近年来,利用社会网络分析方法来研究学术领域引起了广泛关注,主要的研究方向集中于引文网络和合著网络。本文中主要考虑了学术网络中的合著网络。本文的研究对象是2014年至2018年间四种国际顶级统计期刊的论文合著数据。首先使用描述性分析方法,分析数据集中作者的生产力、发文趋势并对出版物和合著关系进行偏度分析,分析得到少数作者参与发表了大量论文且在合著中占有很大比例的资源。然后构建合著网络,利用社会网络分析方法从网络的组成、距离和聚类系数等方面分析了网络的全局属性;同时对网络的个体属性进行分析,分别计算作者的四种中心性度量（度中心性、接近中心性、中介中心性和PageRank）;结果显示该合著网络是一个小世界网络且具有无标度特性,并计算得到四个中心性指标与论文质量指标（被引次数）显著相关。接着本文同时考虑外生协变量和内生网络结构,构造选取了五个的主效应,两个同质效应和三个高阶网络结构,采用指数随机图模型（ERGMs）来研究合著的形成机制。结果表明,同质效应（作者来自相同的大学或国家）和传递性（与合著者的合著者合著的倾向）对合著的产生有显著的积极影响。最后,为进行社区识别,结合网络的结构和ERGMs中系数显著为正的同质效应对应的属性提出了kNN-walktrap来识别网络社区。kNN-walktrap所得到的社区识别结果相比于传统的walktrap方法与更有好的解释性。