在4.1.3版本的R语言中建立加权有向ergm模型，模型中的变量包含边和几何几何加权二元共享伙伴，参照分布项设置为泊松分布，借助MCMCpack包对模型分别使用MH采样函数以及Gibbs采样函数下的MCMC算法进行参数估计，迭代1000次，并且绘制后验密度图、迭代轨迹图、自相关图像

建立加权有向ergm模型的代码如下：

library(ergm)
data <- read.csv("data.csv")
model <- ergm(data ~ edges + gwesp(0.1, fixed = TRUE), 
              response = "weight", 
              control = control.ergm(seed = 123))

其中，`data`为数据集，`edges`为边的数量，`gwesp`为几何几何加权二元共享伙伴，`response`为响应变量为权重。我们使用控制参数`control.ergm`设置随机数种子为123。

使用MH采样函数进行MCMC算法：

library(MCMCpack)
set.seed(123)
mcmc.mh <- MCMCmetrop1R(model, burnin = 100, mcmc = 1000)

其中，`burnin`为预烧期，`mcmc`为采样次数。

使用Gibbs采样函数进行MCMC算法：

set.seed(123)
mcmc.gibbs <- MCMCgibbsR(model, burnin = 100, mcmc = 1000)

绘制后验密度图：

library(coda)
plot(density(as.mcmc(mcmc.mh)))
plot(density(as.mcmc(mcmc.gibbs)))

绘制迭代轨迹图：

plot(as.mcmc(mcmc.mh))
plot(as.mcmc(mcmc.gibbs))

绘制自相关图像：

acf(as.mcmc(mcmc.mh))
acf(as.mcmc(mcmc.gibbs))