[論文レビュー] Generalized Hypergeometric Ensembles: Statistical Hypothesis Testing in Complex Networks

Giona Casiraghi, Vahan Nanumyan+2 more|arXiv (Cornell University)|Jul 8, 2016

Data Visualization and Analytics参考文献 1被引用数 14

ひとこと要約

本稿は、有限で方向的かつ重み付きネットワークを対象とする、解析的に取り扱える統計的アンサンブルの新規クラス、一般化超幾何アンサンブルを導入する。双対的リンク傾向（dyadic link propensities）を組み込むことで、期待値および共分散の正確な計算が可能となり、厳密な統計的仮説検定が可能になる。これは、ザッハリの空手部のコミュニティ構造仮説を支持する一方で、次数のみを考慮する帰無仮説モデルを棄却する例によって実証された。

ABSTRACT

Statistical ensembles of networks, i.e., probability spaces of all networks that are consistent with given aggregate statistics, have become instrumental in the analysis of complex networks. Their numerical and analytical study provides the foundation for the inference of topological patterns, the definition of network-analytic measures, as well as for model selection and statistical hypothesis testing. Contributing to the foundation of these data analysis techniques, in this Letter we introduce generalized hypergeometric ensembles, a broad class of analytically tractable statistical ensembles of finite, directed and weighted networks. This framework can be interpreted as a generalization of the classical configuration model, which is commonly used to randomly generate networks with a given degree sequence or distribution. Our generalization rests on the introduction of dyadic link propensities, which capture the degree-corrected tendencies of pairs of nodes to form edges between each other. Studying empirical and synthetic data, we show that our approach provides broad perspectives for model selection and statistical hypothesis testing in data on complex networks.

研究の動機と目的

• 古典的構成モデルを一般化する統計的に厳密で解析的に取り扱えるネットワークアンサンブルのフレームワークを構築すること。
• ERGMにおける分割関数の取り扱いにくさや生成モデルにおける制約の制限といった既存アンサンブルの限界を克服し、正確な統計的推論を可能にする。
• 次数の不均一性やコミュニティ構造といったネットワークパターンに関する仮説検定を可能にする帰無仮説モデルフレームワークを提供すること。
• 有限で重み付き・方向的ネットワークにおいて、主要統計量の閉形式表現を用いてモデル選択および有意性検定を可能にすること。
• 生成モデルと指数型ランダムグラフモデルの間のギャップを埋め、解析的取り扱い可能性を保ちつつ、トポロジー的パターンの柔軟なモデリングを可能にする。

提案手法

• 固定された期待次数列を有する有限で方向的・重み付きネットワークの生成モデルを提案し、隣接行列上での一般化超幾何分布を用いる。
• ノードペアのエッジ形成傾向をモデル化するための双対的リンク傾向（Ω_ij）を導入し、標準的構成モデルにおける均一なエッジ確率を一般化する。
• アンサンブル下での隣接行列の期待値および共分散行列に対して閉形式表現を導出し、ネットワーク統計量の解析的取り扱いを可能にする。
• 帰無仮説下で漸近的にχ²分布に従うため、実証ネットワークとアンサンブルとの乖離度を測る統計量としてマハラノビス距離D₀²(A)を用いる。
• 解析的解が困難な場合に、生成モデルの単純さを活かして効率的な実現が可能なサンプリングに基づくp値推定を採用する。
• 帰無仮説の検定に本フレームワークを適用する：(1) エッジの形成は次数列のみで説明可能か（構成モデル）、(2) ブロック構造を持つΩ_ij（コミュニティベース）で説明可能か（スチュアティックブロックモデルに類似）。

実験結果

リサーチクエスチョン

• RQ1 構成モデルを方向的・重み付きネットワークに一般化しつつ、解析的取り扱い可能性を維持できる統計的アンサンブルを構築できるか？
• RQ2 双対的リンク傾向は、次数列を越えた高次のトポロジー的パターンをどの程度捉えることができるか？
• RQ3 このアンサンブルフレームワークは、正確または近似p値を用いて、実証ネットワークにおける厳密な統計的仮説検定を可能にするか？
• RQ4 ザッハリの空手部ネットワークにおけるコミュニティ構造は、次数の不均一性やブロック構造のエッジ傾向によって説明できるものよりも統計的に有意か？
• RQ5 アンサンブルにおける期待値および共分散の解析的表現は、有限複雑ネットワークにおけるモデル選択および推論をどのように支援するか？

主な発見

• 一般化超幾何アンサンブルは、隣接行列の期待値およびその共分散行列に対して閉形式表現を提供し、ネットワーク統計量の解析的取り扱いを可能にする。
• 空手部ネットワークにおいて、次数列のみでネットワークが説明可能であるという帰無仮説のp値は約0であったため、この仮説は棄却された。
• ブロック構造を持つ双対的リンク傾向（コミュニティベース）を持つ帰無仮説を検定したところ、p値は0.158367であった。このため仮説は棄却されず、コミュニティ構造がネットワークのトポロジーを説明していることが示唆された。
• 両アンサンブルからのランダム実現と実証ネットワークの視覚的比較により、コミュニティ構造モデルが次数のみのモデルよりもネットワークのトポロジーをよりよく捉えていることが確認された。
• マハラノビス距離を用いた統計的検定フレームワークは、特定の条件下で漸近的にχ²分布に従うため、形式的な推論を可能にする。
• 双対的リンク傾向によるトポロジー制約の柔軟なモデリングと解析的取り扱い可能性を併せ持つため、ERGM や生成モデルに対する原理的代替案を提供する。