[논문 리뷰] Statistical Inference in a Directed Network Model with Covariates

Ting Yan, Binyan Jiang외 2명|arXiv (Cornell University)|2016. 09. 15.

Complex Network Analysis Techniques인용 수 15

한 줄 요약

이 논문은 노드별 연결 수의 이질성(출발성 및 도착성 매개수를 통한)과 공변수를 통한 동질성(호모필리)을 동시에 캡처하는 방향성 네트워크를 위한 통계 모델을 제안한다. 매개수의 수가 증가하는 설정에서 최대우도추정량(MLE)의 균일한 일致성과 점근적 정규성을 입증하여, 노드 수가 증가함에 따라 유효한 추론이 가능함을 보장한다.

ABSTRACT

Networks are often characterized by node heterogeneity for which nodes exhibit different degrees of interaction and link homophily for which nodes sharing common features tend to associate with each other. In this paper, we propose a new directed network model to capture the former via node-specific parametrization and the latter by incorporating covariates. In particular, this model quantifies the extent of heterogeneity in terms of outgoingness and incomingness of each node by different parameters, thus allowing the number of heterogeneity parameters to be twice the number of nodes. We study the maximum likelihood estimation of the model and establish the uniform consistency and asymptotic normality of the resulting estimators. Numerical studies demonstrate our theoretical findings and a data analysis confirms the usefulness of our model.

연구 동기 및 목표

• 노드별로 다른 출발 및 도착 연결 수 이질성을 동시에 고려하는 방향성 네트워크의 통계 모델을 개발하기 위해.
• 유사한 특성을 가진 노드 간의 선호적 연결(즉, 동질성)을 설명하는 공변수를 통합하기 위해.
• 노드 수와 함께 증가하는 매개수의 수에서 최대우도추정량(MLE)의 이론적 성질을 확립하기 위해.
• 복잡한 네트워크 모델에서 이질성과 공변수 기반 연결 형성의 두 가지 요소를 고려한 통계적 추론을 위한 엄밀한 기반을 마련하기 위해.
• 모델의 성능을 법조인 우정 네트워크와 Sina Weibo 네트워크의 시뮬레이션 및 실데이터 분석을 통해 검증하기 위해.

제안 방법

• 모든 간선에 대해 독립적인 베르누이 시험을 사용하며, 로짓 링크 함수를 적용한다: $\text{logit}(P(a_{ij}=1)) = Z_{ij}^T\boldsymbol{\gamma} + \alpha_i + \beta_j$.
• 노드 이질성은 별도의 매개수 $\alpha_i$(출발성)와 $\beta_j$(도착성)로 파arameter화하여 $n$개의 노드에 대해 총 $2n$개의 이질성 매개수를 허용한다.
• 노드 특성의 절대 차이와 같은 공변수 $Z_{ij}$를 포함하여 연결 형성에서의 동질성(호모필리)을 모델링한다.
• 최대우도추정량(MLE)의 계산을 위해 두 단계 반복 알고리즘을 적용한다: $\boldsymbol{\gamma}$, $\boldsymbol{\alpha}$, $\boldsymbol{\beta}$의 추정.
• 매개수의 성장률에 대한 조건 하에서 $\|\boldsymbol{\theta}^*\|_\infty$에 대해 점근적 이론을 적용하여 MLE의 균일 일치성과 점근적 정규성을 도출한다.
• 추정량의 편향 보정과 표준오차를 사용하여 추론을 수행하며, p-값은 z-검정을 통해 계산한다.

실험 결과

연구 질문

• RQ1 노드별 이질성과 공변수 기반 동질성을 포함한 방향성 네트워크 모델이 최대우도추정을 통해 유효한 통계적 추론을 가능하게 하는가?
• RQ2 매개수의 수가 노드 수와 함께 증가할 경우 MLE의 점근적 성질(일致성과 정규성)은 어떻게 되는가?
• RQ3 이질성 매개수의 크기 범위는 MLE의 존재성과 일치성에 어떤 영향을 미치는가?
• RQ4 법조인 네트워크에서 법률 지위와 전문 분야와 같은 공변수들이 연결 형성에 얼마나 중요한가?
• RQ5 Sina Weibo와 같은 실제 네트워크에서 모델은 도우드 이질성과 동질성을 얼마나 잘 캡처하는가?

주요 결과

• 호모필리 매개수 $\boldsymbol{\gamma}$의 MLE는 조건 $\|\boldsymbol{\theta}^*\|_\infty \leq \frac{1}{44}\log n$ 하에서 균일 일치성과 점근적 정규성을 갖는다.
• 모델은 상당한 도우드 이질성을 성공적으로 캡처한다: 추정된 $\beta_j$ 값은 $-2.03$에서 $4.13$까지, $\alpha_i$ 값은 $-8.87$에서 $-1.28$까지 변동한다.
• Lazega 법조인 네트워크에서 모든 공변수(지위, 전문 분야 등)는 통계적으로 유의미하며, p-값 $<10^{-3}$이다.
• Sina Weibo 데이터에서는 모든 공변수(CHAR, POST, TIME)가 유의미한 영향을 미치며, p-값 $<10^{-3}$이며, 편향 보정 추정량은 강한 음의 상관관계를 나타낸다.
• 점근적 정규성 조건은 일치성 조건보다 더 엄격하며, 일치성은 $\|\boldsymbol{\theta}^*\|_\infty \leq \frac{1}{24}\log n$를 요구하고, 정규성은 $\leq \frac{1}{44}\log n$를 요구한다.
• 이질성 매개수의 성장률이 너무 빨라지면 모델의 MLE가 양의 빈도로 존재하지 않게 되어, 모델의 확장성에 한계가 있음을 시사한다.