互联网的快速发展改变了传统的交流方式，信息的传播方式更加快速与便捷，基于信息传播过程构建了形式多样的社交网络。社交网络中用户的行为、态度、信念会受到其朋友行为的影响，朋友之间的相互影响情况有强弱之分，如何衡量用户之间的影响力是研究的热门话题。用户的行为不仅受到自身因素的影响，还受到社交网络中其他用户行为的影响，空间自回归模型在线性回归模型的基础上加入空间滞后项，利用简单的线性关系来描述用户之间的反作用机制，因其表达形式简单、适用范围广泛、构建邻接矩阵方式灵活而广泛应用于经济、社会、科学等领域。在传统空间自回归模型中，空间滞后项前的系数衡量的是网络中所有用户的综合影响力，但是网络中用户的影响力不应该全部相同而是与用户的自身因素有一定关系，上述模型无法描述网络用户之间反作用情况的背后工作机制，甚至无法回答哪些因素是决定用户影响力的关键因素。为了解决上述问题，本文提出了两大类模型，分别为：分组影响力模型和个体影响力模型。　　本文提出的第一个模型为分组影响力模型。社交网络由一个个群体组成，每个群体中的用户具有某种相似特征，基于网络的社团理论可将网络中的用户分成一个个团体，本文据此提出分组影响力模型，假设每个群体中用户的社交影响力相同，利用极大似然估计方法估计出每个组别的影响力。根据网络中每个组别的影响力可以了解群体之间的相互作用机制，找出网络中影响力相对较高的群体。本文将模型应用于微博数据和开放式共同基金数据中，发现不同分组的影响力存在较大差异。　　本文提出的第二个模型为个体影响力模型。分组影响力模型虽然解决了群体之间的作用机制问题，但是仍无法知道社交网络中每个用户的具体情况，无法衡量是哪些因素导致用户影响力水平的差异。基于用户的影响力受到自身因素的影响而提出个体影响力模型，其主要思想为：用户的影响力与用户自身因素有关，以这些因素作为影响力的外生解释变量将影响力参数化，利用连接函数计算每个用户的独特影响力并利用极大似然估计估计每个变量的参数值，根据参数的估计结果量化每个因素对用户影响力的影响水平。根据个体影响力模型可得出用户的独特影响力，可量化决定用户影响力的变量，了解社交网络背后的工作机制。本文将个体影响力模型应用于2015年下半年开放式共同基金数据中，得出入度数较多的明星基金以及规模较大的基金在基金网络中影响力较大且收益稳定基金影响力较大的结论。