[論文レビュー] Statistical Inference in a Directed Network Model with Covariates

Ting Yan, Binyan Jiang+2 more|arXiv (Cornell University)|Sep 15, 2016

Complex Network Analysis Techniques被引用数 15

ひとこと要約

本稿では、ノード固有の次数の不均一性（発信性および受信性パラメータを介して）と共変量を用いた同質性（ハモニー）を同時に捉える統計的モデルを提案する。次第に増加する次元のパrameter設定下で、最尤推定量の一様一致性および漸近正規性を確立し、ノード数の増加に対しても有効な推論を可能にする。

ABSTRACT

Networks are often characterized by node heterogeneity for which nodes exhibit different degrees of interaction and link homophily for which nodes sharing common features tend to associate with each other. In this paper, we propose a new directed network model to capture the former via node-specific parametrization and the latter by incorporating covariates. In particular, this model quantifies the extent of heterogeneity in terms of outgoingness and incomingness of each node by different parameters, thus allowing the number of heterogeneity parameters to be twice the number of nodes. We study the maximum likelihood estimation of the model and establish the uniform consistency and asymptotic normality of the resulting estimators. Numerical studies demonstrate our theoretical findings and a data analysis confirms the usefulness of our model.

研究の動機と目的

• 有向ネットワークの統計的モデルを構築し、ノード固有の発信・受信接続の不均一性を同時に捉えること。
• 同質性（類似属性を持つノード間の好ましい接続）を説明する共変量を組み込むこと。
• パラメータ数がノード数とともに増加する状況下で、最尤推定量（MLE）の理論的性質を確立すること。
• 複雑なネットワークモデルにおける不均一性と共変量駆動のリンク形成を踏まえた統計的推論の厳密な基盤を提供すること。
• シミュレーションおよび弁護士の友人関係ネットワークと Sina Weibo ネットワークの実データ解析を通じて、モデルの性能を検証すること。

提案手法

• 有向ネットワークのエッジを、ロジットリンク関数を用いた独立なベルヌーイ試行でモデル化：$\text{logit}(P(a_{ij}=1)) = Z_{ij}^T\boldsymbol{\gamma} + \alpha_i + \beta_j$。
• ノードの不均一性を、別個のパラメータ $\alpha_i$（発信性）および $\beta_j$（受信性）でパラメータ化し、$n$ 個のノードに対して $2n$ 個の不均一性パラメータを許容する。
• ノード属性の絶対差などの共変量 $Z_{ij}$ を組み込み、リンク形成におけるハモニーをモデル化する。
• 最尤推定量（MLE）$\boldsymbol{\gamma}$, $\boldsymbol{\alpha}$, $\boldsymbol{\beta}$ の計算に、2段階の反復アルゴリズムを適用する。
• パラメータ $\|\boldsymbol{\theta}^*\|_\infty$ の成長率に関する条件下で、MLE の一様一致性および漸近正規性を導出するための漸近理論を用いる。
• 推論にはバイアス補正推定量および標準誤差を用い、p値はz検定により計算する。

実験結果

リサーチクエスチョン

• RQ1 ノード固有の不均一性と共変量駆動のハモニーを有する有向ネットワークモデルは、最尤推定による有効な統計的推論を可能にするか？
• RQ2 パラメータ数がノード数とともに増加する場合、MLE の漸近的性質（一様一致性および正規性）はどのようになるか？
• RQ3 不均一性パラメータの大きさに関する境界は、MLE の存在性および一貫性にどのように影響するか？
• RQ4 法律家ネットワークにおける法的地位や専門分野などの共変量は、リンク形成にどの程度寄与するか？
• RQ5 Sina Weibo などの実世界のネットワークにおいて、本モデルは次数の不均一性とハモニーをどれほど正確に捉えられるか？

主な発見

• 同質性パラメータ $\boldsymbol{\gamma}$ のMLEは、条件 $\|\boldsymbol{\theta}^*\|_\infty \leq \frac{1}{44}\log n$ の下で一様に一貫しており、漸近的に正規分布に従う。
• 本モデルは顕著な次数不均一性を的確に捉えている：推定された $\beta_j$ の値は $-2.03$ から $4.13$ まで、$\alpha_i$ の値は $-8.87$ から $-1.28$ まで変動する。
• Lazegaの弁護士ネットワークでは、すべての共変量（ステータス、専門分野など）が統計的に有意であり、p値は $10^{-3}$ 未満である。
• Sina Weibo データでは、すべての共変量（CHAR, POST, TIME）が有意に効果を示し、p値は $10^{-3}$ 未満であり、バイアス補正推定値は強い負の関連を示している。
• 漸近正規性の条件は一貫性の条件よりも厳しい。一貫性には $\|\boldsymbol{\theta}^*\|_\infty \leq \frac{1}{24}\log n$ が要求され、正規性には $\leq \frac{1}{44}\log n$ が要求される。
• 不均一性パラメータの成長率が速くなりすぎると、MLE が正の頻度で存在しなくなるため、モデルの拡張性に限界があることが示された。