[論文レビュー] Social Network Mediation Analysis: a Latent Space Approach

Haiyan Liu, Ick Hoon Jin+2 more|arXiv (Cornell University)|Oct 8, 2018

Mental Health Research Topics参考文献 76被引用数 3

ひとこと要約

本稿は、アクターの依存関係を捉えるために潜在空間を用いることで、社会的ネットワークを媒介変数として扱う画期的なベイジアン媒介モデルを提案する。直交する潜在次元におけるネットワークの位置をモデル化することにより、非一意な潜在位置がある場合でも、合計間接効果の妥当な推定が可能となる。シミュレーションおよび実証的検証の結果、パラメータの正確な回復が得られ、性別が友人関係ネットワークを通じて間接的にも、直接的にも喫煙行動に影響を与える証拠が示された。

ABSTRACT

Social networks contain data on both actor attributes and social connections among them. Such connections reflect the dependence among social actors, which is important for individual's mental health and social development. To investigate the potential mediation role of a social network, we propose a mediation model with a social network as a mediator. In the model, dependence among actors is accounted by a few mutually orthogonal latent dimensions. The scores on these dimensions are directly involved in the intervention process between an independent variable and a dependent variable. Because all the latent dimensions are equivalent in terms of their relationship to social networks, it is hardly to name them. The intervening effect through an individual dimension is thus of little practical interest. Therefore, we would rather focus on the mediation effect of a network. Although the scores are not unique, we rigorously articulate that the proposed network mediation effect is still well-defined. To estimate the model, we adopt a Bayesian estimation method. This modeling framework and the Bayesian estimation method is evaluated through a simulation study under representative conditions. Its usefulness is demonstrated through an empirical application to a college friendship network.

研究の動機と目的

• 独立変数（例：性別）と従属変数（例：喫煙行動）の間に、社会的ネットワークが媒介変数として機能する媒介モデルの開発。アクター間の依存関係を考慮する。
• 低次元の潜在的社交空間に個々の人物を埋め込むことで、社会的アクター間の依存性を解決する。
• 個々の潜在的位置が一意でない場合でも、全ネットワークの合計媒介効果を定義および推定すること。
• 広範なシミュレーションと実世界の大学内友人関係ネットワークデータセットを用いて、提案モデルの性能を評価すること。
• 二値ネットワークにとどまらない、価値付き・有向・非線形関係に対応可能な、ネットワーク媒介のための手法的フレームワークを提供すること。

提案手法

• 社会的接近度の直交する潜在的次元から生じる未観測要因として、社会的ネットワークのつながりを潜在空間モデル（LSM）で表現する。
• 潜在空間内のエージェントの位置を関数としてネットワークをモデル化し、エッジの発生確率をこの空間内での個々の距離によって決定する。
• ベイジアン階層的フレームワークを用いて、モデルのパラメータ（特にネットワーク媒介を通じた間接効果）を推定する。
• マルコフ連鎖モンテカルロ（MCMC）サンプリングを用いて、間接効果の事後分布を取得し、経路係数間の不確実性と依存性を考慮する。
• 全ネットワーク媒介効果を、Xから潜在ネットワークへの経路（a）と、潜在ネットワークからYへの経路（b）の積として定義し、すべての潜在次元にわたって統合する。
• 推論には等尾95%信用区間を用い、さまざまなサンプルサイズおよび次元数の下で、カバレッジ率とバイアスを評価する。

実験結果

リサーチクエスチョン

• RQ1 学生の性別が、友人関係ネットワークの構造を通じて喫煙行動にどの程度影響を与えるか。
• RQ2 個々の潜在空間内での位置が一意でない場合、全社会的ネットワークの媒介効果をどのように定義・推定できるか。
• RQ3 さまざまなサンプルサイズおよび潜在次元数の下で、ベイジアン推定法が真のネットワーク媒介効果をどれほど正確に回復できるか。
• RQ4 提案モデルは、アクター間の依存性を考慮しつつ、実世界の社会的ネットワークにおける間接効果を検出できるか。
• RQ5 複数の潜在次元を含めることで、ネットワーク媒介分析における推定精度とカバレッジ率にどのような影響が生じるか。

主な発見

• サンプルサイズが100以上の場合、ベイジアン推定法は正確なパラメータ推定を達成し、95%信用区間のカバレッジ率は主に[92.5%, 97.5%]の許容範囲内に収まった。
• 小規模なサンプルサイズ（例：50または100）では、潜在次元数の増加に伴いパラメータ推定のバイアスが増大し、10%を超えるバイアスを示すケースが増加した。
• 非一意な潜在位置がある場合でも、合計ネットワーク媒介効果は明確に定義され、推定可能であった。モデルの構造により、間接効果の同定性が保証された。
• 大学内友人関係ネットワークの実証的分析において、性別は喫煙行動に有意な直接効果を持ち、その一部が友人関係ネットワークを通じて媒介されていた。
• 結果から、女子学生は男子学生に比べて喫煙率が低く、この差はネットワーク上の位置や社会的つながりの違いによって部分的に説明された。
• 本モデルは、ネットワーク媒介効果を捉える可能性を示したが、今後の研究では個々の潜在次元の解釈や、縦断的・非線形設定への拡張が求められる。