Skip to content
بازگشت به نتایج جست‌وجو

مدل گراف تصادفی نمایی (ERGM / p*)

معرفی‌شده توسط
Frank & Strauss (1986); extended by Wasserman & Pattison (1996) and Robins et al. (2007)
سال
1986 (foundational); modern ERGM framework 1996–2007
نوع
Probabilistic generative network model

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

مدل گراف تصادفی نمایی (ERGM)، که با نام مدل p* نیز شناخته می‌شود، یک چارچوب آماری برای تحلیل شبکه است که احتمال یک شبکه مشاهده‌شده را تابعی از ویژگی‌های ساختاری محلی آن — مانند تقابل، مثلث‌ها، و توزیع درجه — مدل‌سازی می‌کند.

ERGM که از کار بنیادی فرانک و اشتراوس (1986) توسعه یافته و توسط واسرمن و پاتیسون (1996) و رابینز و همکاران (2007) به چارچوب مدرن گسترش یافته است، استاندارد استنباطی برای تحلیل شبکه‌های اجتماعی محسوب می‌شود و قادر است آزمون کند که آیا ساختارهای شبکه مشاهده‌شده به‌طور تصادفی پدید می‌آیند یا منعکس‌کننده فرآیندهای اجتماعی واقعی هستند.

شهود پشت روش

هنگامی که به یک شبکه اجتماعی نگاه می‌کنید — یک گراف دوستی، یک شبکه همکاری، یک وب استنادی — الگوهایی را مشاهده می‌کنید: دوستانِ دوستان تمایل دارند خودشان نیز دوست شوند، بازیگران محبوب پیوندهای بیشتری را جذب می‌کنند، روابط اغلب متقابل هستند. ERGM یک سوال اساسی را مطرح می‌کند: آیا این الگوها بیشتر از آنچه به‌طور تصادفی انتظار می‌رود، رایج هستند؟ این کار را با در نظر گرفتن کل شبکه مشاهده‌شده به‌عنوان یک نتیجه واحد که از یک توزیع احتمال استخراج شده است، انجام می‌دهد؛ جایی که احتمال آن شبکه به تعداد نمونه‌های پیکربندی‌های ساختاری انتخاب‌شده (مثلث‌ها، پیوندهای متقابل، اشکال ستاره‌ای) که شامل می‌شود، بستگی دارد. پیکربندی‌هایی با ضرایب مثبت، احتمال وقوع بیشتری نسبت به شانس دارند؛ ضرایب منفی به این معنی است که از آن پیکربندی‌ها به‌طور فعال اجتناب می‌شود. مدل نه با رگرسیون معمولی، بلکه با شبیه‌سازی مونت‌کارلو زنجیره مارکوف تخمین زده می‌شود، که هزاران شبکه محتمل را برای مقایسه با شبکه مشاهده‌شده تولید می‌کند.

تاریخ

مبانی احتمالی ERGM به مدل p1 هالند و لاینهارت (1981) بازمی‌گردد که تقابل را در شبکه‌های جهت‌دار در نظر می‌گرفت. فرانک و اشتراوس (1986) این را به یک چارچوب گراف تصادفی مارکوف گسترش دادند که قادر به ثبت وابستگی‌های مرتبه بالاتر مانند مثلث‌ها بود و آنچه را که بعدها مدل p* نامیده شد، ابداع کردند. واسرمن و پاتیسون (1996) نمایش خانواده نمایی را رسمی کردند و نام فعلی مدل را به آن دادند. یک پیشرفت حیاتی زمانی رخ داد که اسنایدرز (2002) تخمین MCMC-MLE را معرفی کرد که برازش عملی را امکان‌پذیر ساخت. رابینز و همکاران (2007) آماره‌های خانواده نمایی منحنی — به ویژه GWESP و GWD — را ارائه کردند که به طور چشمگیری انحطاط را کاهش داد و این روش را برای استفاده کاربردی روزمره باز کرد. مجموعه statnet در R، که توسط هندکاک، هانتر، باتس، گودرو، و موریس توسعه یافت، به پیاده‌سازی محاسباتی استاندارد تبدیل شد.

چه زمانی استفاده شود

ERGM زمانی مناسب است که یک شبکه مشاهده‌شده واحد (برش عرضی یا مقطع طولی) دارید و می‌خواهید آزمون کنید که کدام فرآیندهای ساختاری محلی — تقابل، خوشه‌بندی، اتصال ترجیحی، هم‌دوستی — آن را تولید کرده‌اند. شبکه باید اندازه کوچک تا متوسط داشته باشد؛ همگرایی MCMC برای شبکه‌های بسیار بزرگ (هزاران گره) دشوار می‌شود. مدل به پیوندهای دوتایی جهت‌دار یا بدون جهت نیاز دارد (نسخه‌های وزن‌دار وجود دارند اما پیچیده‌تر هستند). زمانی که شبکه کمتر از حدود 20-30 گره دارد، زمانی که فرضیه‌های نظری روشنی در مورد پیکربندی‌های ساختاری ندارید، یا زمانی که نیاز به مدل‌سازی دینامیک زمان پیوسته دارید (به جای آن از ERGM زمانی یا مدل عامل‌محور تصادفی استفاده کنید) مناسب نیست.

محدودیت‌ها و ملاحظات

  • تخمین MCMC می‌تواند کند باشد و ممکن است برای شبکه‌های بزرگ همگرا نشود؛ محدودیت‌های عملی معمولاً چند صد تا چند هزار گره است.
  • انحطاط مدل — جایی که مدل تخمین‌زده‌شده تقریباً تمام احتمال را بر روی شبکه‌های خالی یا کامل قرار می‌دهد — یک خطر پایدار است که نیاز به انتخاب دقیق آماره دارد.
  • این مدل عمدتاً برای برش‌های عرضی طراحی شده است؛ مدل‌سازی دینامیک واقعی شبکه نیاز به توسعه‌هایی مانند ERGM زمانی (TERGM) یا SAOMs دارد.
  • برای تخمین پارامتر قابل اعتماد، حداقل تقریباً 30 گره لازم است؛ شبکه‌های بسیار کوچک تخمین‌های غیرمفید تولید می‌کنند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • استنباط آماری رسمی — مقادیر p، خطاهای استاندارد، و اظهارات اطمینان — را برای فرضیه‌های ساختاری شبکه فراهم می‌کند.
  • عدم استقلال پیوندهای شبکه را که مفروضات رگرسیون استاندارد را نقض می‌کند، مدیریت می‌کند، و آن را به ابزار استنباطی صحیح برای داده‌های شبکه تبدیل می‌کند.
  • مشخصات انعطاف‌پذیر: نسخه‌های جهت‌دار، بدون جهت، دوپارچه، و وزن‌دار امکان پوشش بسیاری از انواع شبکه را فراهم می‌کنند.
  • تشخیص‌های برازش نیکویی راهی اصولی برای ارزیابی اینکه آیا مدل ساختار کلی شبکه را از آماره‌های محلی بازتولید می‌کند، ارائه می‌دهند.

کاربردها

  • توضیح تشکیل پیوند در شبکه‌های مشاوره سازمانی — آزمون اینکه آیا افراد از دیگران با وضعیت مشابه یا از کسانی که قبلاً با آنها دوست هستند، مشاوره می‌گیرند.
  • مدل‌سازی الگوهای همکاری بین محققان — اینکه آیا هم‌نویسندگی از طریق ترایایی (دوستانِ دوستان) شکل می‌گیرد یا توسط وابستگی سازمانی هدایت می‌شود.
  • اپیدمیولوژی و بهداشت عمومی — شناسایی اینکه کدام ویژگی‌های ساختاری شبکه‌های تماس جنسی مسیرهای انتقال بیماری را پیش‌بینی می‌کنند.
  • روابط بین‌الملل — آزمون اینکه آیا تشکیل اتحاد متقابل، ترایایی، یا توسط ویژگی‌های مشترک مانند دموکراسی یا وابستگی تجاری هدایت می‌شود.
  • تحقیقات پلتفرم‌های اجتماعی آنلاین — تمایز اینکه آیا خوشه‌بندی مشاهده‌شده و کجی درجه در شبکه‌های دنبال‌کننده، تمایلات ساختاری هستند یا مصنوعات الگوریتم‌های پلتفرم.

چگونه کار می‌کند

چگونه کار می‌کند

1

تحلیلگر داده‌های شبکه — گره‌ها، یال‌ها، و هرگونه ویژگی گره یا یال — را جمع‌آوری می‌کند و تصمیم می‌گیرد که آیا شبکه جهت‌دار است یا بدون جهت. حداقل اندازه توصیه شده حدود 30 گره است؛ شبکه‌های کوچک‌تر تخمین‌های پارامتر قابل اعتمادی ارائه نمی‌دهند. ویژگی‌های ساختاری مورد علاقه (تقابل، ترایایی، ناهمگونی درجه، اثرات متغیرهای کمکی) در این مرحله شناسایی می‌شوند.

2

مجموعه‌ای از آماره‌های شبکه برای نمایش فرآیندهای مولد فرضی انتخاب می‌شوند. اصطلاحات رایج شامل یال‌ها (چگالی پایه)، تقابل (پیوندهای متقابل در شبکه‌های جهت‌دار)، شرکای مشترک یالی با وزن هندسی (GWESP، یک آماره مثلث‌سازی خوش‌رفتار که از انحطاط جلوگیری می‌کند)، درجه با وزن هندسی (GWD، برای توزیع درجه)، و متغیرهای کمکی گره‌ای (ویژگی‌هایی که ممکن است تشکیل پیوند را پیش‌بینی کنند) هستند. انتخاب آماره‌ها مستقیماً شکل می‌دهد که مدل چه چیزی را می‌تواند و چه چیزی را نمی‌تواند تشخیص دهد.

3

از آنجا که ثابت نرمال‌سازی تابع درست‌نمایی ERGM برای همه شبکه‌ها به جز شبکه‌های بسیار کوچک غیرقابل محاسبه است، پارامترها از طریق حداکثر درست‌نمایی مونت‌کارلو زنجیره مارکوف (MCMC-MLE) تخمین زده می‌شوند. الگوریتم به‌طور تکراری افزودن و حذف یال‌ها را پیشنهاد می‌کند، هر یک را بر اساس مقادیر پارامتر فعلی می‌پذیرد یا رد می‌کند، و از توزیع شبکه شبیه‌سازی‌شده حاصل برای به‌روزرسانی تخمین‌های پارامتر تا همگرایی استفاده می‌کند.

4

پس از تخمین، تشخیص‌های MCMC بررسی می‌شوند — نمودارهای ردیابی آماره‌های نمونه‌برداری‌شده باید ایستا باشند و به خوبی ترکیب شوند، و نسبت‌های t برای همه آماره‌های مدل باید نزدیک به صفر باشند. نمودارهای برازش نیکویی (GOF) توزیع‌های شبکه شبیه‌سازی‌شده آماره‌های نگه داشته شده (توزیع درجه، فاصله ژئودزیک، شرکای مشترک یالی) را با مقادیر مشاهده‌شده مقایسه می‌کنند. مدلی که GOF را پشت سر می‌گذارد، می‌تواند ساختار کلی شبکه را از آماره‌های محلی خود بازتولید کند. انحطاط — جایی که مدل تمام جرم احتمال را بر روی شبکه‌های خالی یا کامل متمرکز می‌کند — نشانه‌ای از خطای مشخصات است و باید با انتخاب آماره‌های خوش‌رفتارتر حل شود.

5

ضرایب تخمین‌زده‌شده در مقیاس لگاریتم شانس تفسیر می‌شوند، مشابه رگرسیون لجستیک: یک ضریب مثبت برای مثلث‌ها به این معنی است که هر مثلث اضافی، لگاریتم شانس حضور هر یال معین را به همان میزان افزایش می‌دهد، مشروط بر بقیه شبکه. خطاهای استاندارد و آزمون‌های z برای استنباط استفاده می‌شوند. تحلیلگر گزارش می‌دهد که کدام پیکربندی‌های ساختاری به‌طور معنی‌داری بیشتر یا کمتر از شانس رایج هستند و آن یافته‌ها را به نظریه اساسی فرآیند تشکیل شبکه مرتبط می‌کند.

دام‌های رایج

  • گنجاندن یک آماره شمارش مثلث خام (triangle) بدون نسخه وزن‌دار هندسی (GWESP) اغلب باعث انحطاط می‌شود — همیشه GWESP یا آماره‌های خانواده نمایی منحنی مشابه را ترجیح دهید.
  • عدم اجرای تشخیص‌های MCMC و آزمون‌های برازش نیکویی قبل از تفسیر ضرایب: یک مدل همگرا شده اما با مشخصات نادرست، تخمین‌های مغرضانه تولید خواهد کرد.
  • تفسیر ضرایب ERGM به عنوان شیب‌های رگرسیون معمولی — آنها لگاریتم شانس حضور پیوند هستند مشروط بر بقیه شبکه، نه اثرات حاشیه‌ای.
  • اعمال ERGM به شبکه‌هایی با کمتر از 20-30 گره، جایی که تخمین‌های پارامتر غیرقابل اعتماد هستند؛ در این حالت از آماره‌های توصیفی شبکه استفاده کنید.

پرسش‌های متداول

ERGM چه تفاوتی با رگرسیون لجستیک معمولی بر روی جفت‌ها دارد؟

رگرسیون لجستیک هر پیوند را به عنوان یک مشاهده مستقل در نظر می‌گیرد، که استقلال بنیادی داده‌های شبکه را نقض می‌کند — حضور یک پیوند، احتمال پیوندهای دیگر را تغییر می‌دهد. ERGM به صراحت این وابستگی را با شرطی کردن بر ساختار کامل شبکه مدل‌سازی می‌کند و بنابراین رویکرد آماری صحیح برای داده‌های شبکه است.

انحطاط چیست و چگونه از آن جلوگیری کنم؟

انحطاط زمانی رخ می‌دهد که مدل تخمین‌زده‌شده تقریباً تمام احتمال را به شبکه خالی یا شبکه کامل اختصاص می‌دهد، که مدل را بی‌فایده می‌کند. این امر معمولاً با گنجاندن آماره شمارش مثلث خام ایجاد می‌شود. راه‌حل استفاده از نسخه‌های وزن‌دار هندسی — GWESP برای بستار سه‌تایی و GWD برای توزیع درجه — است که آماره‌های خانواده نمایی منحنی هستند و ذاتاً پایدارترند.

شبکه من چقدر باید بزرگ باشد؟

به عنوان یک حد پایین عملی، حدود 30 گره حداقل برای تخمین پارامتر قابل اعتماد است. شبکه‌های 50-300 گره رایج‌ترین محدوده در کارهای کاربردی هستند. فراتر از چند هزار گره، همگرایی MCMC بسیار کند می‌شود و مدل‌های جایگزین مانند مدل‌های بلوک تصادفی یا مدل‌های فضای پنهان ممکن است عملی‌تر باشند.

آیا ERGM می‌تواند تغییرات شبکه طولی را مدل‌سازی کند؟

ERGM برش عرضی استاندارد یک عکس فوری از شبکه را مدل‌سازی می‌کند. برای داده‌های پانل با مشاهدات مکرر شبکه، ERGM زمانی (TERGM) یا مدل عامل‌محور تصادفی (SAOM / SIENA) توسعه‌های مناسبی هستند که دینامیک پیوند را در طول زمان مدل‌سازی می‌کنند.

روش‌های مرتبط

منابع

  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.

    باز کردن مرجع DOI
    کپی شد.
  2. Lusher, D., Koskinen, J., & Robins, G. (Eds.) (2012). Exponential Random Graph Models for Social Networks: Theory, Methods, and Applications. Cambridge University Press.

    شابک: 9780521193566
    کپی شد.