運用指數隨機圖模型分析連結形成
建立 ERGM，把觀察到的網絡與合理的替代網絡比較，並清楚呈現密度、互惠、閉合及行動者屬性的作用。
方法來源
完成本教學後，你將能夠
- 1把網絡假設轉化為可詮釋的 ERGM 項。
- 2區分內生網絡結構與行動者或二元關係共變量。
- 3在詮釋參數前檢查收斂、模擬及擬合優度。
SNA
網絡規格
分析情境
一所學校希望了解導師網絡是反映接觸機會、互惠選擇、三元閉合，還是教學年資相似性。分析把觀察到的網絡視為同一組教師之間許多可能網絡中的一個實現。
節點
參與同一個有清楚邊界之導師計劃的教師。
連結
有向連結表示教師 A 定期向教師 B 尋求教學建議。
網絡類型
單模式、有向、二元網絡，包含教師屬性及是否同一部門的二元指標。
分步教學
界定參考過程
先加入 edges 項，讓其餘效應都相對於基本連結比例來詮釋。說明節點集合、哪些二元關係可能發生，以及沒有提名代表無連結還是缺失資料。
檢查點
你能說明基準模型生成的網絡會有甚麼特徵，以及哪些連結有可能出現。
加入理論驅動的模型項
以 mutual 項表示互惠，以合適的共享夥伴項表示局部閉合，再以共變量表示行動者或二元關係假設。每個模型項都應回答研究問題，而不是只為取得顯著結果。
檢查點
每個模型項都有書面假設、預期方向，並清楚區分結構與屬性。
擬合並診斷模型
檢視 MCMC 診斷、參數穩定性、警告及退化跡象。從擬合模型模擬網絡，並比較模型直接包含及沒有直接包含但具實質意義的統計量。
檢查點
模擬網絡符合研究情境，不會幾乎全部為空或全部連結。
詮釋條件關聯
把係數解釋為在網絡其餘部分固定時，某條連結對數勝算的條件變化。報告不確定性、模型設定、擬合優度及替代模型項的敏感度。
檢查點
結論只描述有邊界網絡內的模型關聯，不會聲稱 ERGM 本身已識別因果機制。
謹慎詮釋
正向互惠參數表示，在控制模型其他部分後，雙向連結比預期更常出現。正向閉合項表示在其他條件相同時，共有夥伴的兩位行動者較容易建立連結。任何參數都必須放在完整模型設定中理解。
參數正負並不足夠。可用的 ERGM 必須收斂、生成可信網絡，並重現沒有被模型直接強制的關鍵特徵。不同設定可能支持不同詮釋，因此需要記錄模型建立過程及被拒絕的替代方案。