网络由节点与连接节点的边构成,表示个体及个体之间的相互联系,广泛存在于社会生活的各个领域。将社会中的系统抽象成网络,系统中的个体抽象为节点,个体之间的关系抽象为边,在此基础上对网络进行研究是非常有意义也是十分必要的。近年来,研究者们已经越来越多地从网络角度收集和统计数据,对数据网络结构的研究与日俱增。同时,面板数据作为一种重要的数据类型,更具信息性,且变量的变化更大,共线性更小,可利用的自由度更高,越来越多的研究开始关注具有网络结构的面板数据模型,并且取得了丰硕的研究成果。然而,由于网络结构的引入以及节点之间的依赖性结构复杂多变,传统模型的许多结论与方法无法直接应用,其理论与实证研究依然尚未成熟,无论在模型建立、模型估计,还是在计算处理上都存在很多问题有待解决。本文从具有网络结构的面板数据建模问题出发,针对动态网络型数据以及具有网络结构的一般面板数据,对现有的模型进行了改进。其中前者考虑了网络型数据的动态面板模型中参数异质性问题,后者探讨了如何更加合理的刻画网络向量自回归模型与空间面板滞后模型中的权重矩阵。具体地,本文研究内容及创新之处可以概括为如下几点:首先,本文提出了分类动态网络模型。此模型在网络型数据的动态面板模型基础上,假设网络中的节点可以根据连接特征分类,模型中的参数由发出节点与接收节点的潜在类别决定。本文使用Gibbs抽样方法对模型中的参数以及节点所属的潜在类别进行贝叶斯估计。此外,本文对2001-2015年60个国家间的贸易流量数据进行了实证分析,结果表明,所提出的模型能够有效的提高贸易流量预测精度,并能够根据贸易特征将国家分类。其次,本文对网络向量自回归模型进行了改进,引入潜在位置变量,提出了潜在权重网络向量自回归模型。此模型假设每个个体的观测值不仅受到其自身滞后项的影响,还受到其他个体滞后项加权平均的影响,权重的大小由网络节点的潜在位置决定。与目标节点的潜在位置接近的节点,对目标节点的影响相对略大,所占权重较大。本文使用Metropolis-Hastings within Gibbs抽样方法对模型进行贝叶斯估计。此模型不仅可以进行合理的估计与预测,而且可以根据节点的潜在位置,更直观的了解网络中节点之间的相互关系。同时,本文针对动态网络型数据,将潜在权重网络向量自回归模型扩展为二元情形,提出了潜在权重二元网络向量自回归模型。对两个模型进行的蒙特卡洛模拟试验结果表明,所提出的模型在真实权重是潜在权重与邻接矩阵权重的情况下,都能得到较好的估计与预测结果。最后,将潜在权重网络向量自回归模型中每个个体对其他个体滞后项的依赖扩展到同期依赖结构,本文提出了潜在权重空间面板滞后模型。此模型将空间权重矩阵设计为一个由潜在位置决定的距离权重矩阵。节点的潜在位置表达了节点的网络属性,属性值差别越小,节点之间的联系越紧密,越容易相互影响。本文使用Metropolis-Hastings within Gibbs抽样方法对模型进行贝叶斯估计。此外,蒙特卡洛模拟试验结果表明,无论真实权重是潜在权重、邻接矩阵权重还是多个属性组合的权重,所提出的模型都能得到较好的估计结果。对1997-2006年中国29个省级政府基本建设支出数据进行实证分析的结果表明,中国省级政府间存在互补性策略互动行为。