[논문 리뷰] A nonparametric two-sample hypothesis testing problem for random dot product graphs

Minh Tang, Avanti Athreya외 3명|arXiv (Cornell University)|2014. 09. 08.

Complex Network Analysis Techniques참고 문헌 68인용 수 29

한 줄 요약

이 논문은 진짜 잠재 위치가 관측되지 않을 때 두 개의 무작위 점곱 그래프(RDPG)가 같은 또는 관련된 잠재 위치 분포를 가지는지 판단하기 위한 비모수적 두 표본 가설 검정을 제안한다. 인접행렬 스펙트럼 임bedding(ASE)을 사용해 잠재 위치를 추정하고, 이 추정된 위치를 바탕으로 커널 기반 검정 통계량을 구성함으로써 넓은 대안 하에서 일致하게 차이를 탐지할 수 있으며, 추정된 설정에서의 경험 과정에 대한 새로운 농도 부등식을 통해 이론적 보장을 확보한다.

ABSTRACT

We consider the problem of testing whether two finite-dimensional random dot product graphs have generating latent positions that are independently drawn from the same distribution, or distributions that are related via scaling or projection. We propose a test statistic that is a kernel-based function of the adjacency spectral embedding for each graph. We obtain a limiting distribution for our test statistic under the null and we show that our test procedure is consistent across a broad range of alternatives.

연구 동기 및 목표

• 진짜 잠재 위치가 관측되지 않을 때 무작위 점곱 그래프(RDPG)에 대한 비모수적 두 표본 가설 검정을 개발하는 것.
• 두 개의 독립적인 RDPG가 동일한 분포에서 또는 스케일링 또는 투영을 통해 관련된 잠재 위치를 생성했는지 테스트하는 것.
• 인접행렬 스펙트럼 임bedding에서 추정된 잠재 위치를 활용하여 일반 대안 하에서 검정의 일관성을 확립하는 것.
• 정점 상호관계나 고정된 정점 집합이 알려져 있지 않은 상황에서의 추론 문제를 다루며, 반모수적 설정을 초월하는 것.

제안 방법

• 검정은 두 RDPG의 관측된 인접행렬로부터 잠재 위치를 추정하기 위해 인접행렬 스펙트럼 임bedding(ASE)을 사용한다.
• 추정된 잠재 위치 분포 간의 최대 평균 차이(MMD)의 경험적 추정치로 커널 기반 검정 통계량을 구성한다.
• 추정된 잠재 위치 설정에서 경험 과정의 최대값에 대한 새로운 농도 부등식을 활용하여 일관성을 증명한다.
• 검정 통계량은 진짜 MMD(진짜 잠재 위치에서 계산된)로 확률적으로 수렴하여 점근적 타당성을 확보한다.
• 희박한 경우에 스케일링에 대한 등가성 테스트를 수행할 때 알려지지 않은 희박성 요소에 대해 강건함을 입증하였다.
• 적합도 검정에 적용 가능하며 잠재 위치 모델에서의 인식 검정으로도 확장 가능하다.

실험 결과

연구 질문

• RQ1 진짜 잠재 위치가 관측되지 않고 정점 상호관계도 알려지지 않은 상황에서 RDPG에 비모수적 두 표본 검정을 일관되게 적용할 수 있는가?
• RQ2 진짜 잠재 위치 기반 검정과 비교해 볼 때 추정된 잠재 위치 기반 검정의 일관성은 어떻게 되는가?
• RQ3 희박성 및 분포 가정 조건이 조밀한 그래프 및 희박한 그래프 환경에서 검정이 여전히 일관성 유지에 어떤 영향을 미치는가?
• RQ4 제안된 검정이 잠재 위치 분포의 스케일링 또는 투영을 포함하는 대안을 탐지할 수 있는가?
• RQ5 ASE에서 발생하는 추정 오차 하에서 검정 통계량이 진짜 MMD로 수렴하는 속도는 무엇인가?

주요 결과

• 인접행렬 스펙트럼 임bedding에서 유도된 검정 통계량은 진짜 잠재 위치에서 계산된 진짜 MMD로 확률적으로 수렴하여 일관성을 보장한다.
• 잠재 위치가 모델의 가정을 충족하고 그래프가 조밀할 경우, 어떤 분포적 차이에 대해서도 검정이 일관성이 있다.
• 추정된 잠재 위치 설정에서 경험 과정의 최대값에 대한 새로운 농도 부등식이 확립되어 핵심 이론적 기초를 형성한다.
• 희박한 경우, $ n\alpha_n = \omega(\log^4 n) $ 및 $ m\beta_m = \omega(\log^4 m) $ 를 만족할 경우, 희박성 요소가 너무 빨리 감소하지 않으면 검정은 여전히 일관성 유지한다.
• 적합도 검정에 적용 가능하며, 스케일링에 대한 등가성 테스트 시 알려지지 않은 희박성 요소에 대해 강건하다.
• 정점 정렬 정보가 알려지지 않은 환경에서는 반모수적 접근보다 성능이 뛰어나지만, 정렬 정보가 있을 경우에는 그에 비해 검정력이 낮을 수 있다.