[论文解读] Beyond Homophily: Incorporating Actor Variables in Actor-oriented Network Models

Tom A. B. Snijders, Alessandro Lomi|arXiv (Cornell University)|Mar 19, 2018

Complex Network Analysis Techniques参考文献 43被引用 3

一句话总结

本文提出一个四参数二次模型，通过数值化行动者属性，在有向网络中同时捕捉同质性、期望值、依附一致性与社交性。应用于MBA建议网络时，模型揭示了同质性与中等程度的期望值效应，表明在准确的网络建模中，必须考虑同质性以外的混杂机制。

ABSTRACT

We consider the specification of effects of numerical actor attributes in statistical models for directed social networks. A fundamental mechanism is homophily or assortativity, where actors have a higher likelihood to be tied with others having similar values of the variable under study. But there are other mechanisms that may also play a role in how the attribute values of two actors influence the likelihood of a tie. We discuss three additional mechanisms: aspiration to send ties to others having high values; conformity in the sense of sending more ties to others whose values are close to what may be considered the `social norm'; and sociability, where those having higher values will tend to send more ties generally. These mechanisms may operate jointly, and then their effects will be confounded. We present a specification representing these effects simultaneously by a four-parameter quadratic function of the values of sender and receiver. Greater flexibility can be obtained by a five-parameter extension. We argue that empirical researchers often overlook the possibility that homophily may be confounded with these other mechanisms, and that for actor attributes that have important effects on directed networks, these specifications may provide an improvement. An illustration is given of the dependence of advice ties on academic grades in a network of MBA students, analyzed by the Stochastic Actor-oriented Model.

研究动机与目标

• 解决在建模有向网络中数值化行动者属性时，仅关注同质性的局限性。
• 识别并形式化四种不同的机制——同质性、期望值、依附一致性与社交性——这些机制影响关系形成。
• 开发一种灵活且具有统计基础的模型，联合捕捉这些机制，避免混杂效应。
• 通过使用学术成绩作为数值属性分析MBA学生群体中的建议关系，展示该模型的实证相关性。

提出的方法

• 提出一个基于发送者与接收者属性值的四参数二次函数，用于建模有向网络中的二元关系概率。
• 将模型扩展为五参数，以提高灵活性，允许对同质性、期望值、一致性与社交性进行独立估计。
• 使用随机行动者导向模型（SAOM）对纵向网络数据进行模型估计。
• 在RSiena软件中实现该模型，使用如 egoX、diffSqX、altX、altSqX 和 egoXaltX 等二元协变量。
• 采用delta方法估计社会规范值的标准误，该值为模型参数的非线性函数。
• 采用矩量法估计并结合协方差矩阵近似进行参数推断。

实验结果

研究问题

• RQ1 在具有数值属性的有向网络中，同质性、期望值、依附一致性与社交性如何共同影响关系形成？
• RQ2 在建模具有数值属性的网络数据时，同质性在多大程度上与其他机制产生混杂？
• RQ3 与简单模型相比，具有四个或五个参数的二次模型是否能更好地捕捉关系形成对行动者属性的真实依赖？
• RQ4 这些机制在MBA学生群体中的真实世界建议网络中具有多大实证相关性？
• RQ5 如何估计由模型参数导出的社会规范值，并量化其不确定性？

主要发现

• 在MBA建议网络中，同质性得到强烈支持，表明学生更可能向学术成绩相近的同伴提供建议。
• 期望值（即倾向于向更高成就者提供建议）表现出中等强度效应，但统计上不显著。
• 未发现依附一致性（即行动者偏好接近社会规范的同伴）的显著证据。
• 社交性（即倾向于与高属性值个体建立更多关系的一般倾向）在本数据集中与学术成绩无关。
• 四参数二次模型通过分离混杂机制，提供了比简单模型更优的拟合效果。
• 五参数扩展版本提供了更高的灵活性，但四参数版本在本实证数据中已足够。