Análise Estatística de Dados de Rede Longitudinal com Composição Variável

As cadeias de Markov podem ser usadas para modelar dados de rede longitudinal complexos. Uma classe de modelos de probabilidade para modelar a evolução de redes sociais são os modelos estocásticos orientados a atores para a mudança de rede propostos por Snijders. Esses modelos são modelos de cadeia de Markov em tempo contínuo que são implementados como modelos de simulação. Os autores propõem uma extensão do algoritmo de simulação dos modelos estocásticos orientados a atores para incluir redes de composição variável. Em pesquisas empíricas, a composição das redes pode mudar devido a atores entrando ou saindo da rede em algum momento. As mudanças na composição são modeladas como eventos exógenos que ocorrem em determinados pontos no tempo e são implementadas no algoritmo de simulação. A estimativa dos efeitos da rede, bem como os efeitos de atributos de atores e dyádicos que influenciam a evolução da rede, é baseada na simulação de cadeias de Markov.