Saltar al contenido
Volver a los resultados

Modelo de Grafos Aleatorios Exponenciales (ERGM / p*)

Propuesto por
Frank & Strauss (1986); extended by Wasserman & Pattison (1996) and Robins et al. (2007)
Año
1986 (foundational); modern ERGM framework 1996–2007
Tipo
Probabilistic generative network model

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

El Modelo de Grafos Aleatorios Exponenciales (ERGM), también conocido como modelo p*, es un marco estadístico para el análisis de redes que modela la probabilidad de una red observada como una función de sus características estructurales locales —como reciprocidad, triángulos y distribución de grados.

Desarrollado a partir del trabajo fundacional de Frank y Strauss (1986) y extendido al marco moderno por Wasserman y Pattison (1996) y Robins et al. (2007), el ERGM es el estándar inferencial para el análisis de redes sociales, capaz de probar si las estructuras de red observadas surgen por azar o reflejan procesos sociales genuinos.

La intuición detrás del método

Cuando se observa una red social —un grafo de amistades, una red de colaboraciones, una red de citas—, se notan patrones: los amigos de los amigos tienden a hacerse amigos entre sí, los actores populares atraen más lazos, las relaciones a menudo son recíprocas. El ERGM plantea una pregunta fundamental: ¿son estos patrones más prevalentes de lo que se esperaría por puro azar? Lo hace tratando toda la red observada como un único resultado extraído de una distribución de probabilidad, donde la probabilidad de esa red depende de cuántas instancias de configuraciones estructurales elegidas (triángulos, lazos recíprocos, formas de estrella) contiene. Las configuraciones con coeficientes positivos son más probables que el azar; los coeficientes negativos significan que esas configuraciones se evitan activamente. El modelo se estima no por regresión ordinaria, sino por simulación de Monte Carlo por cadena de Markov, que genera miles de redes plausibles para compararlas con la observada.

Historia

Los fundamentos probabilísticos del ERGM se remontan al modelo p1 de Holland y Leinhardt (1981), que explicaba la reciprocidad en redes dirigidas. Frank y Strauss (1986) lo extendieron a un marco de grafos aleatorios de Markov capaz de capturar dependencias de orden superior como los triángulos, acuñando lo que más tarde se llamaría el modelo p*. Wasserman y Pattison (1996) formalizaron la representación de familia exponencial y dieron al modelo su nombre actual. Un avance crítico se produjo cuando Snijders (2002) introdujo la estimación MCMC-MLE, haciendo factible el ajuste práctico. Robins et al. (2007) aportaron las estadísticas de familia exponencial curva —especialmente GWESP y GWD— que redujeron drásticamente la degeneración y abrieron el método al uso aplicado rutinario. La suite statnet en R, desarrollada por Handcock, Hunter, Butts, Goodreau y Morris, se convirtió en la implementación computacional estándar.

Cuándo usarlo

El ERGM es apropiado cuando se tiene una única red observada (instantánea transversal o longitudinal) y se desea probar qué procesos estructurales locales —reciprocidad, agrupamiento, apego preferencial, homofilia— la generaron. La red debe ser de tamaño pequeño a mediano; la convergencia MCMC se vuelve difícil para redes muy grandes (miles de nodos). El modelo requiere lazos binarios dirigidos o no dirigidos (existen variantes ponderadas pero son más complejas). No es apropiado cuando la red tiene menos de unos 20-30 nodos, cuando no se tienen hipótesis teóricas claras sobre configuraciones estructurales, o cuando se necesita modelar dinámicas de tiempo continuo (utilizar un ERGM Temporal o un Modelo de Actor Estocástico en su lugar).

Limitaciones y consideraciones

  • La estimación MCMC puede ser lenta y puede no converger para redes grandes; los límites prácticos suelen ser de unos pocos cientos a unos pocos miles de nodos.
  • La degeneración del modelo —donde el modelo estimado asigna casi toda la probabilidad a redes vacías o completas— es un riesgo persistente que requiere una cuidadosa selección de estadísticas.
  • El modelo está diseñado principalmente para instantáneas transversales; el modelado de dinámicas de red genuinas requiere extensiones como ERGM Temporal (TERGM) o SAOMs.
  • Requiere un mínimo de aproximadamente 30 nodos para una estimación fiable de parámetros; las redes muy pequeñas producen estimaciones poco informativas.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Proporciona inferencia estadística formal —valores p, errores estándar y declaraciones de confianza— para hipótesis estructurales de red.
  • Maneja la no independencia de los lazos de red que viola los supuestos de la regresión estándar, lo que lo convierte en la herramienta inferencial correcta para datos de red.
  • Especificación flexible: variantes dirigidas, no dirigidas, bipartitas y ponderadas permiten cubrir muchos tipos de redes.
  • Los diagnósticos de bondad de ajuste proporcionan una forma fundamentada de evaluar si el modelo reproduce la estructura global de la red a partir de estadísticas locales.

Aplicaciones

  • Explicar la formación de lazos en redes de asesoramiento organizacional —probar si las personas buscan consejo de otras de estatus similar o de aquellos con quienes ya son amigos.
  • Modelar patrones de colaboración entre investigadores —si la coautoría se forma a través de la transitividad (amigos de amigos) o está impulsada por la afiliación institucional.
  • Epidemiología y salud pública —identificar qué características estructurales de las redes de contacto sexual predicen las vías de transmisión de enfermedades.
  • Relaciones internacionales —probar si la formación de alianzas es recíproca, transitiva o impulsada por atributos compartidos como la democracia o la dependencia comercial.
  • Investigación de plataformas sociales en línea —distinguir si el agrupamiento observado y la asimetría de grados en las redes de seguidores son tendencias estructurales o artefactos de los algoritmos de la plataforma.

Cómo funciona

Cómo funciona

1

El analista ensambla los datos de la red —nodos, aristas y cualquier atributo de nodo o arista— y decide si la red es dirigida o no dirigida. El tamaño mínimo recomendado es de alrededor de 30 nodos; las redes más pequeñas no proporcionan estimaciones de parámetros fiables. Las características estructurales de interés (reciprocidad, transitividad, heterogeneidad de grados, efectos de covariables) se identifican en esta etapa.

2

Se elige un conjunto de estadísticas de red para representar los procesos generativos hipotetizados. Los términos comunes incluyen aristas (densidad base), reciprocidad (lazos mutuos en redes dirigidas), socios compartidos por arista ponderados geométricamente (GWESP, una estadística de triangulación bien comportada que evita la degeneración), grado ponderado geométricamente (GWD, para la distribución de grados) y covariables nodales (atributos que pueden predecir la formación de lazos). La elección de las estadísticas da forma directamente a lo que el modelo puede y no puede detectar.

3

Debido a que la constante normalizadora de la verosimilitud del ERGM es intratable para redes, excepto las trivialmente pequeñas, los parámetros se estiman mediante máxima verosimilitud por Monte Carlo de cadena de Markov (MCMC-MLE). El algoritmo propone iterativamente adiciones y eliminaciones de aristas, aceptando o rechazando cada una según los valores de los parámetros actuales, y utiliza la distribución de red simulada resultante para actualizar las estimaciones de los parámetros hasta la convergencia.

4

Tras la estimación, se inspeccionan los diagnósticos MCMC —los gráficos de trazas de las estadísticas muestreadas deben ser estacionarios y mezclar bien, y las razones t para todas las estadísticas del modelo deben estar cerca de cero. Los gráficos de bondad de ajuste (GOF) comparan las distribuciones de red simuladas de estadísticas retenidas (distribución de grados, distancia geodésica, socios compartidos por arista) con los valores observados. Un modelo que pasa el GOF puede reproducir la estructura global de la red a partir de sus estadísticas locales. La degeneración —donde el modelo concentra toda la masa de probabilidad en redes vacías o completas— es un signo de mala especificación y debe resolverse eligiendo estadísticas de mejor comportamiento.

5

Los coeficientes estimados se interpretan en la escala de log-odds, análoga a la regresión logística: un coeficiente positivo para los triángulos significa que cada triángulo adicional aumenta los log-odds de que cualquier lazo dado esté presente en esa cantidad, condicionado al resto de la red. Se utilizan errores estándar y pruebas z para la inferencia. El analista informa qué configuraciones estructurales son significativamente más o menos prevalentes que el azar y conecta esos hallazgos con la teoría sustantiva del proceso de formación de la red.

Errores comunes

  • Incluir una estadística de recuento de triángulos crudo (triangle) sin una versión ponderada geométricamente (GWESP) a menudo causa degeneración —preferir siempre GWESP o estadísticas similares de familia exponencial curva.
  • No ejecutar diagnósticos MCMC y pruebas de bondad de ajuste antes de interpretar los coeficientes: un modelo convergido pero mal especificado producirá estimaciones sesgadas.
  • Interpretar los coeficientes del ERGM como pendientes de regresión ordinaria —son los log-odds de presencia de lazos condicionados al resto de la red, no efectos marginales.
  • Aplicar ERGM a redes con menos de 20-30 nodos, donde las estimaciones de parámetros no son fiables; utilizar estadísticas de red descriptivas en ese caso.

Preguntas frecuentes

¿Cómo difiere el ERGM de la regresión logística ordinaria sobre díadas?

La regresión logística trata cada lazo como una observación independiente, lo que viola la no independencia fundamental de los datos de red —la presencia de un lazo cambia la probabilidad de otros. El ERGM modela explícitamente esta dependencia condicionando a la estructura completa de la red y, por lo tanto, es el enfoque estadísticamente correcto para los datos de red.

¿Qué es la degeneración y cómo la evito?

La degeneración ocurre cuando el modelo estimado asigna casi toda la probabilidad a la red vacía o a la red completa, haciendo que el modelo sea inútil. Es causada más comúnmente por la inclusión de la estadística de recuento de triángulos crudo. La solución es usar versiones ponderadas geométricamente —GWESP para el cierre triádico y GWD para la distribución de grados— que son estadísticas de familia exponencial curva inherentemente más estables.

¿Qué tan grande debe ser mi red?

Como límite inferior práctico, alrededor de 30 nodos es el mínimo para una estimación fiable de parámetros. Las redes de 50-300 nodos son el rango más común en trabajos aplicados. Más allá de unos pocos miles de nodos, la convergencia MCMC se vuelve muy lenta y modelos alternativos como los modelos de bloques estocásticos o los modelos de espacio latente pueden ser más prácticos.

¿Puede el ERGM modelar el cambio de red longitudinal?

El ERGM transversal estándar modela una única instantánea de red. Para datos de panel con observaciones de red repetidas, el ERGM Temporal (TERGM) o el Modelo de Actor Estocástico (SAOM / SIENA) son las extensiones apropiadas que modelan la dinámica de lazos a lo largo del tiempo.

Métodos relacionados

Fuentes

  1. Robins, G., Pattison, P., Kalish, Y., & Lusher, D. (2007). An introduction to exponential random graph (p*) models for social networks. Social Networks, 29(2), 173-191.

    Abrir referencia DOI
    Copiado.
  2. Lusher, D., Koskinen, J., & Robins, G. (Eds.) (2012). Exponential Random Graph Models for Social Networks: Theory, Methods, and Applications. Cambridge University Press.

    ISBN: 9780521193566
    Copiado.