我想做的是分解几个ERGM（指数随机图模型）参数对单个网络级统计信息的生成的贡献。但是请注意，我认为这个问题并不是真正针对ERGM的，但是对于任何logit模型来说都是相同的，因为在我的情况下，网络模型不包含二重性依赖项。
想象一个友谊网络，以及一个带有三个参数的拟合ERGM：边缘和2个节点属性的2个节点匹配项（例如种族和社会阶层）。据我了解，ERGM找到了系数{s1，s2，s3}的唯一向量，该向量正确地再现了3个足够的统计量{S1，S2，S3}; S1是网络中的边缘数，S2和S3是在考虑中的两个属性上匹配的边缘数。
NB：如果模型中存在与二元组相关的术语，则ERGM会通过仿真来实现，但是在这种情况下，所有术语均与二元组无关，因此具有glm的简单二项式模型也可以做到这一点。
据我了解，所有这三个系数共同产生了所有三个足够的统计量。在我的示例中，种族和社会阶层是相关的：这意味着S2的生成值（在社会阶层属性上匹配的边数）不仅取决于系数s2，而且还取决于s3（以及边际项s1）当然）。
我的问题是：有没有办法将s2和s3各自的贡献与S2的观测值分开？ （或者可能是观察到的S2之间的差异，以及纯随机分配的关系之间的差异）理想情况下，我想得出两个介于0和1之间的值，它们的总和等于1。可以说«在网络（S2）中观察到的社会阶层同质性水平的X％可以归因于s2，Y％归因于s3»。 我不确定是否可以像这样将S2分解为线性和，但是由于模型中的所有项都是独立的，我认为这可能可行吗？ （如果模型中存在与dyad相关的项，那么所有系数都将在生成过程中有效地相互作用，因此显然是不可能的，但这不是这种情况）
非常感谢！