本节介绍传统空间自回归模型式(4.4)的两种常见的估计方法,分别是拟极大似然估计和广义矩估计,并且具体给出这两种估计量的表达形式以及渐近性质。 4.3.1 空间自回归模型的拟极大似然估计 对于空间自回归模型 式(4.3) ,可以重新表述为 式(4.4) 的矩阵形式,对空间自回归模型式(4.4),如果误差项的概率分布或者条件概...
在网络数据分析中,需要关注一些重点指标,例如,一个网络的结构是围绕几个节点高度中心化,还是扁平的;网络中节点之间的联系是紧密还是松散的等。利用这些指标,不仅可以对网络特征进行定量化的描述,了解网络的具体特质,还可以为更深入分析任务提供帮助,如发现网络中内部联系紧密的小团体等。下面将对网络分析中常用指标进行...
本节介绍传统空间自回归模型式(4.4)的两种常见的估计方法,分别是拟极大似然估计和广义矩估计,并且具体给出这两种估计量的表达形式以及渐近性质。 4.3.1 空间自回归模型的拟极大似然估计 对于空间自回归模型式(4.3),可以重新表述为式(4.4)的矩阵形式,对空间自回归模型式(4.4),如果误差项的概率分布或者条件概率分布...
第一个方向是传统的空间自回归模型的新的估计方法;第二个方向是根据空间自回归模型推广而来的半参数空间自回归模型;第三个方向是在有重复观测的网络数据上空间自回归模型的推广;第四个方向是利用空间自回归模型分析个体用户影响力的异质性。 7.1 基于传统空间自回归模型的深入探讨 第5章系统地解释了空间自回归模型式...
1.3 网络数据的基本特征 大部分网络在结构上会表现出一些共同的特征,包括稀疏性(Smith and Thai, 2020)、同质性(McPherson and Smith-Lovin, 1987; Shalizi and Thomas, 2011)、传递性(Hoff et al., 2002)、聚集性(Frank and Strauss, 1986; Wang and Wong, 1987)、度异质性(Watts and Strogatz, 1998; ...
空间自回归模型在空间数据中表达为 式(4.3) 的形式,在网络数据中表达为式(4.11)的形式。这两个模型从表达形式上来看是相同的,但是在应用场景上是有区别的。空间数据中的空间权重矩阵矩阵往往代表空间上的相邻程度(LeSage和Pace, 2009),而网络数据中的权重矩阵的含义更加广泛,比如在微博数据中可以表示各用户之间的关...
统计学>科学出版社(SCIENCE PRESS) >大规模网络数据分析与空间自回归模型自营 科学出版社京东自营官方旗舰店 登录查看更多图片 > 大规模网络数据分析与空间自回归模型 黄丹阳 著 京东价 ￥ 促销 展开促销 配送至 --请选择-- 支持 加入购物车
《大规模网络数据分析与空间自回归模型》 黄丹阳著 内容简介 本书主要内容包括网络数据的定义及相关指标、大规模网络中的链路预测、网络聚类分析、网络数据中的空间自回归模型、大规模网络数据中的模型估计方法、网络数据中的空间自回归模型...
大规模网络数据分析与空间自回归模型空间自回归模型大规模网络数据分析黄丹阳科学出版社科学出版社
其中,,,表示空间权重矩阵()的第列。模型(6.1)的条件最小二乘估计用表示。将具有多个权重矩阵的空间自回归模型的最小二乘估计称为多网络条件最小二乘估计(mLSE)。 图1: 多个网络结构空间自回归模型计算条件期望时针对第个节点引入的计算节点示意图 上面