[논문 리뷰] Factor Models for High-Dimensional Dynamic Networks: with Application to International Trade Flow Time Series 1981-2015

Elynn Yi Chen, Rong Chen|arXiv (Cornell University)|2017. 10. 17.

Complex Network Analysis Techniques참고 문헌 26인용 수 3

한 줄 요약

이 논문은 고차원 동적 네트워크를 위한 행렬 분해 모델을 제안하며, 시간에 따라 변화하는 네트워크 행렬 시계열을 낮은 차원의 잠재 동적 네트워크에 의해 구동되는 관측치로 간주한다. 자가교공분산 행렬의 제약 조건이 붙은 고유분석을 활용하여, 비모수적 가정 없이 차원 감소를 달성하며, 국제 무역 데이터(1981–2015)에서 해석 가능한 잠재 무역 블록, 예를 들어 유럽, 아시아, 북미 경제 블록을 드러낸다. 시간에 따라 무역 성장 패턴의 명확한 변화도 관찰된다.

ABSTRACT

Dynamic network analysis has found an increasing interest in the literature because of the importance of different kinds of dynamic social networks, biological networks, and economic networks. Most available probability and statistical models for dynamic network data are deduced from random graph theory where the networks are characterized on the node and edge level. They are often very restrictive for applications and unscalable to high-dimensional dynamic network data which is very common nowadays. In this paper, we take a different perspective: The evolving sequence of networks are treated as a time series of network matrices. We adopt a matrix factor model where the observed surface dynamic network is assumed to be driven by a latent dynamic network with lower dimensions. The linear relationship between the surface network and the latent network is characterized by unknown but deterministic loading matrices. The latent network and the corresponding loadings are estimated via an eigenanalysis of a positive definite matrix constructed from the auto-cross-covariances of the network times series, thus capturing the dynamics presenting in the network. The proposed method is able to unveil the latent dynamic structure and achieve the objective of dimension reduction. Different from other dynamic network analytical methods that build on latent variables, our approach imposes neither any distributional assumptions on the underlying network nor any parametric forms on its covariance function. The latent network is learned directly from the data with little subjective input. We applied the proposed method to the monthly international trade flow data from 1981 to 2015. The results unveil an interesting evolution of the latent trading network and the relations between the latent entities and the countries.

연구 동기 및 목표

• 경제학 및 사회과학 분야에서 고차원 동적 네트워크 데이터를 분석하기 위한 확장성 있고 비모수적 방법의 부족을 해결한다.
• 제한적인 모수적 형태나 분포 가정에 의존하는 기존의 무작위 그래프 기반 모델의 한계를 극복한다.
• 네트워크 행렬을 매트릭스 변수 시계열의 관측치로 간주하는 시계열 기반 접근법을 개발한다.
• 관측된 표면 네트워크에서 저질서의 잠재 동적 네트워크 구조를 식별함으로써 차원 감소를 가능하게 한다.
• 주관적인 모델링 선택 없이도 변화하는 교역 패턴에 기반한 데이터 기반의 해석 가능한 국가 집단화를 드러낸다.

제안 방법

• 관측된 네트워크 행렬 시계열을 알려지지 않은 결정적 로딩 행렬을 통한 낮은 차원의 잠재 네트워크 행렬의 선형 변환으로 모델링한다.
• 시간적 및 네트워크 간 상관관계를 캡처하기 위해 네트워크 시계열의 자가교공분산에서 정규행렬을 구성한다.
• 이 공분산 행렬에 제약 조건이 붙은 고유분석을 적용하여 동시에 잠재 네트워크와 로딩 행렬을 추정한다.
• 잠재 구조가 최소한의 주관적 입력으로 데이터에서 직접 학습되며, 모수적 또는 분포 가정 없이 이루어진다.
• L2-노름 수렴 보장 조건을 사용하여 추정된 잠재 성분의 통계적 일致성을 확보한다.
• 결과적으로 도출된 잠재 차원을 국가 로딩과 차원 간 연결성에 기반해 경제 블록(예: 유럽, 아시아, 북미)으로 해석한다.

실험 결과

연구 질문

• RQ1 어떻게 제한적인 모수적 또는 분포 가정 없이 고차원 동적 네트워크 데이터를 효과적으로 모델링할 수 있는가?
• RQ2 1981년에서 2015년 사이에 국제 무역 흐름의 변화를 뒷받침하는 잠재 저차원 구조는 무엇인가?
• RQ3 무역 성장 패턴은 시간이 지남에 따라 서로 다른 잠재 경제 집단 간에 어떻게 변화하는가?
• RQ4 기존의 노드 또는 엣지 수준의 동적 네트워크 모델에 비해 네트워크 행렬에 대한 시계열 접근법이 세계 무역 역학을 더 잘 포괄할 수 있는가?
• RQ5 잠재 차원에서 드러나는 국제 무역 네트워크의 해석 가능한 경제 집단은 무엇인가?

주요 결과

• 잠재 네트워크 구조는 명확한 경제 블록을 드러낸다: 수입 차원 1은 일본, 싱가포르 등 선진 아시아 경제를 나타내며, 차원 2는 유럽을, 차원 4는 유럽과 중국의 무역 혼합을 나타낸다.
• 1993년 무역 성장은 주로 수입 차원 3(유럽)과 수출 차원 1(유럽과 북미의 혼합) 간 연결성에 의해 지배되었으며, 이는 강력한 유럽 무역 활동을 시사한다.
• 2003년에는 수입 차원 4(유럽과 중국)와 수출 차원 1 및 3(선진 아시아 및 유럽) 간의 무역 성장이 심화되었으며, 이는 아시아 및 유럽 통합의 부상 반영한다.
• 유럽 경제 지역(1994)과 유로존(2002)의 설립은 잠재 차원에서 유럽 국가 간의 클러스터링과 연결성 증가를 통해 명확히 반영된다.
• 2013년에는 주로 수입 차원 2(아일랜드와 스웨덴에 초점이 맞춰진 유럽 국가들)와 수출 차원 1(선진 아시아) 간의 무역 성장이 지배적이었으며, 이는 아시아 수출의 증가하는 역할을 강조한다.
• 수출 차원 4는 모든 유럽 국가들의 높은 로딩을 통해 유럽 국가들을 나타내며, 이는 유럽 국가들이 횡단 무역에서 수행하는 역할을 확인한다.