随着在线社交网站（SNS）的快速发展，对于平台所有者和在线营销人员来说，必须确定哪些因素驱动这些平台上的内容生产已成为当务之急。 先前的研究确定了使用观测数据对这些因素进行统计建模的挑战，其中的挑战源自无法消除使用传统方法形成的网络形成和网络对内容生成的影响以及随后对网络结构的反馈的影响。 在本文中，我们采用并增强了一个面向参与者的连续时间统计模型，该模型可以使用马尔可夫链蒙特卡洛（MCMC）来联合估计用户的社交网络结构和他们产生的内容量的共同进化。 ）为基础的仿真方法。 具体而言，我们提供了一种在存在网络效应以及可观察和不可观察的协变量的情况下分析非平稳和连续行为的方法，类似于在社交媒体生态系统中观察到的情况。 我们将模型应用于六个月以上大学生的社交网络数据，发现：1）用户倾向于与具有相似发布行为的其他人建立联系； 2）然而，这样做后，用户倾向于在发布行为上有所差异，以及3 ）同伴的影响对发布行为的强度很敏感。 更广泛地说，我们的方法为研究人员和从业人员提供了一种统计上严格的方法来分析观测数据中的网络效应。 这些结果为SNS平台提供了见识和建议，以维持活跃和可行的社区。
