[論文レビュー] Measuring the Graph Concordance of Locally Dependent Observations

Kyungchul Song|arXiv (Cornell University)|Apr 14, 2015

Spatial and Panel Data Analysis参考文献 41被引用数 5

ひとこと要約

本稿では、ネットワークデータにおけるリンク付きペアとリンクなしペア間の相関乖離を定量化するためのグラフ一貫性（GC）測度を導入し、依存性グラフの仮定の下で有効な信頼区間を保証するパーミュテーションに基づく推論手法を提案する。この手法は交換可能性のもとで有限標本の有効性を達成し、正則性条件のもとで漸近的有効性を示し、単一の大規模ネットワークにおけるネットワーク依存性に対する頑健な推論を提供する。

ABSTRACT

This paper introduces a simple measure of a concordance pattern among observed outcomes along a network, i.e., the pattern in which adjacent outcomes tend to be more strongly correlated than non-adjacent outcomes. The graph concordance measure can be generally used to quantify the empirical relevance of a network in explaining cross-sectional dependence of the outcomes, and as shown in the paper, can also be used to quantify the extent of homophily under certain conditions. When one observes a single large network, it is nontrivial to make inference about the concordance pattern. Assuming dependency graph, this paper develops a permutation-based confidence interval for the graph concordance measure. The confidence interval is valid in finite samples when the outcomes are exchangeable, and under the dependency graph assumption together with other regularity conditions, is shown to exhibit asymptotic validity. Monte Carlo simulation results show that the validity of the permutation method is more robust to various graph configurations than the asymptotic method.

研究の動機と目的

• ネットワークデータにおけるリンク付きおよびリンクなしの結果の間の一貫性の測定を目的とする。
• 1つの大規模ネットワークしか観測されない状況におけるグラフ一貫性の統計的推論の課題に対処することを目的とする。
• 依存性グラフの仮定の下で有効な推論手法を確立し、複雑なネットワーク構造に対して頑健であることを目的とする。
• グラフ一貫性を、社会的・経済的ネットワークにおける同質的結合（ホモフィリー）および横断的依存性と結びつけること。
• 有限標本（交換可能性のもと）および漸近的（正則性条件のもと）に有効なGCの信頼区間を提供すること。

提案手法

• グラフ一貫性（GC）を、ネットワーク内でのリンク付きペアの平均相関とリンクなしペアの平均相関の差として提案する。
• 依存性グラフ仮定の下で、GCの信頼区間を構築するパーミュテーションに基づく推論手順を採用する。
• 条件付き期待値と分散分解を用いて、GC推定量の漸近的分布を分析する。
• ノードのパーミュテーションを用いたパーミュテーションサンプリングにより、検定統計量の帰無分布を近似する。
• 依存性グラフおよび正則性条件のもとで漸近正規性の条件を満たすことを検証することで、理論的有効性を確立する。
• 補題B9–B22を活用して、分布収束の証明と、集中不等式による誤差項の制御を実施する。

実験結果

リサーチクエスチョン

• RQ1 ネットワーク内のリンク付きノードがリンクなしノードよりも強い結果相関を示す程度をどのように測定できるか？
• RQ2 1つの大規模ネットワークしか観測されない状況において、グラフ一貫性の推論手順の統計的有効性は何か？
• RQ3 有限標本および漸近的に、パーミュテーションに基づくGC推論が有効となる条件は何か？
• RQ4 グラフ一貫性は、特に近親交配ホモフィリーの文脈において、どのようにホモフィリーと関連するか？
• RQ5 提案手法は、漸近的手法と比較して、多様なネットワーク構成に対して頑健性を維持できるか？

主な発見

• 交換可能性のもとで、パーミュテーションに基づく信頼区間は有限標本において有効である。
• 依存性グラフ仮定および正則性条件のもとで、パーミュテーション手法は交換可能性がなくても漸近的に有効である。
• モンテカルロシミュレーションにより、パーミュテーション手法は漸近的手法よりもさまざまなネットワーク構成に対してより頑健であることが示された。
• 特定の条件下では、グラフ一貫性測度は近親交配ホモフィリー測度と一致し、既存のホモフィリー枠組みと結びつく。
• 集中不等式およびパーミュテーションに基づく分散推定量の収束を用いて、誤差率を効果的に制御する。
• 理論的結果はネットワークのスパarsityに依存しており、収束速度は平均および最大ノード次数に依存する。