[论文解读] Decomposing Network Influence: Social Influence Regression

Shahryar Minhas, Peter D. Hoff|arXiv (Cornell University)|Jun 27, 2017

Political Conflict and Governance参考文献 41被引用 5

一句话总结

本文提出社会影响回归（social influence regression），这是一种新颖的框架，将双线性网络自回归模型扩展至建模行动者特定特征（如军事实力、联盟关系）如何驱动国际关系中的影响力。通过将节点和成对协变量嵌入秩一回归模型，该方法揭示了某些国家影响其他国家的*原因*，超越了描述性网络指标，利用 ICEWS 冲突事件数据集中的实证数据解释关系性影响力。

ABSTRACT

Understanding network influence and its determinants are key challenges in political science and network analysis. Traditional latent variable models position actors within a social space based on network dependencies but often do not elucidate the underlying factors driving these interactions. To overcome this limitation, we propose the Social Influence Regression (SIR) model, an extension of vector autoregression tailored for relational data that incorporates exogenous covariates into the estimation of influence patterns. The SIR model captures influence dynamics via a pair of $n imes n$ matrices that quantify how the actions of one actor affect the future actions of another. This framework not only provides a statistical mechanism for explaining actor influence based on observable traits but also improves computational efficiency through an iterative block coordinate descent method. We showcase the SIR model's capabilities by applying it to monthly conflict events between countries, using data from the Integrated Crisis Early Warning System (ICEWS). Our findings demonstrate the SIR model's ability to elucidate complex influence patterns within networks by linking them to specific covariates. This paper's main contributions are: (1) introducing a model that explains third-order dependencies through exogenous covariates and (2) offering an efficient estimation approach that scales effectively with large, complex networks.

研究动机与目标

• 解决现有网络影响力模型缺乏解释机制的问题，这些模型仅估计影响力是否存在，而未说明其成因。
• 开发一种统计框架，将行动者层面的特征（如能力、联盟关系）与国际关系中的影响力动态联系起来。
• 超越物质能力比值和中心性度量，通过在纵向网络背景下将影响力建模为外生属性的函数，实现更深入的分析。
• 提供一种方法，将网络影响力分解为由可观测国家特征驱动的可解释组成部分。

提出的方法

• 将双线性网络自回归模型扩展为秩一回归形式：$ y_{ij,t} = \alpha'X_{ij,t-1}\beta + e_{ij} $，其中 $ X $ 包含节点和成对协变量。
• 通过张量回归框架将影响力建模为行动者特征的函数，以捕捉发送方和接收方层面的影响力模式。
• 采用广义线性模型（GLM）框架，以支持计数数据建模，特别适用于 ICEWS 提供的冲突事件计数数据。
• 使用马尔可夫链蒙特卡洛（MCMC）进行后验推断，并通过收敛性诊断验证模型稳定性。
• 采用适当的评分规则（如对数评分、Brier 评分、Dawid–Sebastiani 评分）评估模型的预测性能。
• 通过发送方和接收方影响力空间的可视化，展示影响力模式随时间的动态演变。

实验结果

研究问题

• RQ1 在国际关系中，哪些国家特征（如军事实力、联盟关系或经济实力）能够解释其对其他国家的影响力？
• RQ2 外生属性（如国家能力或双边关系）在多大程度上影响一国影响另一国行为的可能性？
• RQ3 在多大程度上，网络影响力可以被分解为由可观测协变量驱动的发送方特异性与接收方特异性效应？
• RQ4 影响力模式如何随时间演变？结构性因素与基于属性的因素在这些动态中分别发挥何种作用？

主要发现

• 社会影响回归模型成功识别出军事能力、联盟地位和地理邻近性显著塑造了国际冲突事件中的影响力模式。
• 该模型揭示影响力并非对称：军事能力越强的国家对其他国家的影响力越强，尤其在冲突发起方面表现明显。
• 时间序列可视化显示，影响力动态随时间演变，部分国家因属性和网络位置的变化而影响力上升或下降。
• 与传统中心性度量相比，该模型通过将影响力与具体可观测特征关联，而非仅依赖网络位置，展现出更优的解释力。
• 收敛性诊断确认后验估计稳定，预测评分规则表明模型对基于计数的冲突事件数据具有良好的拟合度。
• 该框架使研究者能够超越静态权力度量，转而将影响力建模为一种动态的、由属性驱动的关系数据过程。