为什么我们观测到的社会网络，总是呈现出特定的形态？（比如，小世界、核心-边缘结构）是随机形成的吗？还是背后有某种“法则”在驱动？
指数随机图模型 (ERGM) 就是一套用来回答“为什么”的强大工具。
? 核心逻辑：网络是一种“均衡态”，ERGM不关心网络是如何一步步“演化”成这样的，它关心的是“当下”这个状态。
它将我们观测到的网络（一个静态快照），视为多种“社会引力”相互作用后达成的一种均衡状态。
ERGM的核心，是直面网络数据最头疼的特性：关系依赖性。 (A和B是否连边，取决于A和C、B和C的关系)。它将网络视为一个不可分割的整体来建模。
“社会引力”的量化：网络构型 ERGM通过一套“生成语法”，将抽象的社会理论翻译成可检验的微观机制（网络构型），看看哪些“引力”在起作用：
? 互惠 (Reciprocity)：社会交换的“有来有往”。
??? 闭合 (Closure/GWESP)：“朋友的朋友也是朋友”的抱团倾向。
? 地位 (Centralization/GWDegree)：“马太效应”，高地位节点更容易吸引连接。
? 同质性 (Homophily)：“物以类聚”，相似属性的节点更易相连。
⚠️ 关键挑战：“引力坍缩”与简并 ERGM早期曾遭遇“简并”(Degeneracy) 危机。如果简单地对“三角形”（闭合）或“星形”（中心化）计数，模型会失控：引力会“雪崩”，模拟出的网络要么全空，要么全满，完全不真实。
? 突破：引入“曲率”与“边际递减” 真正的突破是引入了曲率式统计项（如 GWESP）。 这相当于在模型中加入了“边际效用递减”的社会学直觉：
闭合第1个共同朋友的“效用”很大。
闭合第10个共同朋友的“效用”就小很多了。
这使得模型在统计上变得稳定，在理论上也更可信。
? 应用场景： ERGM非常适合分析“网络结构为何如此”的问题。例如：
董事会连锁网络是如何被“共同利益”和“精英圈子”塑造的？
数字贸易政策网络中，是“大国引力”还是“治理理念相似”更重要？
ERGM是一个强大的静态均衡模型，它帮我们推断在当前的网络快照中，哪些“社会引力”是主导。
? 但如果我们关心的不是“均衡态”，而是网络如何从T1“演化”到T2的过程呢？如果我想知道是“物以类聚”还是“近朱者赤”导致了网络变化呢？
下期，我们将介绍另一个核心范式：SAOM。
#ERGM模型 #指数随机图模型 #社科 #网络分析 #社交网络 #论文 #社会网络 #社会计算 #图论
指数随机图模型 (ERGM) 就是一套用来回答“为什么”的强大工具。
? 核心逻辑：网络是一种“均衡态”，ERGM不关心网络是如何一步步“演化”成这样的，它关心的是“当下”这个状态。
它将我们观测到的网络（一个静态快照），视为多种“社会引力”相互作用后达成的一种均衡状态。
ERGM的核心，是直面网络数据最头疼的特性：关系依赖性。 (A和B是否连边，取决于A和C、B和C的关系)。它将网络视为一个不可分割的整体来建模。
“社会引力”的量化：网络构型 ERGM通过一套“生成语法”，将抽象的社会理论翻译成可检验的微观机制（网络构型），看看哪些“引力”在起作用：
? 互惠 (Reciprocity)：社会交换的“有来有往”。
??? 闭合 (Closure/GWESP)：“朋友的朋友也是朋友”的抱团倾向。
? 地位 (Centralization/GWDegree)：“马太效应”，高地位节点更容易吸引连接。
? 同质性 (Homophily)：“物以类聚”，相似属性的节点更易相连。
⚠️ 关键挑战：“引力坍缩”与简并 ERGM早期曾遭遇“简并”(Degeneracy) 危机。如果简单地对“三角形”（闭合）或“星形”（中心化）计数，模型会失控：引力会“雪崩”，模拟出的网络要么全空，要么全满，完全不真实。
? 突破：引入“曲率”与“边际递减” 真正的突破是引入了曲率式统计项（如 GWESP）。 这相当于在模型中加入了“边际效用递减”的社会学直觉：
闭合第1个共同朋友的“效用”很大。
闭合第10个共同朋友的“效用”就小很多了。
这使得模型在统计上变得稳定，在理论上也更可信。
? 应用场景： ERGM非常适合分析“网络结构为何如此”的问题。例如：
董事会连锁网络是如何被“共同利益”和“精英圈子”塑造的？
数字贸易政策网络中，是“大国引力”还是“治理理念相似”更重要？
ERGM是一个强大的静态均衡模型，它帮我们推断在当前的网络快照中，哪些“社会引力”是主导。
? 但如果我们关心的不是“均衡态”，而是网络如何从T1“演化”到T2的过程呢？如果我想知道是“物以类聚”还是“近朱者赤”导致了网络变化呢？
下期，我们将介绍另一个核心范式：SAOM。
#ERGM模型 #指数随机图模型 #社科 #网络分析 #社交网络 #论文 #社会网络 #社会计算 #图论
