你的问题是？

论文里面使用的方法到底是怎么回事，一直看不懂，我觉得像是多层线性模型，但是又好像不全是

我现在研究这个主要从一篇英文论文《Measuring the dynamic bi-directional influence between content and socialnetworks》看到一个研究网络之间交互影响的模型，跟多水平模型在面板数据中的应用很类似，因为以前没有学过这方面的知识，已经研究了大概两个月，大致知道是怎样推导的，但是不知该如何进行计算，也不知有没有可以使用的软件,非常希望能够与您交流一下，下面是英文论文方法这一部分的翻译。
我们的框架旨在模拟从社会和内容网络衍生的网络属性之间的纵向影响。输出的第二部分提供以相同的时间间隔为时间段的数据，并形成了时间序列。因此，我们需要运用时间序列分析，提取有意义的数据，以便更好地了解底层统计信息和所产生的观察到的数据结构。通过拟合时间序列模型，我们可以进行预测，预测将来的数据。在工艺水平建模变化的典型方法之一是使用自回归（ AR ）模型。
设X为一个时间序列：X=｛x(1),x(2),…｝，其中，x（t）是在t时间观测到的数据。其中，x(t)是一个向量，即x(t) =(x1(t)，x2(t) ，…，xm(t)）T，其中m是我们正在建模的变量的总数，每个xi（t）,i=1,……，m都是我们感兴趣的变量，比如在一个社会网络模型的度中心性和介数，或者某些政治或科学主题的中心值。自回归（AR）模型被定义为：
为对于在时间t的角色P含有变量的矢量。然后我们可以重写等式（2）为
                          (3)
其中，bi=(bi1,…，bim) T和ci=(ci1,…，cim)T分别为固定效应系数和随机效应系数。
为了比较相互之间取得的固定效应，所有在回归方程中取得的随机效应变量需要被线性的转换成标准化的值，简而言之，就是按他们的标准划分偏差。以这种方式，固定效应可以解释为自变量的标准偏差的数目变化对因变量的标准偏差的数目的变化的影响。
该阶段的输出是一组在拟合回归模型以及图中生成的统计信息，被称为影响网络，显示了变量之间的统计学显著影响。