[논문 리뷰] Convergence of rank based degree-degree correlations in random directed networks

W.L.F. van der Hoorn, Nelli Litvak|arXiv (Cornell University)|2014. 07. 29.

Complex Network Analysis Techniques인용 수 10

한 줄 요약

이 논문은 방향성 무작위 네트워크에서 차수-차수 의존성에 대해 스피어만의 rho와 켄달의 타우를 포함한 세 가지 순위 기반 상관계수의 통계적 일致성을 도입하고 증명한다. 이들 조건에서 무한대 크기 근처에서 이러한 조건이 0으로 수렴함을 보여주며, 이는 척도 불변 네트워크에서 비랜덤 차수 상관관계를 탐지하기 위한 타당한 근본 모델임을 입증한다.

ABSTRACT

We introduce, and analyze, three measures for degree-degree dependencies, also called degree assortativity, in directed random graphs, based on Spearman's rho and Kendall's tau. We proof statistical consistency of these measures in general random graphs and show that the directed configuration model can serve as a null model for our degree-degree dependency measures. Based on these results we argue that the measures we introduce should be preferred over Pearson's correlation coefficients, when studying degree-degree dependencies, since the latter has several issues in the case of large networks with scale-free degree distributions.

연구 동기 및 목표

• 무한 분산을 가진 척도 불변 방향성 네트워크에서 피어슨 상관계수의 통계적 일치성 부족 문제를 다루기.
• 중요한 꼬리 분포를 가진 차수 분포 하에서 잘 정의되고 일관된 순위 기반 상관계수(스피어만의 rho, 켄달의 타우)를 개발하기.
• 무한 네트워크 크기 근처에서 순위 상관계수가 0으로 수렴함을 증명함으로써, 방향성 구성 모델이 차수-차수 의존성의 근본 모델로 타당함을 확립하기.
• 실세계의 방향성 네트워크에서 차수-차수 의존성의 통계적 유의성을 평가하기 위한 수학적으로 엄밀한 프레임워크 제공하기.

제안 방법

• 방향성 간선의 양 끝에서 정수 값을 갖는 진입 및 진출 차수를 바탕으로 스피어만의 rho와 켄달의 타우를 기반으로 한 세 가지 순위 상관계수 정의하기.
• 간선 끝점에서의 경험적 이元 차수 분포의 수렴 조건 하에서 순위 상관계수 추정기의 일반 일관성 증명하기.
• 일반 일관성 정리를 방향성 구성 모델에 적용하여 이산 차수 분포를 다루기 위해 연속화 기법 사용하기.
• 방향성 구성 모델의 반복형과 제거형 버전을 모두 분석하여, 순위 상관계수가 거의 확실히 0으로 수렴함을 보여주기.
• 분포 함수의 연속화(예: $\widetilde{X} = X + U$) 및 조건부 기대값과 같은 수학적 도구를 사용하여 이산 및 연속 순위 통계량 간의 관계 설정하기.
• 순서 통계 및 균일 간격 이론의 결과를 활용하여 누적 분포 함수의 표현으로 순위 기반 조건의 극한 기대값 유도하기.

실험 결과

연구 질문

• RQ1 스피어만의 rho와 켄달의 타우와 같은 순위 기반 상관계수는 꼬리가 두꺼운 차수 분포를 가진 방향성 네트워크에서 차수-차수 의존성을 통계적으로 일관된 추정기로 사용할 수 있는가?
• RQ2 간선 형성 방식을 무작위화하는 방향성 구성 모델은 네트워크 크기가 커질수록 차수-차수 의존성이 0으로 수렴하는가?
• RQ3 무한 분산을 가진 차수 분포를 가진 네트워크에서 순위 상관계수의 통계적 성질은 피어슨 상관계수와 어떻게 비교되는가?
• RQ4 실세계의 방향성 네트워크에서 비랜덤 차수 상관관계를 탐지하기 위해 방향성 구성 모델을 근본 모델로 사용할 수 있는가?
• RQ5 반복형과 제거형 버전의 방향성 구성 모델에서 순위 상관계수의 극한 행동은 어떠한가?

주요 결과

• 제안된 순위 상관계수(스피어만의 rho와 켄달의 타우)는 일반적인 무작위 방향성 그래프에서 차수-차수 의존성을 통계적으로 일관된 추정기로 사용할 수 있다.
• 반복형과 제거형 방향성 구성 모델에서, 세 순위 상관계수 모두 네트워크 크기가 무한대에 접근함에 따라 거의 확실히 0으로 수렴한다.
• 이러한 수렴은 유한 네트워크에서 음의 차수 상관관계가 존재할 수 있음에도 불구하고 성립하며, 이는 이러한 상관관계가 큰 네트워크 근처에서 사라짐을 시사한다.
• 따라서, 차수 분포가 무한 분산을 가질 수 있음에도 불구하고, 방향성 구성 모델은 순위 기반 차수-차수 의존성 측정의 타당한 근본 모델이 된다.
• 결과적으로 피어슨 상관계수의 경우 척도 불변 네트워크에서 무한 분산으로 인해 정의되지 않음을 확인하였고, 반면 순위 기반 조건은 여전히 강건하고 일관된 것으로 밝혀졌다.
• 이산 분포의 연속화를 활용한 수학적 프레임워크는 미약한 정규 조건 하에서 순위 기반 통계량이 이론적 극한값으로 수렴함을 보장한다.