Skip to content
Назад к результатам поиска

Модель экспоненциальных случайных графов (ERGM / p*)

Автор метода
Frank & Strauss (1986); extended by Wasserman & Pattison (1996) and Robins et al. (2007)
Год
1986 (foundational); modern ERGM framework 1996–2007
Тип
Probabilistic generative network model

Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском

Размер шрифта

Что он делает?

Модель экспоненциальных случайных графов (ERGM), также известная как модель p*, представляет собой статистическую основу для анализа сетей, которая моделирует вероятность наблюдаемой сети как функцию ее локальных структурных особенностей — таких как взаимность, треугольники и распределение степеней.

Разработанная на основе основополагающих работ Фрэнка и Штрауса (1986) и расширенная в современную структуру Вассерманом и Паттисоном (1996) и Робинсом и др. (2007), ERGM является стандартом для статистического вывода в анализе социальных сетей, способным тестировать, возникают ли наблюдаемые сетевые структуры случайно или отражают подлинные социальные процессы.

Интуиция метода

Когда вы смотрите на социальную сеть — граф дружбы, сеть сотрудничества, паутину цитирования — вы замечаете закономерности: друзья друзей имеют тенденцию становиться друзьями друг с другом, популярные актеры привлекают больше связей, отношения часто взаимны. ERGM задает фундаментальный вопрос: являются ли эти закономерности более распространенными, чем можно было бы ожидать случайно? Это делается путем рассмотрения всей наблюдаемой сети как единого исхода, извлеченного из вероятностного распределения, где вероятность этой сети зависит от количества экземпляров выбранных структурных конфигураций (треугольники, взаимные связи, звездные формы), которые она содержит. Конфигурации с положительными коэффициентами встречаются чаще, чем случайно; отрицательные коэффициенты означают, что эти конфигурации активно избегаются. Модель оценивается не с помощью обычной регрессии, а с помощью симуляции методом Монте-Карло с использованием цепей Маркова, которая генерирует тысячи правдоподобных сетей для сравнения с наблюдаемой.

История

Вероятностные основы ERGM восходят к модели p1 Холланда и Лейнхардта (1981), которая учитывала взаимность в направленных сетях. Фрэнк и Штраус (1986) расширили ее до рамок марковских случайных графов, способных улавливать зависимости более высокого порядка, такие как треугольники, введя то, что позже будет названо моделью p*. Вассерман и Паттисон (1996) формализовали представление экспоненциального семейства и дали модели ее нынешнее название. Критическим достижением стало введение Снейдерсом (2002) оценки MCMC-MLE, сделавшей практическое моделирование возможным. Робинс и др. (2007) внесли вклад в статистику изогнутого экспоненциального семейства — особенно GWESP и GWD — которые значительно уменьшили вырождение и сделали метод доступным для рутинного прикладного использования. Набор statnet в R, разработанный Хэнкоком, Хантером, Баттсом, Гудро и Моррисом, стал стандартной вычислительной реализацией.

Когда применять

ERGM подходит, когда у вас есть одна наблюдаемая сеть (поперечный или продольный срез), и вы хотите проверить, какие локальные структурные процессы — взаимность, кластеризация, преференциальное присоединение, гомофилия — ее породили. Сеть должна быть малого или среднего размера; сходимость MCMC становится затруднительной для очень больших сетей (тысячи узлов). Модель требует направленных или ненаправленных бинарных связей (существуют взвешенные варианты, но они более сложны). Она не подходит, когда сеть имеет менее 20–30 узлов, когда у вас нет четких теоретических гипотез о структурных конфигурациях, или когда вам нужно моделировать динамику непрерывного времени (вместо этого используйте временную ERGM или стохастическую модель акторного поведения).

Ограничения и замечания

  • Оценка MCMC может быть медленной и может не сойтись для больших сетей; практические пределы обычно составляют от нескольких сотен до нескольких тысяч узлов.
  • Вырождение модели — когда оцененная модель присваивает почти всю вероятность пустым или полным сетям — является постоянным риском, требующим тщательного выбора статистики.
  • Модель в основном предназначена для поперечных срезов; моделирование подлинной сетевой динамики требует расширений, таких как временная ERGM (TERGM) или SAOM.
  • Требует минимум примерно 30 узлов для надежной оценки параметров; очень маленькие сети дают неинформативные оценки.

Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.

Сильные стороны

  • Обеспечивает формальный статистический вывод — p-значения, стандартные ошибки и доверительные интервалы — для гипотез о сетевой структуре.
  • Обрабатывает невзаимозависимость сетевых связей, которая нарушает предположения стандартной регрессии, делая ее правильным инструментом статистического вывода для сетевых данных.
  • Гибкая спецификация: направленные, ненаправленные, двудольные и взвешенные варианты позволяют охватить множество типов сетей.
  • Диагностика качества подгонки предоставляет принципиальный способ оценки того, воспроизводит ли модель глобальную структуру сети из локальных статистик.

Применение

  • Объяснение формирования связей в организационных сетях консультаций — проверка того, ищут ли люди совета у людей с таким же статусом или у тех, с кем они уже дружат.
  • Моделирование паттернов сотрудничества среди исследователей — формируется ли соавторство через транзитивность (друзья друзей) или обусловлено институциональной принадлежностью.
  • Эпидемиология и общественное здравоохранение — выявление того, какие структурные особенности сетей сексуальных контактов предсказывают пути передачи заболеваний.
  • Международные отношения — проверка того, являются ли альянсы взаимными, транзитивными или обусловленными общими атрибутами, такими как демократия или торговая зависимость.
  • Исследования онлайн-социальных платформ — различение того, являются ли наблюдаемые кластеризация и перекос степеней в сетях подписчиков структурными тенденциями или артефактами алгоритмов платформы.

Как это работает

Как это работает

1

Аналитик собирает сетевые данные — узлы, ребра и любые атрибуты узлов или ребер — и решает, является ли сеть направленной или ненаправленной. Минимальный рекомендуемый размер составляет около 30 узлов; меньшие сети не дают надежных оценок параметров. На этом этапе определяются интересующие структурные особенности (взаимность, транзитивность, неоднородность степеней, эффекты ковариат).

2

Выбирается набор сетевых статистик для представления предполагаемых генеративных процессов. Общие термины включают ребра (базовая плотность), взаимность (взаимные связи в направленных сетях), геометрически взвешенные соседние партнеры (GWESP, хорошо себя ведущая статистика триангуляции, избегающая вырождения), геометрически взвешенная степень (GWD, для распределения степеней) и узловые ковариаты (атрибуты, которые могут предсказывать формирование связей). Выбор статистик напрямую определяет, что модель может, а что не может обнаружить.

3

Поскольку нормализующая константа правдоподобия ERGM неразрешима для всех, кроме тривиально малых сетей, параметры оцениваются с помощью максимального правдоподобия методом Монте-Карло с использованием цепей Маркова (MCMC-MLE). Алгоритм итеративно предлагает добавление и удаление ребер, принимая или отклоняя каждое в соответствии с текущими значениями параметров и использует полученное распределение смоделированных сетей для обновления оценок параметров до сходимости.

4

После оценки проверяются диагностические показатели MCMC — трассировочные графики выборочных статистик должны быть стационарными и хорошо смешиваться, а t-отношения для всех статистик модели должны быть близки к нулю. Графики качества подгонки (GOF) сравнивают распределения смоделированных сетей для отложенных статистик (распределение степеней, геодезическое расстояние, соседние партнеры) с наблюдаемыми значениями. Модель, прошедшая GOF, может воспроизвести глобальную структуру сети из ее локальных статистик. Вырождение — когда модель концентрирует всю массу вероятности на пустых или полных сетях — является признаком неправильной спецификации и должно быть устранено путем выбора более стабильных статистик.

5

Оцененные коэффициенты интерпретируются в шкале логарифмических шансов, аналогично логистической регрессии: положительный коэффициент для треугольников означает, что каждый дополнительный треугольник увеличивает логарифм шансов наличия любого данного ребра на эту величину, при условии остальных связей в сети. Стандартные ошибки и z-тесты используются для статистического вывода. Аналитик сообщает, какие структурные конфигурации значительно более или менее распространены, чем случайно, и связывает эти результаты с содержательной теорией процесса формирования сети.

Частые ошибки

  • Включение статистики подсчета сырых треугольников (triangle) без геометрически взвешенной версии (GWESP) часто вызывает вырождение — всегда предпочитайте GWESP или аналогичные статистики изогнутого экспоненциального семейства.
  • Невыполнение диагностических тестов MCMC и тестов качества подгонки перед интерпретацией коэффициентов: сошедшаяся, но неправильно специфицированная модель даст смещенные оценки.
  • Интерпретация коэффициентов ERGM как обычных наклонов регрессии — это логарифмы шансов наличия связи при условии остальных связей в сети, а не маргинальные эффекты.
  • Применение ERGM к сетям с менее чем 20–30 узлами, где оценки параметров ненадежны; в этом случае используйте описательные сетевые статистики.

Часто задаваемые вопросы

Чем ERGM отличается от обычной логистической регрессии по парам?

Логистическая регрессия рассматривает каждую связь как независимое наблюдение, что нарушает фундаментальную невзаимозависимость сетевых данных — наличие одной связи изменяет вероятность других. ERGM явно моделирует эту зависимость, обусловливая всю структуру сети, и поэтому является статистически корректным подходом для сетевых данных.

Что такое вырождение и как его избежать?

Вырождение возникает, когда оцененная модель присваивает почти всю вероятность либо пустой сети, либо полной сети, делая модель бесполезной. Чаще всего оно вызывается включением статистики подсчета сырых треугольников. Решение состоит в использовании геометрически взвешенных версий — GWESP для триадного замыкания и GWD для распределения степеней — которые являются статистиками изогнутого экспоненциального семейства, изначально более стабильными.

Насколько большой должна быть моя сеть?

В качестве практического нижнего предела около 30 узлов — это минимум для надежной оценки параметров. Сети размером 50–300 узлов являются наиболее распространенным диапазоном в прикладной работе. За пределами нескольких тысяч узлов сходимость MCMC становится очень медленной, и альтернативные модели, такие как стохастические блочные модели или модели латентного пространства, могут быть более практичными.

Может ли ERGM моделировать продольные изменения сети?

Стандартная поперечная ERGM моделирует один срез сети. Для панельных данных с повторяющимися наблюдениями сети временная ERGM (TERGM) или стохастическая модель акторного поведения (SAOM / SIENA) являются подходящими расширениями, которые моделируют динамику связей во времени.

Похожие методы

Источники

  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.

    Открыть ссылку DOI
    Скопировано.
  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
    Скопировано.