[论文解读] On the question of effective sample size in network modeling

Eric D. Kolaczyk, Pavel N. Krivitsky|arXiv (Cornell University)|Dec 5, 2011

Complex Network Analysis Techniques参考文献 29被引用 5

一句话总结

本文研究了网络建模中有效样本量的基础性问题，特别是在指数随机图模型（ERGMs）中的应用。研究结果表明，最大似然参数的渐近估计速率会因网络的稀疏性或密集性而发生显著变化——从 $N_v^{1/2}$ 变为 $N_v$，这从根本上改变了网络统计中对样本量的理解。

ABSTRACT

The modeling and analysis of networks and network data has seen an explosion of interest in recent years and represents an exciting direction for potential growth in statistics. Despite the already substantial amount of work done in this area to date by researchers from various disciplines, however, there remain many questions of a decidedly foundational nature — natu-ral analogues of standard questions already posed and addressed in more classical areas of statistics — that have yet to even be posed, much less ad-dressed. Here we raise and consider one such question in connection with network modeling. Specifically, we ask, “Given an observed network, what is the sample size? ” Using simple, illustrative examples from the class of exponential random graph models, we show that the answer to this question can very much depend on basic properties of the networks expected under the model, as the number of vertices Nv in the network grows. In particu-lar, we show that whether the networks are sparse or not under our model (i.e., having relatively few or many edges between vertices, respectively) is sufficient to change the asymptotic rates for maximum likelihood parameter estimation by an order of magnitude, from N1/2v to Nv. We then explore

研究动机与目标

• 解决网络统计中的一个基础性问题：'在观察到一个网络后，其样本量是多少？'
• 考察网络稀疏性或密集性如何影响指数随机图模型（ERGMs）中参数估计的渐近行为。
• 阐明网络结构对统计推断的影响，特别是对估计效率和收敛速率的影响。
• 挑战一种常见假设，即节点数 $N_v$ 在网络数据分析中始终可作为样本量的有效代理。

提出的方法

• 使用指数随机图模型（ERGM）框架中的示例，分析参数估计行为。
• 分析在不同网络稀疏性条件下，最大似然估计量的渐近分布。
• 比较当 $N_v \to \infty$ 时，稀疏网络（边较少）与密集网络（边较多）下的估计速率。
• 推导并比较参数估计量的收敛速率：稀疏网络为 $N_v^{1/2}$，密集网络为 $N_v$。
• 应用标准渐近理论评估网络结构对统计推断的影响。
• 依赖指数族模型的理论分析，确立估计效率对网络密度的依赖关系。

实验结果

研究问题

• RQ1 网络稀疏性如何影响指数随机图模型中的有效样本量？
• RQ2 网络模型中最大似然估计的渐近速率是什么？它们如何随网络结构变化？
• RQ3 仅凭节点数 $N_v$ 是否可被视为网络数据分析中样本量的有效度量？
• RQ4 在何种条件下，网络建模中的有效样本量按 $N_v^{1/2}$ 或 $N_v$ 规模增长？
• RQ5 底层网络结构如何影响ERGM中参数估计的一致性和效率？

主要发现

• 网络建模中的有效样本量并非简单等同于节点数 $N_v$，而是关键取决于网络的稀疏性。
• 对于稀疏网络，最大似然估计的渐近速率为 $N_v^{1/2}$，表明收敛速度较慢。
• 对于密集网络，渐近速率提高至 $N_v$，代表估计效率实现了一个数量级的提升。
• 稀疏与密集网络模型之间的区别导致了参数估计中根本不同的统计行为。
• 这些不同的速率表明，在评估网络数据的统计功效或推断时，必须明确考虑网络结构的影响。
• 研究结果挑战了普遍认为 $N_v$ 是网络统计中样本量充分代理的假设。