[논문 리뷰] Modeling of Dynamic Networks based on Egocentric Data with Durational Information

Pavel N. Krivitsky|arXiv (Cornell University)|2022. 03. 14.

Adolescent Sexual and Reproductive Health인용 수 7

한 줄 요약

이 논문은 지속 시간 정보를 포함한 에고세트 기반 샘플링 데이터를 활용하여 동적 사회망을 모델링하는 방법을 제안한다. Separable Temporal ERGM (STERGM) 프레임워크를 활용하여 장기적 네트워크 특성을 추정하며, 평형 기반 추론을 동적 모델로 확장함으로써 횡단적 에고세트 데이터에서 모수를 피팅할 수 있도록 한다. 관측된 네트워크를 기반 동적 과정의 정적 분포로 간주함으로써 이를 실현한다.

ABSTRACT

Modeling of dynamic networks -- networks that evolve over time -- has manifold applications in many fields. In epidemiology in particular, there is a need for data-driven modeling of human sexual relationship networks for the purpose of modeling and simulation of the spread of sexually transmitted disease. Dynamic network data about such networks are extremely difficult to collect, however, and much more readily available are egocentrically sampled data of a network at a single time point, with some attendant information about the sexual history of respondents. Krivitsky and Handcock (2014) proposed a Separable Temporal ERGM (STERGM) framework, which facilitates separable modeling of the tie duration distributions and the structural dynamics of tie formation. In this work, we apply this modeling framework to this problem, by studying the long-run properties of STERGM processes, developing methods for fitting STERGMs to egocentrically sampled data, and extending the network size adjustment method of Krivitsky, Handcock, and Morris (2011) to dynamic models.

연구 동기 및 목표

• 전체 네트워크 데이터가 확보되지 않은 상황에서 전염병 확산 시뮬레이션을 위한 동적 성관계 네트워크 모델링의 과제를 해결한다.
• 종종 수집이 어렵기 때문에 종단적 네트워크 시리즈나 이벤트 수준 데이터에 의존하는 한계를 극복한다.
• 관계 지속 시간과 성관계 역사를 포함한 횡단적 에고세트 데이터에서 동적 네트워크 과정의 추론을 가능하게 한다.
• 관측된 네트워크를 모델의 정적 분포에서 추출된 결과로 간주함으로써, 에고세트 데이터로부터 STERGM 모수를 추정할 수 있는 프레임워크를 개발한다.
• Krivitsky 등(2011)의 네트워크 크기 조정 방법을 동적 모델로 확장하여 확장성과 모집단 크기 변화에 대한 강건성을 향상시킨다.

제안 방법

• 연결 형성과 해체 과정을 별도로 모델링하는 분리형 모델로 STERGM 프레임워크를 수식화하며, 각 과정에 대해 별도의 ERGM을 적용한다.
• 관측된 에고세트 데이터를 STERGM 과정의 정적 분포의 실현으로 간주함으로써 평형 기반 추론을 가능하게 한다.
• 동적 모델에 대해 Equilibrium Graph Model Maximum Entropy (EGMME) 접근법을 적응시켜, 시뮬레이션 냉각 기법을 사용하여 실측 목표 통계량과 일치시킨다.
• 평균 단결관계 지속 시간과 같은 지속 시간 민감도 통계량을 포함하여 연결 형성과 해체 효과를 분리한다.
• 모델의 정적 상태 유지에 기여하기 위해 시뮬레이션된 생존 동역학(예: 개체의 노화 및 교체)을 통합한다.
• 일반화된 모멘트 방법 추정(GMME)을 적용하여 실측 네트워크 통계량과 모델 예측 통계량을 일치시켜 모수를 추정한다.

실험 결과

연구 질문

• RQ1 전체 종단적 네트워크 데이터 없이도 지속 시간 정보를 포함한 에고세트 샘플링 데이터에 대해 동적 네트워크 모델을 신뢰성 있게 피팅할 수 있는가?
• RQ2 횡단적 데이터에서 추론을 지원하기 위해 STERGM의 장기적 성질은 어떻게 특성화할 수 있는가?
• RQ3 네트워크 크기 조정 방법을 동적 모델로 확장하여 모집단 크기 변화에 대한 강건성을 확보할 수 있는가?
• RQ4 지속 시간 민감도 통계량은 성관계 파트너십 네트워크에서 연결 형성과 해체 과정에서의 단결관계 효과를 얼마나 잘 분리할 수 있는가?
• RQ5 생존 동역학(예: 노화 및 개체의 교체)은 모델의 정적 상태 유지에 어떻게 통합되어 추론 과정에 포함될 수 있는가?

주요 결과

• EGMME 접근법을 통해 관측된 네트워크를 모델의 정적 분포에서 추출된 결과로 간주함으로써, STERGM을 에고세트 데이터에 피팅할 수 있다.
• 모의 및 실제 에고세트 데이터에서 단결관계 및 연결 지속 시간과 관련된 핵심 네트워크 모수를 성공적으로 복원한다.
• 평균 단결관계 지속 시간과 같은 지속 시간 민감도 통계량을 포함함으로써 연결 형성과 해체 효과의 식별이 향상된다.
• Krivitsky 등(2011)의 네트워크 크기 조정 방법은 동적 모델로 확장 가능하며, 모집단 크기 변화에 대한 강건성을 향상시킨다.
• 시뮬레이션 결과, 적절한 모수 설정 하에서 모델이 네트워크 크기 변화에 대해 불변성을 유지함을 확인하여 확장 가능한 추론이 가능하다.
• 단기 관계 역사를 포함한 데이터만 제공되더라도, 단결관계 상태와 지속 시간 정보가 기록되어 있다면 이 접근법은 여전히 실현 가능하다.