机读格式显示(MARC)

• 000 02205nam0 2200313 450

• 001 0000407618

• 005 20170328184600.0

• 010 __ |a 978-7-5097-8333-7 |d CNY79.00

• 100 __ |a 20160222d2016 em y0chiy0110 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak a 001yy

• 106 __ |a r

• 200 1_ |a 社会网络指数随机图模型 |A she hui wang luo zhi shu sui ji tu mo xing |e 理论、方法与应用 |f (澳) 迪安·鲁谢尔(Dean Lusher), (英) 约翰·科斯基宁(Johan Koskinen), (澳) 加里·罗宾斯(Garry Robins)编 |d = Exponential random graph models for social networks |e theory, methods and applications |z eng

• 210 __ |a 北京 |c 社会科学文献出版社 |d 2016

• 215 __ |a 391页 |c 图 |d 22cm

• 305 __ |a 本书根据剑桥大学出版社2013年版本译出

• 314 __ |a 迪安·鲁谢尔, 澳大利亚斯威本科技大学的社会学讲师。约翰·科斯基宁, 英国曼彻斯特大学的社会统计学讲师。加里·罗宾斯, 澳大利亚墨尔本大学心理科学学院教授。

• 320 __ |a 有书目 (第322-363页) 和索引

• 330 __ |a 指数随机图模型 (ERGM) 是区别于传统统计分析方法的一类重要模型。该模型把社会网络理论与仿真方法进行有机结合, 是一种探讨复杂系统、自组织社会过程的重要手段。该书分为五大部分: 导言、基本原理、方法、应用以及未来展望。全书细分为22章。本书不仅阐明了指数随机图模型的原理, 对模型应用进行了分类, 而且进行实例说明, 内容全面、系统。可以说, 本书包含了指数随机图模型的最新进展, 是该领域的一个集大成。目前, 国内受研究方法限制, 与此相关的很多深层次的理论及现实问题难以深入研究。本书翻译将会促进国内学者对社会网络领域前沿研究方法的掌握, 进而缩小与国外的差距, 促进研究水平的提升。本书可以作为社会学、管理学、经济学、公共管理领域, 尤其是社会网络以及跨学科研究的研究生及专业研究人员参考。

• 500 10 |a Exponential random graph models for social networks : theory, methods and applications |A Exponential Random Graph Models For Social Networks : Theory, Methods And Applications |m Chinese

• 517 1_ |a 理论、方法与应用 |A li lun 、fang fa yu ying yong

• 606 0_ |a 社会关系 |A she hui guan ji |x 指数模型 |x 研究

• 690 __ |a C912.3 |v 5

• 701 _1 |c (澳) |a 鲁谢尔 |A lu xie er |c (Lusher, Dean) |4 编

• 701 _1 |c (英) |a 科斯基宁 |A ke si ji ning |c (Koskinen, Johan) |4 编

• 701 _1 |c (澳) |a 罗宾斯 |A luo bin si |c (Robins, Garry) |4 编

• 801 _0 |a CN |b LIB |c 20170328

• 905 __ |a LIB |d C912.3/264