[论文解读] The existence of maximum likelihood estimates in the Bradley-Terry model and its extensions

Kenneth Butler, J. T. Whelan|ArXiv.org|Dec 12, 2004

Probabilistic and Robust Engineering Design参考文献 9被引用 5

一句话总结

本文提出一种图论算法，用于识别在 Bradley-Terry 模型及其扩展模型（含顺序效应或平局情况）中，由于数据分离导致最大似然估计（MLEs）为 0 或 1 的情形。通过分析比较图的传递闭包，该方法可隔离出具有退化估计的队伍，并以一致的方式计算有限且可解释的概率与排名，即通过循环赛胜率（RRWP），即使标准 MLE 失效时亦可实现。

ABSTRACT

In the Bradley-Terry model for paired comparisons, and its extensions to include order effects and ties, the maximum likelihood estimates of probabilities of certain outcomes can be 0 or 1 under certain data configurations. This poses problems for standard estimation methods. In this paper, we give algorithms for identifying the outcomes with estimated probability 0 or 1, and indicate how the remaining probabilities may be estimated and summarized.

研究动机与目标

• 解决 Bradley-Terry 模型中由于数据分离导致最大似然估计（MLEs）为 0 或 1 的问题，使标准估计方法失效。
• 将此分析扩展至包含顺序效应（如主场优势）和 tie 的模型变体，其中类似 MLE 退化现象也可能发生。
• 开发一种计算高效的算法——基于图论与传递闭包——以检测哪些结果概率被估计为 0 或 1。
• 即使 MLE 为无穷大，仍提供一种稳健且可解释的团队实力总结，即通过循环赛胜率（RRWP），其始终定义良好。
• 证明 RRWP 在赛季中段或非平衡赛程下，相较于传统胜率，能提供更准确的排名，尤其当对手实力差异显著时。

提出的方法

• 从配对比较数据构建有向图，其中从队伍 i 到 j 的边表示 i 至少在一场对局中击败 j。
• 计算图的传递闭包，以识别以传递方式‘支配’或‘被支配’的队伍，从而指示潜在的 MLE 退化。
• 利用传递闭包将队伍划分为等价类：‘胜者’（始终击败其他队伍）、‘败者’（始终输掉比赛）以及‘中间’队伍（具有有限 MLE）。
• 对于中间类队伍，通过排除退化结果的简化数据集，使用标准似然方法估计有限 MLE。
• 将循环赛胜率（RRWP）作为汇总统计量：在估计模型下，对所有其他队伍的预期胜率。
• 使用 RRWP 或 RRPPG（循环赛场均得分）对队伍进行统一排名，即使 MLE 为无穷大或退化时亦可适用。

实验结果

研究问题

• RQ1 在何种数据配置下，Bradley-Terry 模型中的最大似然估计会变为 0 或 1？
• RQ2 如何算法化地检测配对比较模型中哪些队伍或结果会产生退化的 MLE？
• RQ3 当某些参数的 MLE 为无穷大时，是否仍可推导出一致且有限的团队实力总结？
• RQ4 循环赛胜率（RRWP）与传统胜率相比，在排名队伍时表现如何，特别是在赛季未完成或赛程不平衡时？
• RQ5 在扩展的 Bradley-Terry 模型中，队伍特定的顺序效应或平局参数在多大程度上影响 MLE 的存在性与解释？

主要发现

• 比较图的传递闭包完全决定了哪些估计概率为 0 或 1，从而可系统性识别退化的 MLE。
• 在原始 Bradley-Terry 模型中，MLE 为无穷大（即 0 或 1）当且仅当数据表现出严格的支配层级，该现象可通过图的传递性检测到。
• 对于包含顺序效应（如主场优势）的模型，相同的图论方法仍可识别退化估计，即使参数为队伍特定。
• 循环赛胜率（RRWP）对所有队伍均定义良好且有限，即使 MLE 为无穷大，且可作为一致的排名指标。
• RRWP 与赛季末的实际胜率高度相关，但通过考虑赛程强度，在赛季中段提供更准确的排名。
• 在非平衡赛程中，RRWP 通过调整对手质量，优于传统胜率，尤其当队伍面对的赛程不均等时。