首先通过消除二分结构来进行，将二模网络坍缩为单模网络，从而忽略了数据中潜在有意义的结构。我们引入了一组方法来对二分网络上的同质性进行建模，而不会以这种方式丢失信息，然后我们证明了这些方法能够在管理学中获得使用标准技术无法实现的具有实质意义的研究发现。这些方法已在广泛使用的 R 语言 ergm 包中实现。