[논문 리뷰] Valued Ties Tell Fewer Lies: Why Not To Dichotomize Network Edges With Thresholds

Andrew C. Thomas, Joseph K. Blitzstein|arXiv (Cornell University)|2011. 01. 04.

Crime, Illicit Activities, and Governance참고 문헌 15인용 수 30

한 줄 요약

이 논문은 임계값을 사용한 가치화된 네트워크 간선의 이원화를 반박하며, 이러한 관행이 네트워크 분석에서 상당한 정보 손실과 효율성 저하를 초래함을 보여준다. 이는 네트워크 구조를 왜곡하고, 특히 대규모 네트워크에서 통계적 검정력(statistical power)을 감소시키며, 추론의 타당성을 해친다고 주장한다. 따라서 구조적 및 통계적 정합성을 유지하기 위해 가치화된 데이터를 직접 분석할 것을 권장한다.

ABSTRACT

In order to conduct analyses of networked systems where connections between individuals take on a range of values - counts, continuous strengths or ordinal rankings - a common technique is to dichotomize the data according to their positions with respect to a threshold value. However, there are two issues to consider: how the results of the analysis depend on the choice of threshold, and what role the presence of noise has on a system with respect to a fixed threshold value. We show that while there are principled criteria of keeping information from the valued graph in the dichotomized version, they produce such a wide range of binary graphs that only a fraction of the relevant information will be kept. Additionally, while dichotomization of predictors in linear models has a known asymptotic efficiency loss, the same process applied to network edges in a time series model will lead to an efficiency loss that grows larger as the network increases in size.

연구 동기 및 목표

• 가치화된 네트워크 간선을 임계값으로 이원화하는 것이 네트워크 분석에 미치는 영향을 조사하기 위해.
• 임계값 선택이 네트워크 구조적 추론의 정확성과 신뢰성에 어떻게 영향을 미치는지 평가하기 위해.
• 특히 시계열 및 선형 모델에서 가치화된 간선을 이진 형태로 변환함으로써 발생하는 통계적 효율성 손실을 정량화하기 위해.
• 노이즈 감소, 시각화, 모델 단순화와 같은 일반적인 이원화의 정당화를 평가하기 위해.
• 가치화된 네트워크의 구조적 및 통계적 성질을 더 잘 유지하는 임계값 기반 대체 방법을 제안하기 위해.

제안 방법

• 저자는 다양한 임계값 하에서 원본 가치화된 그래프와 그 이원화된 버전 간의 네트워크 성질(예: 컴포넌트 구조, 중심성, 지름)을 비교하기 위해 시뮬레이션 연구를 수행한다.
• 예측 변수를 이원화할 경우 선형 모델에서의 渐近적 효율성 손실을 분석하여, 네트워크 크기가 증가할수록 이 손실이 커짐을 보여준다.
• 정보 보존을 위한 원칙적인 기준을 사용해 이원화를 평가하여, 이러한 기준이 매우 다양하게 변하는 이진 그래프를 도출함으로써 정보 보존 능력이 열악함을 드러낸다.
• 원본 가치화된 네트워크의 구조적 특징을 최대한 잘 유지하는 이진 그래프를 찾기 위해 시뮬레이티드 어닐링 기반 최적화 방법을 제안한다. 이는 순위 또는 값의 이질성(discrepancy)을 최소화하는 데 초점을 맞춘다.
• 고정된 노드 레이아웃을 사용해 여러 수준의 간선 강도에 따라 이원화된 그래프를 층층이 쌓는 '웨딩 케이크' 시각화 방법을 탐구하며, 이는 다양한 수준에서의 공간적 해석을 유지하는 데 유용하다.
• 임계값 기반 이원화와 대조적으로, 예를 들어 외부 연결 수 상위-k개만 유지하는 등의 간선 선택 방법을 평가하며, 이러한 방법이 알려진 네트워크 특성과 계수 추정치를 유지하는 데 있어 표준 임계값 기반 방법보다 열 劣함을 보여준다.

실험 결과

연구 질문

• RQ1 임계값 선택이 원본 가치화된 네트워크와 비교해 이원화된 네트워크의 위상적 구조에 어떤 영향을 미치는가?
• RQ2 가치화된 간선을 이원화함으로써 선형 모델에서 통계적 효율성 손실가 발생하는 정도는 어느 정도이며, 특히 대규모 네트워크에서 그러한 손실이 얼마나 심각한가?
• RQ3 정보 보존을 위한 원칙적인 기준을 사용할 경우 안정적이고 신뢰할 수 있는 이원화된 네트워크를 도출할 수 있는가, 아니면 결과가 매우 다양하게 변하는가?
• RQ4 이원화가 노이즈를 효과적으로 줄이는가, 아니면 의미 있는 네트워크 구조적 패턴을 왜곡하는가?
• RQ5 가치화된 네트워크의 구조적 및 통계적 성질을 더 잘 유지하는 임계값 기반 대체 방법은 존재하는가?

주요 결과

• 이원화 과정은 네트워크 위상적 구조에 심각하고 비선형적인 왜곡을 초래하며, 예를 들어 한 노드의 중심성이 임계값 선택에 따라 중심에서 외연부로 이동하는 사례를 통해 이를 입증한다.
• 선형 모델에서 예측 변수를 이원화할 경우 발생하는 효율성 손실은 매우 크며, 시뮬레이션 결과 최대 100배 이상의 손실이 발생함을 보여주며, 진정한 임계값 효과가 존재하지 않는 한 이 관행은 매우 비효율적임을 시사한다.
• 원칙적인 기준을 사용해 임계값을 선택하더라도 결과로 도출된 이진 그래프는 매우 다양하게 변하며, 이는 원본 네트워크의 정보 중 극히 소수만이 보존됨을 시사한다.
• 고정된 노드 위치를 사용해 여러 수준의 이원화된 그래프를 쌓는 '웨딩 케이크' 시각화 방법은 다양한 간선 강도 수준에서 네트워크 구조를 잘 유지하는 데 유용한 대안을 제공한다.
• 예를 들어 외부 연결 수 상위-k개만 유지하는 등의 대체 절차는 표준 임계값 기반 방법보다 알려진 네트워크 특성과 계수 추정치를 유지하는 데 열 劣함을 보였다.
• 이 연구는 이원화가 진정한 이론적 또는 경험적 근거가 있는 경우를 제외하고는 일반적으로 정당화될 수 없다고 결론내리며, 이는 종종 오해를 불러일으키고 정보 손실을 초래하기 때문이다.