[논문 리뷰] On Two Distinct Sources of Nonidentifiability in Latent Position Random Graph Models

Joshua Agterberg, Minh Tang외 1명|arXiv (Cornell University)|2020. 03. 31.

Statistical Methods and Inference참고 문헌 34인용 수 6

한 줄 요약

이 논문은 잠재 위치 무작위 그래프 모델에서 비동정성의 두 가지 별개의 원인인 부분공간 비동정성(subspace nonidentifiability)과 모형 기반 비동정성(model-based nonidentifiability)을 규명하고 분석한다. 다양한 조건 하에서 모형 기반 비동정성의 점근적 한계를 규명하여 스토케스틱 블록 모델과 일반화된 랜덤 도트 곱 그래프에 대한 추론의 이론적 기초를 제공한다.

ABSTRACT

Two separate and distinct sources of nonidentifiability arise naturally in the context of latent position random graph models, though neither are unique to this setting. In this paper we define and examine these two nonidentifiabilities, dubbed subspace nonidentifiability and model-based nonidentifiability, in the context of random graph inference. We give examples where each type of nonidentifiability comes into play, and we show how in certain settings one need worry about one or the other type of nonidentifiability. Then, we characterize the limit for model-based nonidentifiability both with and without subspace nonidentifiability. We further obtain additional limiting results for covariances and $U$-statistics of stochastic block models and generalized random dot product graphs.

연구 동기 및 목표

• 잠재 위치 무작위 그래프 모델에서 두 가지 별개의 비동정성 원인인 부분공간 비동정성과 모형 기반 비동정성을 공식적으로 정의하고 구분한다.
• 각 유형의 비동정성이 네트워크 추론에서 어떤 조건에서 중요한 문제로 작용하는지 분석한다.
• 부분공간 비동정성이 존재하거나 존재하지 않을 경우 모형 기반 비동정성의 극한 행동을 특성화한다.
• 스토케스틱 블록 모델과 일반화된 랜덤 도트 곱 그래프에서 공분산과 U-통계량의 추가적인 극한 결과를 도출한다.
• 비동정성 문제에도 불구하고 잠재 공간 네트워크 모델에서 타당한 통계적 추론을 위한 이론적 기초를 제공한다.

제안 방법

• 잠재 공간의 선형 변환 하에서 구별 불가능성에 기인하는 부분공간 비동정성의 공식적 정의.
• 모형의 구조에 기인한 매개변수 복원의 본질적 모호성에서 비롯되는 모형 기반 비동정성의 정의.
• 다양한 조건 하에서 모형 기반 비동정성의 극한을 특성화하기 위해 점근적 분석의 적용.
• 스토케스틱 블록 모델과 일반화된 랜덤 도트 곱 그래프에서 U-통계량과 공분산 분석의 적용.
• 두 비동정성 원인이 동시에 고려될 때의 극한 분포와 수렴 행동의 이론적 유도.
• 잠재 공간 표현의 동정성 분석을 위해 무작위 그래프 모델 프레임워크의 활용.

실험 결과

연구 질문

• RQ1 잠재 위치 무작위 그래프 모델에서 비동정성의 두 가지 별개의 원인은 무엇이며, 상호 간에 어떻게 다를까?
• RQ2 어떤 설정에서 부분공간 비동정성이 모형 기반 비동정성보다 더 심각한 문제인지, 또는 그 반대인지?
• RQ3 부분공간 비동정성이 존재하거나 존재하지 않을 경우 모형 기반 비동정성의 극한 행동은 어떻게 되는가?
• RQ4 비동정성 하에서 스토케스틱 블록 모델과 일반화된 랜덤 도트 곱 그래프에서 공분산과 U-통계량의 점근적 성질은 어떻게 행동하는가?
• RQ5 비동정성의 이론적 한계를 특성화하여 잠재 공간 모델에서 타당한 통계적 추론을 가능하게 할 수 있는가?

주요 결과

• 부분공간 비동정성은 잠재 공간의 선형 변환에 대한 모형의 불변성에서 기인하여, 구별 불가능한 표현을 초래한다.
• 모형 기반 비동정성은 잠재 공간 차원과 무관하게 매개변수 복원이 유일하지 않게 하는 모형의 구조적 모호성에서 기인한다.
• 논문은 부분공간 비동정성이 존재하거나 존재하지 않을 경우 모형 기반 비동정성의 극한을 특성화하여 추론의 한계를 이해하는 데 이론적 기초를 제공한다.
• 스토케스틱 블록 모델과 일반화된 랜덤 도트 곱 그래프에서 공분산과 U-통계량에 대한 추가적인 극한 결과가 도출되었으며, 이는 그들의 점근적 행동을 이해하는 데 기여한다.
• 분석 결과, 특정 설정에서는 한 유형의 비동정성이 다른 유형보다 지배적이며, 이는 추론 전략 선택에 영향을 준다.
• 이론적 프레임워크는 네트워크 추론에서 비동정성의 원인을 분리하고 정량화함으로써 잠재 공간 모델의 더 명확한 해석을 가능하게 한다.