[論文レビュー] Valued Ties Tell Fewer Lies: Why Not To Dichotomize Network Edges With Thresholds

Andrew C. Thomas, Joseph K. Blitzstein|arXiv (Cornell University)|Jan 4, 2011

Crime, Illicit Activities, and Governance参考文献 15被引用数 30

ひとこと要約

本稿は、閾値を用いた価値付きネットワークエッジの二値化を反論し、このような手法がネットワーク解析における情報損失と効率性の低下を引き起こすことを示している。閾値処理はネットワークのトポロジーを歪め、特に大規模ネットワークにおいては統計的パワーを低下させ、推論の妥当性を損なう。代わりに、価値付きデータを直接分析することで、構造的・統計的整合性を保つべきだと主張している。

ABSTRACT

In order to conduct analyses of networked systems where connections between individuals take on a range of values - counts, continuous strengths or ordinal rankings - a common technique is to dichotomize the data according to their positions with respect to a threshold value. However, there are two issues to consider: how the results of the analysis depend on the choice of threshold, and what role the presence of noise has on a system with respect to a fixed threshold value. We show that while there are principled criteria of keeping information from the valued graph in the dichotomized version, they produce such a wide range of binary graphs that only a fraction of the relevant information will be kept. Additionally, while dichotomization of predictors in linear models has a known asymptotic efficiency loss, the same process applied to network edges in a time series model will lead to an efficiency loss that grows larger as the network increases in size.

研究の動機と目的

• 価値付きネットワークエッジの閾値を用いた二値化がネットワーク解析に与える影響を調査すること。
• 閾値の選択がネットワーク構造的推論の正確性と信頼性に与える影響を評価すること。
• 特に時系列および線形モデルにおいて、価値付きエッジを二値化することによる統計的効率性の損失を定量化すること。
• ノイズ低減、可視化、モデルの単純化といった、二値化の一般的な正当化根拠の妥当性を評価すること。
• 価値付きネットワークの構造的・統計的性質をよりよく保つ、閾値処理の代替手法を提案すること。

提案手法

• 著者たちは、さまざまな閾値下で、元の価値付きグラフとその二値化版との間で、成分構造、中心性、直径といったネットワーク特性を比較するシミュレーション研究を実施した。
• 予測変数を二値化した場合の線形モデルにおける漸近的効率性損失を分析し、ネットワークサイズが大きくなるほど損失が増加することを示した。
• 情報保持のための原則的基準を用いて二値化を評価し、これらの基準が多様なバイナリーグラフを生じさせることで、情報保持の質が低いことが明らかになった。
• ランクまたは値の乖離を最小化するように最適化するシミュレーテッド・アニーリングに基づく手法を提案し、元の価値付きネットワークの構造的特徴を最もよく再現するバイナリーグラフを同定した。
• ノード配置を固定して複数の閾値処理グラフを重ねる「ウェディング・ケーキ」可視化法を検討し、異なる結合強度レベルでの空間的解釈を維持する代替手法としての有効性を示した。
• 閾値処理と、出次数上位k本のエッジのみを保持するといった代替エッジ選択手法を比較し、これらの手法が既知のネットワーク特徴や係数推定値の保持において、標準的な閾値処理よりも劣ることを示した。

実験結果

リサーチクエスチョン

• RQ1 閾値の選択が、元の価値付きネットワークと比較して二値化ネットワークのトポロジー的構造にどのように影響するか？
• RQ2 価値付きエッジの二値化が、特に大規模ネットワークにおいて、ネットワークモデルの統計的効率性にどの程度損失をもたらすか？
• RQ3 情報保持のための原則的基準を用いて閾値を選択した場合、得られるバイナリーグラフは安定的かつ信頼性があるか、それとも極めて変動的になるか？
• RQ4 二値化はノイズを効果的に低減するのか、それとも意味のある構造的パターンを歪めてしまうのか？
• RQ5 価値付きネットワークの構造的・統計的性質をよりよく保つ、閾値処理の代替手法は存在するか？

主な発見

• 二値化は、ノードの中心性が閾値の選択によって中心的から周辺的へと変化する事例が示されるように、トポロジーに顕著で非線形的な歪みを引き起こす。
• 線形モデルにおいて予測変数を二値化した場合の効率性損失は顕著であり、シミュレーションでは最大で100倍以上に達する。したがって、真の閾値効果が存在しない限り、この手法は極めて非効率的である。
• 原則的基準を用いて閾値を選択しても、得られるバイナリーグラフは大きくばらつき、元のネットワークの情報のわずか一部しか保持されていないことが示された。
• ノード位置を固定して複数の閾値処理グラフを重ねる「ウェディング・ケーキ」可視化法は、結合強度の異なるレベルでのネットワーク構造の可視化に実用的であり、空間的解釈を維持する代替手法として有効である。
• 出次数上位k本のエッジのみを保持するといった代替手順は、標準的な閾値処理に比べて、既知のネットワーク特徴や係数推定値の保持において劣っていることが分かった。
• 本研究は、真に理論的または実証的根拠がある場合を除き、二値化は一般的に正当化されないと結論づけた。なぜなら、多くの場合、誤った推論や情報損失を引き起こすからである。