[論文レビュー] Consistently estimating graph statistics using Aggregated Relational Data

Emily Breza, Arun G. Chandrasekhar+2 more|arXiv (Cornell University)|Aug 26, 2019

Complex Network Analysis Techniques参考文献 24被引用数 6

ひとこと要約

本稿では、被験者が対照的なつながりではなく、特定の特徴を有するグループへのつながりの数を報告する集計的関係データ（ARD）を用いて、個人レベルおよびグラフレベルの統計量の一貫した推定手法を提案する。ARDの調査質問を完全なネットワークのパラメトリックモデルと結びつけることで、次数分布やクラスタリング係数といった重要なネットワーク統計量がARDから一貫して推定可能である条件を確立し、間接的な調査データからの信頼できる推論を可能にする。

ABSTRACT

Aggregated Relational Data, known as ARD, capture information about a social network by asking about the number of connections between a person and a group with a particular characteristic, rather than asking about connections between each pair of individuals directly. Breza et al. (Forthcoming) and McCormick and Zheng (2015) relate ARD questions, consisting of survey items of the form How many people with characteristic X do you know? to parametric statistical models for complete graphs. In this paper, we propose criteria for consistent estimation of individual and graph level statistics from ARD data.

研究の動機と目的

• 直接的なペアワイズのつながりが観測されない状況において、ARDからネットワーク統計量を推定する課題に対処すること。
• 個人レベルおよびグラフレベルの統計量がARDの調査回答から一貫して推定可能となる条件を特定すること。
• 『特性Xを持つ人は何人知っていますか？』といったARDの質問と、完全な社会的ネットワークのパラメトリックモデルとの間の関係を明確にすること。
• ARDを社会科学の研究における有効なネットワークデータのソースとして使用するための理論的基盤を提供すること。
• 直接的なペアワイズのつながりが得られない状況において、ネットワーク特徴の推定量が一貫していることを保証すること。

提案手法

• ペアワイズのつながりではなく、特性によって定義されるグループへのつながりの数を収集するという調査メカニズムとしてARDを形式化すること。
• 真のネットワーク構造を表すために、パラメトリック統計モデルを用いて潜在的な完全なネットワークをモデル化すること。
• ARDからの個人およびグラフレベルの統計量の推定量の一貫性を保証する同定制約を導出すること。
• ARD回答の経験的分布が真のネットワーク統計量に収束するための正則性条件を確立すること。
• パラメトリックネットワークモデルから導出されたモーメント条件を用いて、次数分布やクラスタリング係数などの統計量を推定すること。
• サンプリングや報告バイアスを補正するため、逆確率加重または推定方程式を用いること。

実験結果

リサーチクエスチョン

• RQ1 どのような条件下で、個人レベルのネットワーク統計量がARDから一貫して推定可能となるか？
• RQ2 クラスタリング係数のようなグラフレベルの統計量がARDデータから一貫して回復可能か？
• RQ3 完全なネットワークのパラメトリックモデルと、グループへのつながりに関するARDの調査質問との関係は何か？
• RQ4 ARDからの一貫した推定を保証するために必要な同定仮定は何か？
• RQ5 ARPが実証的研究において完全なネットワークデータの信頼できる代理指標としてどの程度利用可能か？

主な発見

• 本稿は、次数分布のような個人レベルの統計量がARDから一貫して推定可能となる十分な条件を確立している。
• クラスタリング係数のようなグラフレベルの統計量は、潜在的なネットワークモデルが特定の正則性およびモーメント条件を満たす場合に一貫して推定可能である。
• 推定量の一貫性は、ARDの回答と真のネットワーク構造を結ぶパラメトリックモデルの正しく指定されていることに依存する。
• 同定仮定が満たされていれば、ペアワイズのつながりの直接観測が不可能な状況においても、一貫した推論が可能である。
• このフレームワークにより、大規模な社会的調査におけるネットワーク特徴の推定にARDを有効なデータソースとして利用できる。
• 理論的結果により、ARPが緩い正則性条件のもとで一貫した推定をもたらすことが示されており、調査ベースのネットワークデータの有用性が拡張される。