| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第一章 绪论 | 第6-20页 |
| 1.1 研究背景 | 第6-7页 |
| 1.2 研究目的和意义 | 第7-8页 |
| 1.3 国内外研究动态 | 第8-18页 |
| 1.3.1 非参数回归 | 第8-10页 |
| 1.3.2 单指标模型 | 第10-13页 |
| 1.3.3 社交网络的介绍 | 第13-15页 |
| 1.3.3.1 社交网络分析的发展进程 | 第13-14页 |
| 1.3.3.2 社交网络的基础理论 | 第14-15页 |
| 1.3.4 网络向量自回归模型 | 第15-16页 |
| 1.3.5 部分线性单指标模型 | 第16-18页 |
| 1.4 使用R进行网络分析 | 第18页 |
| 1.5 本文的主要内容和组织结构 | 第18-20页 |
| 第二章 基于部分自回归单指标模型的社交网络分析 | 第20-34页 |
| 2.1 模型和符号 | 第20-26页 |
| 2.2 参数估计 | 第26-30页 |
| 2.3 社交网络的结构分析 | 第30-31页 |
| 2.4 社交网络的干预分析 | 第31-34页 |
| 第三章 数值模模拟与衡量结果 | 第34-44页 |
| 3.1 社交网络的生成机制 | 第34-38页 |
| 3.1.1 二元独立组模型(Dyad Independence Model) | 第34-36页 |
| 3.1.2 随机分块模型(Stochastic Block Model) | 第36-37页 |
| 3.1.3 幂率分布模型(Power-Law Distirbution Model) | 第37-38页 |
| 3.2 模拟结果的衡量标准 | 第38-42页 |
| 3.3 数值模拟结果 | 第42-44页 |
| 3.3.1 二元独立组网络生成机制下的数值模拟结果 | 第42页 |
| 3.3.2 随机分块组网络生成机制下的数值模拟结果 | 第42页 |
| 3.3.3 幂率分布网络生成机制下的数值模拟结果 | 第42-44页 |
| 第四章 结论与展望 | 第44-46页 |
| 4.1 主要研究结论 | 第44页 |
| 4.2 研究展望 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48-50页 |
