自20世紀初喬治·齊美爾（GeorgSimmel）首次論述社會網(wǎng)絡(luò)相關(guān)問題以來（Simmel&Wolff，1950），社會科學(xué)家對于個體之間、組織之間以及其他實體之間相互關(guān)聯(lián)的網(wǎng)絡(luò)問題一直保持高度的關(guān)注（參見例如Fienberg，2012）。20世紀30年代，心理醫(yī)生雅各布·莫雷諾（JacobMoreno，1934）的工作為社會網(wǎng)絡(luò)研究奠定了基礎(chǔ)，并將此領(lǐng)域命名為社會計量學(xué)（sociometry）。在莫雷諾的諸多重要成果中，核心成果便是發(fā)明了社群圖（sociogram）方法，通過將個體圖形化表示為節(jié)點，個體之間聯(lián)系圖形化表示為連線的形式，社群圖方法就能夠用來解釋社會結(jié)構(gòu)問題。
　　在社會網(wǎng)絡(luò)分析發(fā)展的歷程中，社群圖方法被證明是十分重要的，原因之一是社群圖方法將圖論的基礎(chǔ)理論引入到了社會網(wǎng)絡(luò)分析中來。圖論是一個專門處理由節(jié)點（點）以及相連的邊（連線）所組成的數(shù)學(xué)分支，其中，網(wǎng)絡(luò)圖既可以是有向的，即網(wǎng)絡(luò)中的邊通常由從一個節(jié)點到另一個節(jié)點的箭頭所表示，從而展現(xiàn)節(jié)點之間潛在的非對稱聯(lián)系；網(wǎng)絡(luò)圖也可以是無向的，直接用線段來表示網(wǎng)絡(luò)中的邊。大多數(shù)研究社會網(wǎng)絡(luò)的傳統(tǒng)方法都是來源于圖論的，社會科學(xué)中的定量研究方法應(yīng)用系列叢書（QASS）中，有一本較早的著作，是由諾克和楊（Knoke&Yang，2008）撰寫的《社會網(wǎng)絡(luò)分析》，該書就主要是采用這種（傳統(tǒng)）方法。
　　傳統(tǒng)的網(wǎng)絡(luò)分析方法主要是描述性的，并不采用具有統(tǒng)計學(xué)意義上的隨機變量模型構(gòu)建方法。明確提出以網(wǎng)絡(luò)結(jié)構(gòu)為中心建立概率模型的思想可以追溯到20世紀中葉，即吉爾伯特、艾多斯以及瑞尼（Gilbert，1959；Erdos&Renyi，1959）解釋了網(wǎng)絡(luò)結(jié)構(gòu)中最為基礎(chǔ)的零模型（nullmodel）。在零模型中，所有的節(jié)點對都是以同等的概率建立連線，無論是在有向網(wǎng)絡(luò)還是無向網(wǎng)絡(luò)中，簡單圖模型都是被最廣泛采用的模型。
　　20年之后，霍蘭德和萊因哈特（Holland&Leindardt，1981）引入了一種針對有向圖的Gilbert-Erdos-Renyi零模型的變種。其中，關(guān)系形成（tieformation）的概率受到個體的群集性（gregariousness，個體對外與他人建立聯(lián)系的屬性）以及受歡迎程度（popularity，他人與該個體建立聯(lián)系的屬性）的影響。在此之后不久，1981年，芬博格和沃瑟曼（Fienberg&Wasserman，1981）將霍蘭德和萊因哈特的p1模型改造為對數(shù)線性模型，對數(shù)線性模型是一種為統(tǒng)計學(xué)家和社會科學(xué)家所熟知的模型，這樣一來，學(xué)者們就可以方便對模型的參數(shù)進行最大似然估計了。此外，芬博格和沃瑟曼還對p1模型進行了擴展，將網(wǎng)絡(luò)的互惠性（reciprocity）特征納入到模型中來，并以互惠性特征作為網(wǎng)絡(luò)連線概率增強的機制例如，在一個朋友網(wǎng)絡(luò)中，如果A選擇B，那么，B選擇A的概率就會提升。
　　正如詹寧·哈瑞斯（JenineHarris）在本書中所解釋的，吉爾伯特等人的零模型，霍蘭德和萊因哈特的p1模型，以及芬博格和沃瑟曼（1981）的擴展模型都是指數(shù)隨機圖模型（exponentialrandomgraphmodels，EGRMs）家族的成員。過去30年里，指數(shù)隨機圖模型的研究取得了長足的進展，而且已經(jīng)成為了目前社會網(wǎng)絡(luò)分析中最重要的統(tǒng)計工具。在這個進程中，指數(shù)隨機圖模型不斷彰顯著自己在展現(xiàn)社會網(wǎng)絡(luò)結(jié)構(gòu)特征分析方面的洞察力，例如對聚類或聚簇的分析。
　　近年來，面對大數(shù)據(jù)分析所帶來的挑戰(zhàn)與激勵，計算機科學(xué)家和統(tǒng)計物理學(xué)家，與統(tǒng)計學(xué)家、社會科學(xué)家并肩作戰(zhàn)，對社會網(wǎng)絡(luò)分析的發(fā)展起到了直接推動作用。源于社會生活中的大型網(wǎng)絡(luò)數(shù)據(jù)尤為龐大與復(fù)雜，如Facebook的數(shù)據(jù)，這也促使研究人員必須不斷研究更為復(fù)雜的網(wǎng)絡(luò)模型，不斷改進統(tǒng)計軟件的計算能力，以確保研究的模型能夠適應(yīng)大數(shù)據(jù)的環(huán)境。哈瑞斯在其書中介紹了由statnet團隊所研發(fā)的最先進的網(wǎng)絡(luò)分析軟件（Handcocketal.，2003），該軟件是針對R的統(tǒng)計計算環(huán)境而開發(fā)的（RCoreTeam，2013），是一款廣泛使用的、免費且開源的統(tǒng)計分析平臺。
　　本書介紹了如何建立指數(shù)隨機圖模型，并解釋了如何在實踐中使用該模型，詹寧·哈瑞斯的工作對于采用社會網(wǎng)絡(luò)分析的社會學(xué)家而言十分重要。我希望她的這本著作將會有較廣泛的讀者群，同時，期待該書能夠?qū)ι鐣�科學(xué)中社會網(wǎng)絡(luò)分析質(zhì)量的提升產(chǎn)生實質(zhì)性的影響。
　　約翰·�？怂梗↗ohnFox）