复杂网络模型是对现实世界复杂系统的结构化和简单化,以复杂系统中的实体抽象为节点,实体关系抽象为链接,通过分析网络结构或者网络影响来解释现实世界的现象。本文主要研究网络中的“同伴”效应,考虑目标节点周围有紧密关系(直接链接或者间接链接)的节点影响。目前有关复杂网络“同伴”效应的研究中,学者们主要探究了以人为参与者的社交关系网络中“同伴”的影响,在以客观实体为参与者的实体网络(例如产品关系网络和企业关系网络)中,仅仅分析了网络结构的影响,忽略了“同伴”效应的作用。另外,现有研究中“同伴”效应一般都是关注直接链接“同伴”的影响,忽略了网络中更多间接链接“同伴”的作用。针对以上研究空白,本文进行了如下的复杂网络中的“同伴”效应的研究。首先,本文选择在线医疗社区作为第一个研究对象,以在线医疗社区中同一医院同一科室内部医生的工作关系构建无向无权重的医生网络,选择医生在医疗社区开放的可访问渠道数目作为因变量(代表了医生参与在线医疗社区的程度),“同伴”效应指同一医院同一科室中目标医生周围其他同事开放的可访问渠道数目的均值。通过收集实际数据,本文实证了“同伴”效应对目标医生的行为具有积极促进作用。另外,针对同一科室内部,医生之间不仅存在合作促进关系,还存在竞争关系,促进关系可以由“同伴”效应的直接正向作用体现,为了研究竞争关系,本文探究“同伴”效应对于医生评价和因变量关系的调节作用,结果显示“同伴”效应的调节作用是负向显著的。其次,为了进一步研究客观实体网络中的“同伴”效应,本文收集了社交媒体数据,通过文本分析和情感分析方法识别企业之间的比较关系,构建了无向有权重的企业共现网络和有向有权重的企业比较关系网络。另外,利用百度搜索数据作为企业影响力数据。根据构建的企业网络模型,本文定义了“同伴”数量和加权“同伴”影响两个指标,并利用向量自回归模型(VAR)分析了“同伴”效应指标与企业股票收益和风险的动态关系。实证结果表明,企业关系网络中,“同伴”效应指标能够显著影响企业的收益和风险,同时证明了比较关系网络“同伴”效应指标对于企业股票表现(收益和风险)的解释能力要显著大于企业共现网络“同伴”效应指标。另外,为了验证网络中间接链接的“同伴”效应,本文收集了产品评论数据,从产品评论数据中,识别产品之间的比较关系,同时结合文本情感分析方法,构建了上层有向有权重的产品比较关系网络。另外,本文还考虑了用户在产品评论的交流关系,通过用户评论和回复的结构,构建了下层有向有权重的用户评论网络。在构建的多层次产品和评论网络模型的基础上,定义了网络中传递的“同伴”效应指标。结合产品销售排名数据,我们利用回归模型和分类模型,研究传递的“同伴”效应指标对于产品销售排名的作用。实证结果表明:传递的“同伴”效应指标对于产品销售排名具有显著作用,同时对于因变量的解释能力和预测能力都是最强的。最后,本文将“同伴”效应这一想法应用到网络链路预测中。通过构建网络节点的效用模型,本文考虑不同距离的“同伴”效应建立了四个不同的模型。结合现有网络状态,利用二元逻辑回归模型,对模型的参数进行估计,最后得到四个链路预测模型。结合社交网络数据,利用我们构建的链路预测模型与现有模型进行比较分析,验证了模型的有效性。另外还把链路预测模型应用到分析社交网络结构的演化中,并进行了朋友推荐的应用。本文通过收集实际数据,构建了新兴的在线医疗社区中的人际关系网络模型,还包括企业、产品等客观实体为组成部分的客观实体网络模型。在不同的网络模型中,定义了仅考虑直接链接的“同伴”效应和同时考虑直接链接和间接链接的“同伴”效应,实证了网络中的“同伴”效应对人的行为,企业股票表现(收益和风险)和产品销售排名都具有显著的影响。另外,本文还考虑网络中直接链接和间接链接的“同伴”效应建立了网络链路预测模型,验证了模型的有效性,并应用于分析网络结构演化和朋友推荐领域。本研究不仅对“同伴”效应和复杂网络相关文献具有一定的理论贡献,同时也具有一定的实际应用价值。