Skip to content
Voltar aos resultados

Modelo de Grafos Aleatórios Exponenciais (ERGM / p*)

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

Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês

Tamanho da fonte

O que ele faz?

O Modelo de Grafos Aleatórios Exponenciais (ERGM), também conhecido como modelo p*, é um quadro estatístico para análise de redes que modela a probabilidade de uma rede observada como uma função de suas características estruturais locais — como reciprocidade, triângulos e distribuição de graus.

Desenvolvido a partir do trabalho fundamental de Frank e Strauss (1986) e estendido para o quadro moderno por Wasserman e Pattison (1996) e Robins et al. (2007), o ERGM é o padrão inferencial para análise de redes sociais, capaz de testar se estruturas de rede observadas surgem por acaso ou refletem processos sociais genuínos.

A intuição por trás do método

Quando se observa uma rede social — um grafo de amizades, uma rede de colaboração, uma teia de citações — notam-se padrões: amigos de amigos tendem a tornar-se amigos entre si, atores populares atraem mais laços, relações são frequentemente recíprocas. O ERGM levanta uma questão fundamental: estes padrões são mais prevalentes do que se esperaria apenas por acaso? Ele faz isso tratando toda a rede observada como um único resultado extraído de uma distribuição de probabilidade, onde a probabilidade dessa rede depende de quantas instâncias de configurações estruturais escolhidas (triângulos, laços recíprocos, formas de estrela) ela contém. Configurações com coeficientes positivos são mais prováveis de ocorrer do que o acaso; coeficientes negativos significam que essas configurações são ativamente evitadas. O modelo é estimado não por regressão ordinária, mas por simulação de Monte Carlo via cadeia de Markov, que gera milhares de redes plausíveis para comparar com a observada.

História

As bases probabilísticas do ERGM remontam ao modelo p1 de Holland e Leinhardt (1981), que explicava a reciprocidade em redes direcionadas. Frank e Strauss (1986) estenderam isso para um quadro de grafos aleatórios de Markov capaz de capturar dependências de ordem superior, como triângulos, cunhando o que mais tarde seria chamado de modelo p*. Wasserman e Pattison (1996) formalizaram a representação de família exponencial e deram ao modelo seu nome atual. Um avanço crítico ocorreu quando Snijders (2002) introduziu a estimação MCMC-MLE, tornando o ajuste prático viável. Robins et al. (2007) contribuíram com as estatísticas de família exponencial curva — especialmente GWESP e GWD — que reduziram dramaticamente a degenerescência e abriram o método para uso aplicado rotineiro. A suíte statnet em R, desenvolvida por Handcock, Hunter, Butts, Goodreau e Morris, tornou-se a implementação computacional padrão.

Quando usar

O ERGM é apropriado quando você tem uma única rede observada (instantâneo transversal ou longitudinal) e deseja testar quais processos estruturais locais — reciprocidade, agrupamento, apego preferencial, homofilia — a geraram. A rede deve ser de tamanho pequeno a médio; a convergência de MCMC torna-se difícil para redes muito grandes (milhares de nós). O modelo requer laços binários direcionados ou não direcionados (variantes ponderadas existem, mas são mais complexas). Não é apropriado quando a rede tem menos de cerca de 20–30 nós, quando você não tem hipóteses teóricas claras sobre configurações estruturais, ou quando você precisa modelar dinâmicas de tempo contínuo (use um ERGM Temporal ou um Modelo Estocástico Orientado a Atores em vez disso).

Limitações e considerações

  • A estimação por MCMC pode ser lenta e pode falhar em convergir para redes grandes; os limites práticos são tipicamente algumas centenas a alguns milhares de nós.
  • A degenerescência do modelo — onde o modelo estimado atribui quase toda a probabilidade a redes vazias ou completas — é um risco persistente que requer seleção cuidadosa de estatísticas.
  • O modelo é projetado principalmente para instantâneos transversais; a modelagem de dinâmicas de rede genuínas requer extensões como ERGM Temporal (TERGM) ou SAOMs.
  • Requer um mínimo de aproximadamente 30 nós para estimativa de parâmetros confiável; redes muito pequenas produzem estimativas não informativas.

As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.

Pontos fortes

  • Fornece inferência estatística formal — valores p, erros padrão e declarações de confiança — para hipóteses estruturais de rede.
  • Lida com a não independência dos laços de rede que viola as suposições da regressão padrão, tornando-o a ferramenta inferencial correta para dados de rede.
  • Especificação flexível: variantes direcionadas, não direcionadas, bipartidas e ponderadas permitem a cobertura de muitos tipos de rede.
  • Diagnósticos de bondade de ajuste fornecem uma maneira principiada de avaliar se o modelo reproduz a estrutura global da rede a partir de estatísticas locais.

Aplicações

  • Explicar a formação de laços em redes de aconselhamento organizacional — testar se as pessoas buscam aconselhamento de outros de status semelhante ou daqueles com quem já são amigas.
  • Modelar padrões de colaboração entre pesquisadores — se a coautoria se forma através da transitividade (amigos de amigos) ou é impulsionada pela afiliação institucional.
  • Epidemiologia e saúde pública — identificar quais características estruturais de redes de contato sexual predizem vias de transmissão de doenças.
  • Relações internacionais — testar se a formação de alianças é recíproca, transitiva, ou impulsionada por atributos compartilhados como democracia ou dependência comercial.
  • Pesquisa em plataformas sociais online — distinguir se o agrupamento observado e o desvio de grau em redes de seguidores são tendências estruturais ou artefatos de algoritmos da plataforma.

Como funciona

Como funciona

1

O analista monta os dados da rede — nós, arestas e quaisquer atributos de nós ou arestas — e decide se a rede é direcionada ou não direcionada. O tamanho mínimo recomendado é de cerca de 30 nós; redes menores não fornecem estimativas de parâmetros confiáveis. Características estruturais de interesse (reciprocidade, transitividade, heterogeneidade de graus, efeitos de covariáveis) são identificadas nesta fase.

2

Um conjunto de estatísticas de rede é escolhido para representar os processos generativos hipotetizados. Termos comuns incluem arestas (densidade de base), reciprocidade (laços mútuos em redes direcionadas), parceiros compartilhados edgewise geometricamente ponderados (GWESP, uma estatística de triangulação bem comportada que evita degenerescência), grau geometricamente ponderado (GWD, para distribuição de graus) e covariáveis nodais (atributos que podem prever a formação de laços). A escolha das estatísticas molda diretamente o que o modelo pode e não pode detectar.

3

Como a constante de normalização da verossimilhança do ERGM é intratável para todas as redes, exceto as trivialmente pequenas, os parâmetros são estimados via máxima verossimilhança de Monte Carlo via cadeia de Markov (MCMC-MLE). O algoritmo propõe iterativamente adições e deleções de arestas, aceitando ou rejeitando cada uma de acordo com os valores atuais dos parâmetros, e usa a distribuição de rede simulada resultante para atualizar as estimativas dos parâmetros até a convergência.

4

Após a estimação, os diagnósticos de MCMC são inspecionados — os gráficos de traço das estatísticas amostradas devem ser estacionários e misturar bem, e as razões t para todas as estatísticas do modelo devem estar próximas de zero. Gráficos de bondade de ajuste (GOF) comparam distribuições de rede simuladas de estatísticas retidas (distribuição de graus, distância geodésica, parceiros compartilhados edgewise) com os valores observados. Um modelo que passa no GOF pode reproduzir a estrutura global da rede a partir de suas estatísticas locais. Degenerescência — onde o modelo concentra toda a massa de probabilidade em redes vazias ou completas — é um sinal de má especificação e deve ser resolvida escolhendo estatísticas mais bem comportadas.

5

Os coeficientes estimados são interpretados na escala de log-odds, análoga à regressão logística: um coeficiente positivo para triângulos significa que cada triângulo adicional aumenta o log-odds de qualquer laço dado estar presente por essa quantidade, condicional ao resto da rede. Erros padrão e testes z são usados para inferência. O analista relata quais configurações estruturais são significativamente mais ou menos prevalentes do que o acaso e conecta essas descobertas à teoria substantiva do processo de formação da rede.

Erros comuns

  • Incluir uma estatística de contagem bruta de triângulos (triangle) sem uma versão geometricamente ponderada (GWESP) frequentemente causa degenerescência — prefira sempre GWESP ou estatísticas de família exponencial curva semelhantes.
  • Falha em executar diagnósticos de MCMC e testes de bondade de ajuste antes de interpretar coeficientes: um modelo convergido, mas mal especificado, produzirá estimativas enviesadas.
  • Interpretar coeficientes de ERGM como inclinações de regressão ordinária — eles são log-odds da presença de laços condicional ao resto da rede, não efeitos marginais.
  • Aplicar ERGM a redes com menos de 20–30 nós, onde as estimativas de parâmetros não são confiáveis; use estatísticas de rede descritivas nesse caso.

Perguntas frequentes

Como o ERGM difere da regressão logística ordinária em díades?

A regressão logística trata cada laço como uma observação independente, o que viola a não independência fundamental dos dados de rede — a presença de um laço altera a probabilidade de outros. O ERGM modela explicitamente essa dependência condicionando à estrutura completa da rede e, portanto, é a abordagem estatisticamente correta para dados de rede.

O que é degenerescência e como evitá-la?

A degenerescência ocorre quando o modelo estimado atribui quase toda a probabilidade à rede vazia ou à rede completa, tornando o modelo inútil. É mais comumente causada pela inclusão da estatística de contagem bruta de triângulos. A solução é usar versões geometricamente ponderadas — GWESP para fechamento triádico e GWD para distribuição de graus — que são estatísticas de família exponencial curva inerentemente mais estáveis.

Quão grande minha rede precisa ser?

Como um limite inferior prático, cerca de 30 nós é o mínimo para estimativa de parâmetros confiável. Redes de 50–300 nós são o intervalo mais comum em trabalhos aplicados. Além de alguns milhares de nós, a convergência de MCMC torna-se muito lenta e modelos alternativos como modelos de blocos estocásticos ou modelos de espaço latente podem ser mais práticos.

O ERGM pode modelar mudanças longitudinais na rede?

O ERGM transversal padrão modela um único instantâneo de rede. Para dados de painel com observações de rede repetidas, o ERGM Temporal (TERGM) ou o Modelo Estocástico Orientado a Atores (SAOM / SIENA) são as extensões apropriadas que modelam a dinâmica de laços ao longo do tempo.

Métodos relacionados

Fontes

  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 referência 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.