[论文解读] Exponential Random Graph Models for Dynamic Signed Networks: An Application to International Relations

Cornelius Fritz, Marius Mehrl+2 more|arXiv (Cornell University)|May 24, 2022

Complex Network Analysis Techniques被引用 5

一句话总结

本文提出了有符号指数随机图模型（SERGM），用于建模动态有符号网络，将ERGM扩展至捕捉国际关系中的正向与负向关系。研究结果表明，结构平衡（即‘敌人的敌人是朋友’）显著影响国家间互动，其中内生性平衡度量在解释2000年代合作与冲突模式方面优于外生性度量。

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.

研究动机与目标

• 为动态情境下有符号网络边形成缺乏推断统计模型的问题提供解决方案。
• 将指数随机图模型（ERGMs）扩展至有符号网络，其中边为正或负，而非二值化。
• 将结构平衡理论纳入统计严谨的实证检验框架。
• 区分外生与内生平衡度量，并评估其对模型拟合与实质性解释的影响。
• 将该模型应用于2000年代国家互动的真实数据，以检验国际关系中的结构平衡。

提出的方法

• 提出有符号指数随机图模型（SERGM）作为动态有符号网络的规范指数族模型。
• 通过编码结构平衡模式（如三角闭包与相互敌对）的充分统计量，定义有符号网络的概率分布。
• 通过基于过去网络配置的条件概率分布，建模网络状态之间的转移，以体现时间依赖性。
• 使用内生性平衡度量（基于当前网络结构计算）来捕捉共同朋友或敌人对边形成的影响。
• 采用条件估计框架，将模型条件化于任何互动（正向或负向）的存在，与Lerner（2016）关于条件依赖的论点保持一致。
• 将模型应用于2000–2010年国家互动的纵向数据集，利用观测到的网络配置估计参数并检验假设。

实验结果

研究问题

• RQ1 根据结构平衡理论预测，当国家拥有共同敌人时，是否会更频繁地形成正向关系？
• RQ2 内生性平衡度量与外生性度量相比，在解释观察到的合作与冲突模式方面表现如何？
• RQ3 结构平衡是否是国际关系中边形成的关键驱动力，特别是在2000年代？
• RQ4 网络动态（如联盟或敌对关系的变化）在多大程度上反映了潜在的平衡机制？
• RQ5 是否存在网络可达性的结构性限制，影响有符号网络模型中全局依赖假设的有效性？

主要发现

• 内生性平衡度量显著提升模型拟合度，并为国家互动中结构平衡的存在提供了更强证据，优于外生性度量。
• 模型证实，若国家拥有共同敌人或盟友，其更可能合作，支持‘敌人的敌人是朋友’的原则。
• 外生性平衡度量未能捕捉边形成的真正机制，表明其在实践中与结构平衡理论不一致。
• 结果表明，结构平衡是国际关系中合作与冲突形成的关键驱动力，尤其在2000年代。
• 模型揭示，并非所有二元关系都具有同等可达性——由于距离、发展或实力限制，部分国家在结构上处于孤立状态，挑战了全局网络依赖假设的有效性。
• 对存在互动的二元关系（活跃二元组）进行条件建模，提升了模型可解释性，并与理论论点一致：结构平衡在现有互动背景下发挥作用。