对于整体网络的观察有助于我们认识社会力量是如何塑造真实世界系统的，建立以关系为中心面向整体网络分析的形成。复杂的以关系为中心的整体网络模型可能包含网络成员的属性特征、网络全局结构特征等因素，最终通过结合这些因素构建的复杂模型可以用来解释并预测网络关系的形成。这些模型可以分为：以下四种： （1） 简单随机图模型 （2） 二元独立性模型 （3） 二元依赖性模型 （4） 高序依赖性模型

对于整体网络的观察有助于我们认识社会力量是如何塑造真实世界系统的，建立以关系为中心面向整体网络分析的形成。复杂的以关系为中心的整体网络模型可能包含网络成员的属性特征、网络全局结构特征等因素，最终通过结合这些因素构建的复杂模型可以用来解释并预测网络关系的形成。这些模型可以分为：以下四种： （1） 简单随机图模型 （2） 二元独立性模型 （3） 二元依赖性模型 （4） 高序依赖性模型 本人就这四种模型，以指数随机图模型导论为蓝本，调试了全部R语言代码。运行正常。

链路概率模型 (LPM) 可用作指数随机图模型 (ERGM) 的替代方法来模拟网络数据。 LPM 根据基于历史频率的链接概率来表征网络。 在本文中，LPM 与 ERGM 进行了比较和对比。 通过将这两种方法应用于四个纵向数据集来检查这两种方法的相对效用。 描述了这两种方法在数据需求、可扩展性和假设方面的相对优势和劣势。

GERGM-硕士： 一个R包，用于估计广义指数随机图模型。 要开始使用， 请向报告任何错误或错误。 消息 [05/15/18]主要估计更新为0.13.x版。 我已将Hummel等人（2012）的凸包初始化方法实现为程序包中的默认选项。 在初始化Metropolis Hastings的模型参数时，此方法通常非常高效，并且在某些情况下可以使模型运行时间减少99％以上。 通过在C ++中重新实现，加快了协变量参数估计的过程。 gergm（）函数现在在协变量参数估计的第一次迭代之后跳过MPLE，而是使用以前的theta值。 这通常可以大大加快估算速度，但可以通过逻辑参数进行控制。 对于大型网络或MH接受率非常低的网络， sample_edges_at_a_time选项允许用户在MH更新中一次提议边缘块。 这可以用来优化模型接受率。 [04/13/17]新的估算功能，错误修复。 添加