在數學中，例如在圖的統計特性研究中，空模型是一種隨機對象，它在某些特征上與一個特定的對象相匹配，或者更普遍地滿足一組約束條件，但除此之外，它被認為是一個無偏的隨機結構。空模型被用作比較術語，以驗證有關對象是否顯示一些非瑣碎的特征（僅憑偶然性或作為約束條件的結果不會被預期的屬性），一個適當的空模型的行為符合被調查系統的行為的合理空假設。在復雜網絡的研究中，紐曼和吉文提出的一個無效模型是由一個原始圖的隨機版本組成的。G{displaystyleG}的隨機版本。在每個頂點的預期度與原圖中的頂點度相匹配的約束條件下，通過隨機重新布線的邊緣產生。空模型是模塊化定義背后的基本概念，模塊化是一個評估將圖分割成群組的良好程度的函數。具體來說，給定一個圖G{displaystyleG}和一個特定的社區分區和一個特定的社區分區σ:V(G)→{1,...,b}{displaystyleσ:V(G)rightarrow{1,...,b}}（社區指數的分配）。(一個社區指數的分配σ(v){displaystylesigma(v)}（這里取整數）。

(這里取一個整數，從1{displaystyle1}到到b{displaystyleb}的整數）到每個頂點。)到每個頂點v∈V(G){displaystylevinV(G)}中的每個頂點），模塊化衡量的是來自/到達每對社群的鏈接數量與預期的社群數量之間的差異。圖中的每個頂點），模塊化衡量的是來自/到達每對社群的鏈接數量與在一個除了每個頂點的度數集（度數序列）之外在所有方面都完全隨機的圖中預期的鏈接數量之間的差異。換句話說，模塊化對比了圖中所展示的群落結構。G{displaystyleG}中展示的群落結構與空模型的群落結構形成對比。與空模型的對比，在這種情況下，空模型是配置模型（受每個頂點的度數約束的xxx隨機圖）。