[논문 리뷰] Exponential Random Graph Models for Dynamic Signed Networks: An Application to International Relations

Cornelius Fritz, Marius Mehrl외 2명|arXiv (Cornell University)|2022. 05. 24.

Complex Network Analysis Techniques인용 수 5

한 줄 요약

이 논문은 동적 서명 네트워크를 모델링하기 위해 서명된 지수형 무작위 그래프 모델(SERGM)을 도입한다. 이는 국제관계에서의 긍정적 및 부정적 관계를 포괄하도록 ERGM을 확장한 것으로, '내 적의 적은 내 친구'라는 원칙에 기반한 구조적 균형이 국가 간 상호작용에 중대한 영향을 미친다. 2000년대 동안 구조적 균형이 국가 간 협력과 갈등 패턴을 설명하는 데 있어 내재적 균형 측정치가 외재적 측정치보다 더 뛰어난 성능을 보였다.

ABSTRACT

Substantive research in the Social Sciences regularly investigates signed networks, where edges between actors are either positive or negative. For instance, schoolchildren can be friends or rivals, just as countries can cooperate or fight each other. This research often builds on structural balance theory, one of the earliest and most prominent network theories, making signed networks one of the most frequently studied matters in social network analysis. While the theorization and description of signed networks have thus made significant progress, the inferential study of tie formation within them remains limited in the absence of appropriate statistical models. In this paper we fill this gap by proposing the Signed Exponential Random Graph Model (SERGM), extending the well-known Exponential Random Graph Model (ERGM) to networks where ties are not binary but negative or positive if a tie exists. Since most networks are dynamically evolving systems, we specify the model for both cross-sectional and dynamic networks. Based on structural hypotheses derived from structural balance theory, we formulate interpretable signed network statistics, capturing dynamics such as "the enemy of my enemy is my friend". In our empirical application, we use the SERGM to analyze cooperation and conflict between countries within the international state system.

연구 동기 및 목표

• 동적 환경에서 서명 네트워크 간 관계 형성에 대한 추론 통계 모델의 부족을 해결하기 위해.
• 에 bord의 지수형 무작위 그래프 모델(ERGM)을 양성 또는 부정성 간선을 가진 서명 네트워크로 확장하기 위해.
• 구조적 균형 이론을 통계적으로 엄밀한 프레임워크에 통합하여 실증적 검증을 가능하게 하기 위해.
• 외재적 및 내재적 균형 측정치를 구분하고, 그들이 모델 적합도와 실질적 해석에 미치는 영향을 평가하기 위해.
• 2000년대 국가 간 상호작용에 대한 실제 데이터를 적용하여 국제관계에서의 구조적 균형을 테스트하기 위해.

제안 방법

• 동적 서명 네트워크를 위한 표준 지수형 가족 모델로 서명된 지수형 무작위 그래프 모델(SERGM)을 제안한다.
• 삼중 클로징 및 상호 적대성과 같은 구조적 균형 패턴을 코딩하는 충분통계량을 사용해 서명 네트워크의 확률 분포를 정의한다.
• 과거 네트워크 구성에 기반한 조건부 확률 분포를 사용해 네트워크 상태 간 전이를 모델링함으로써 시간적 의존성을 통합한다.
• 현재 네트워크 구조에서 계산된 내재적 균형 측정치를 사용해 공통의 친구나 적이 관계 형성에 미치는 영향을 포착한다.
• 모델이 어떠한 상호작용(긍정적 또는 부정적)이 존재하는 데 조건부로 설정된 조건부 추정 프레임워크를 사용하며, 이는 Lerner(2016)의 조건부 의존성에 대한 주장과 일치한다.
• 2000–2010년 사이의 국가 상호작용 종단적 데이터셋에 모델을 적용하여 관측된 네트워크 구성으로부터 모수를 추정하고 가설을 검증한다.

실험 결과

연구 질문

• RQ1 구조적 균형 이론이 예측하는 바와 같이, 공통의 적을 공유할수록 국가들이 긍정적 관계를 더 자주 형성하는가?
• RQ2 내재적 균형 측정치가 관측된 협력 및 갈등 패턴을 설명하는 데 외재적 측정치와 비교하여 어떻게 다른가?
• RQ3 구조적 균형은 국제관계에서 관계 형성의 주요 추진력인가, 특히 2000년대에 그렇다면?
• RQ4 네트워크 역학—동맹이나 적대 관계의 변화—이러한 균형 메커니즘을 얼마나 잘 반영하는가?
• RQ5 서명 네트워크 모델에서 전역적 의존성 가정의 타당성에 영향을 미칠 수 있는 네트워크의 구조적 제약은 무엇인가?

주요 결과

• 내재적 균형 측정치는 외재적 측정치보다 모델 적합도를 크게 향상시키며, 국가 간 상호작용에서의 구조적 균형에 대한 더 강력한 증거를 제공한다.
• 모델은 공통의 적이나 동맹을 공유할수록 국가들이 협력할 가능성이 더 높다는 것을 확인하여 '내 적의 적은 내 친구' 원칙을 지지한다.
• 외재적 균형 측정치는 관계 형성의 진정한 메커니즘을 포착하지 못해 실질적으로 구조적 균형 이론과 일치하지 않음을 시사한다.
• 결과는 구조적 균형이 특히 2000년대에 국가 간 협력과 갈등의 핵심 추진력임을 시사한다.
• 모델은 모든 이원관계가 동일하게 접근 가능하지 않음을 드러내며, 거리, 발전 수준 또는 권력 제약로 인해 일부 국가들이 구조적으로 고립되어 있음을 보여주며, 전역 네트워크 의존성 가정의 타당성을 도전한다.
• 활성 이원관계(어떠한 상호작용이 존재하는)에 조건부로 모델링하는 것은 이해 가능성을 향상시키며, 구조적 균형이 기존 상호작용의 맥락에서 작용한다는 이론적 주장과도 부합한다.