网络由节点和边组成,节点表示个体或组织,边表示他们之间的关系,是一种关系数据的表达形式.网络分析方法把研究的问题抽象为网络,通过分析网络的特征变化和生成机制研究问题.指数随机图模型是近些年发展起来的处理此类问题的工具,其假设观测到的网络是由局部特征统计量决定的,模型形式灵活,用途广泛.现实生活中,网络的节点和边不是静止不变的,不断有新的节点和边的增加,旧的节点和边的消失,从而形成动态网络.动态网络广泛存在,研究动态网络的演化问题意义非常.基于此,本文提出动态网络的指数随机图模型,该模型对不同时刻网络参数进行同时估计,相邻网络的信息利用提高了估计的准确性.此外,我们使用迭代重赋权最小二乘法估计该模型,这使得包含很多节点的大规模网络问题也可以在较快时间内求解.实验表明,我们所提方法有助于发现网络变化趋势,比较不同时刻网络特征.贸易问题是宏观经济研究的热点问题.本文用网络分析方法研究国家之间的贸易往来关系.利用60个国家之间的2001-2016年出口金额数据,国内生产总值数据(GDP)和距离数据构建了包含16个时间点的动态贸易网络;基于网络的密度,节点入度和出度的绝对数值和相对数值以及节点度分布展开网络特征分析;建立动态指数随机图模型分析影响因子作用大小的变化趋势.结论表明:2001年-2016年国际贸易网络规模总体上是扩大的;美国和德国在进出口市场上长期占有主导地位,中国是贸易关系增长最快的国家,国际地位上升明显;单边贸易对双边贸易的促进作用在经济景气时更为显著,国内生产总值对出口的促进作用变化较进口更为明显,距离对贸易的抑制作用变化程度较小.