[論文レビュー] On the question of effective sample size in network modeling

Eric D. Kolaczyk, Pavel N. Krivitsky|arXiv (Cornell University)|Dec 5, 2011

Complex Network Analysis Techniques参考文献 29被引用数 5

ひとこと要約

この論文は、特に指数型ランダムグラフモデル（ERGM）におけるネットワークモデリングにおける有効サンプルサイズの基礎的問題を調査する。非漸近的推定レートが、ネットワークがスパースかドライヴスかに応じて、$N_v^{1/2}$ から $N_v$ に劇的に変化することを示しており、ネットワーク統計におけるサンプルサイズの解釈を根本的に変える。

ABSTRACT

The modeling and analysis of networks and network data has seen an explosion of interest in recent years and represents an exciting direction for potential growth in statistics. Despite the already substantial amount of work done in this area to date by researchers from various disciplines, however, there remain many questions of a decidedly foundational nature — natu-ral analogues of standard questions already posed and addressed in more classical areas of statistics — that have yet to even be posed, much less ad-dressed. Here we raise and consider one such question in connection with network modeling. Specifically, we ask, “Given an observed network, what is the sample size? ” Using simple, illustrative examples from the class of exponential random graph models, we show that the answer to this question can very much depend on basic properties of the networks expected under the model, as the number of vertices Nv in the network grows. In particu-lar, we show that whether the networks are sparse or not under our model (i.e., having relatively few or many edges between vertices, respectively) is sufficient to change the asymptotic rates for maximum likelihood parameter estimation by an order of magnitude, from N1/2v to Nv. We then explore

研究の動機と目的

• ネットワーク統計における基礎的問題に取り組む：『観察されたネットワークが与えられたとき、サンプルサイズは何か？』
• ネットワークのスパarsityまたは密度が、指数型ランダムグラフモデル（ERGM）におけるパラメータ推定の漸近的挙動に与える影響を検討すること。
• ネットワーク構造が統計的推論に与える影響、特に推定効率性と収束レートの観点から明確にすること。
• ネットワークデータ解析においてノード数 $N_v$ が常にサンプルサイズの妥当な代理指標であると仮定することを疑問視すること。

提案手法

• パラメータ推定挙動を分析するために、指数型ランダムグラフモデル（ERGM）フレームワークからの啓発的例を用いる。
• 異なるネットワークスパarsity条件における最尤推定量の漸近的分布を分析する。
• スパースネットワーク（少ないエッジ）とドライヴスネットワーク（多数のエッジ）の両方において、$N_v \to \infty$ の下での推定レートを比較する。
• パラメータ推定量の収束レートを導出し、比較する：スパースネットワークでは $N_v^{1/2}$、ドライヴスネットワークでは $N_v$。
• ネットワーク構造が統計的推論に与える影響を評価するために、ネットワークモデルに標準的漸近理論を適用する。
• 推定効率性がネットワーク密度に依存することを確立するために、指数型分布族の理論的分析に依拠する。

実験結果

リサーチクエスチョン

• RQ1 ネットワークのスパarsityは、指数型ランダムグラフモデルにおける有効サンプルサイズにどのように影響するか？
• RQ2 ネットワークモデルにおける最尤推定の漸近的レートは何か？ そして、ネットワーク構造に応じてどのように変化するか？
• RQ3 ネットワークデータ解析において、ノード数 $N_v$ だけをサンプルサイズの妥当な指標と見なすことができるか？
• RQ4 有効サンプルサイズが $N_v^{1/2}$ と $N_v$ のどちらに比例する条件は何か？
• RQ5 基礎となるネットワーク構造は、ERGMにおけるパラメータ推定の一貫性と効率性にどのように影響するか？

主な発見

• ネットワークモデリングにおける有効サンプルサイズは、単にノード数 $N_v$ であるとは限らず、ネットワークのスパarsityに強く依存する。
• スパースネットワークでは、最尤推定の漸近的レートは $N_v^{1/2}$ であり、収束が遅いことを示している。
• ドライヴスネットワークでは、漸近的レートが $N_v$ に上昇し、推定効率性において1桁の改善が見られる。
• スパースとドライヴスネットワークモデルの違いは、パラメータ推定における根本的に異なる統計的挙動を生じさせる。
• これらの異なるレートは、ネットワークデータにおける統計的パワーまたは推論を評価する際、ネットワーク構造を明示的に考慮する必要があることを示唆している。
• これらの結果は、ネットワーク統計において $N_v$ がサンプルサイズの十分な代理指標であると仮定することが一般的であるという考えを疑問視する。