Skip to content
返回搜索结果

指数随机图模型(ERGM / p*)

提出者
Frank & Strauss (1986); extended by Wasserman & Pattison (1996) and Robins et al. (2007)
年份
1986 (foundational); modern ERGM framework 1996–2007
类型
Probabilistic generative network model

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

指数随机图模型(ERGM),也称为p*模型,是一种用于网络分析的统计框架,它将观测网络的概率建模为其局部结构特征(如互惠性、三角形和度分布)的函数。ERGM源于Frank和Strauss(1986)的基础性工作,并由Wasserman和Pattison(1996)以及Robins等人(2007)扩展为现代框架,是社会网络分析的推断标准,能够检验观测到的网络结构是偶然产生还是反映了真实的社会过程。

方法背后的直觉

当你观察一个社会网络——一个友谊图、一个合作网络、一个引用网络——你会注意到一些模式:朋友的朋友倾向于成为朋友,受欢迎的行动者吸引更多的联系,关系往往是互惠的。ERGM提出了一个基本问题:这些模式是否比你偶然期望的更普遍?它通过将整个观测网络视为从概率分布中抽取的一个单一结果来做到这一点,其中该网络的概率取决于它包含的选定结构配置(三角形、互惠关系、星形)的数量。具有正系数的配置比偶然发生的可能性更大;负系数意味着这些配置被主动避免。该模型不是通过普通回归估计的,而是通过马尔可夫链蒙特卡洛模拟估计的,该模拟生成数千个合理的网络以与观测网络进行比较。

历史学

ERGM的概率基础可以追溯到Holland和Leinhardt(1981)的p1模型,该模型解释了有向网络中的互惠性。Frank和Strauss(1986)将其扩展到能够捕获更高阶依赖(如三角形)的马尔可夫随机图框架,并创造了后来被称为p*模型的术语。Wasserman和Pattison(1996)将指数族表示形式化,并赋予该模型其当前名称。Snijders(2002)引入MCMC-MLE估计是一个关键进展,使得实际拟合成为可能。Robins等人(2007)贡献了弯曲指数族统计量——特别是GWESP和GWD——极大地减少了退化,并使该方法得以常规应用。由Handcock、Hunter、Butts、Goodreau和Morris开发的R语言中的statnet套件成为标准的计算实现。

何时使用

当您拥有单个观测网络(横截面或纵向快照)并希望测试哪些局部结构过程——互惠性、聚类、优先连接、同质性——生成了它时,ERGM是合适的。网络规模应为中小型;对于非常大的网络(数千个节点),MCMC收敛变得困难。该模型需要有向或无向二元联系(存在加权变体但更复杂)。当网络节点少于20-30个时,当您对结构配置没有明确的理论假设时,或者当您需要建模连续时间动态时(请改用时间ERGM或随机行动者导向模型),它不适用。

局限与注意事项

  • MCMC估计可能很慢,并且对于大型网络可能无法收敛;实际限制通常是几百到几千个节点。
  • 模型退化——估计模型将几乎所有概率都放在空网络或完整网络上——是一个持续存在的风险,需要仔细选择统计量。
  • 该模型主要设计用于横截面快照;建模真实的网络动态需要扩展,例如时间ERGM(TERGM)或SAOMs。
  • 需要至少大约30个节点才能进行可靠的参数估计;非常小的网络会产生无信息估计。

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 为网络结构假设提供正式的统计推断——p值、标准误差和置信区间。
  • 处理网络联系的非独立性,这违反了标准回归的假设,使其成为网络数据的正确推断工具。
  • 灵活的规范:有向、无向、二分和加权变体允许覆盖多种网络类型。
  • 拟合优度诊断提供了一种原则性的方法来评估模型是否从局部统计量重现了全局网络结构。

应用

  • 解释组织咨询网络中的联系形成——检验人们是否向地位相似的人或已经成为朋友的人寻求建议。
  • 建模研究人员之间的合作模式——共同作者关系是通过传递性(朋友的朋友)形成还是由机构隶属关系驱动。
  • 流行病学和公共卫生——识别性接触网络的哪些结构特征预测疾病传播途径。
  • 国际关系——检验联盟形成是互惠的、传递的,还是由民主或贸易依赖等共同属性驱动。
  • 在线社交平台研究——区分观察到的追随者网络中的聚类和度偏斜是结构性趋势还是平台算法的产物。

使用方式

使用方式

1

分析师收集网络数据——节点、边以及任何节点或边属性——并决定网络是有向的还是无向的。建议的最小规模约为30个节点;较小的网络无法提供可靠的参数估计。在此阶段确定感兴趣的结构特征(互惠性、传递性、度异质性、协变量效应)。

2

选择一组网络统计量来表示假设的生成过程。常见的术语包括边(基线密度)、互惠性(有向网络中的相互联系)、几何加权边共享伙伴(GWESP,一种行为良好的三角化统计量,可避免退化)、几何加权度(GWD,用于度分布)和节点协变量(可能预测联系形成的属性)。统计量的选择直接决定了模型能够和不能检测什么。

3

由于ERGM似然函数的归一化常数对于除了微不足道的网络之外都是难以处理的,因此参数通过马尔可夫链蒙特卡洛最大似然(MCMC-MLE)进行估计。该算法迭代地提出边的添加和删除,根据当前的参数值接受或拒绝每个操作,并使用由此产生的模拟网络分布更新参数估计,直到收敛。

4

估计后,检查MCMC诊断——采样统计量的迹线图应保持平稳且混合良好,所有模型统计量的t比率应接近零。拟合优度(GOF)图将保留统计量(度分布、测地距离、边共享伙伴)的模拟网络分布与观测值进行比较。通过GOF的模型可以从其局部统计量重现全局网络结构。退化——模型将所有概率质量集中在空网络或完整网络上——是模型误设的迹象,必须通过选择行为更好的统计量来解决。

5

估计系数在对数几率尺度上解释,类似于逻辑回归:三角形的正系数意味着在网络其余部分不变的情况下,每个额外的三角形都会使任何给定边存在的对数几率增加该量。标准误差和z检验用于推断。分析师报告哪些结构配置比偶然情况显著更普遍或更不普遍,并将这些发现与网络形成过程的实质性理论联系起来。

常见陷阱

  • 包含原始三角形计数统计量(triangle)而没有几何加权版本(GWESP)经常导致退化——始终优先选择GWESP或类似的弯曲指数族统计量。
  • 在解释系数之前未能运行MCMC诊断和拟合优度检验:一个已收敛但误设的模型会产生有偏估计。
  • 将ERGM系数解释为普通回归斜率——它们是在网络其余部分不变的情况下,联系存在的对数几率,而不是边际效应。
  • 将ERGM应用于节点少于20-30个的网络,其中参数估计不可靠;在这种情况下使用描述性网络统计量。

常见问题

ERGM与二元逻辑回归有何不同?

逻辑回归将每个联系视为一个独立的观测值,这违反了网络数据固有的非独立性——一个联系的存在会改变其他联系的概率。ERGM通过以完整的网络结构为条件明确地建模这种依赖性,因此是网络数据的统计正确方法。

什么是退化以及如何避免它?

当估计模型将几乎所有概率分配给空网络或完整网络时,就会发生退化,这使得模型毫无用处。它最常见的原因是包含原始三角形计数统计量。解决方案是使用几何加权版本——GWESP用于三元闭包,GWD用于度分布——它们是弯曲指数族统计量,本质上更稳定。

我的网络需要多大?

作为实际的下限,大约30个节点是可靠参数估计的最小值。50-300个节点的网络是应用工作中常见的范围。超过几千个节点,MCMC收敛变得非常慢,此时随机块模型或潜在空间模型等替代模型可能更实用。

ERGM能否建模纵向网络变化?

标准横截面ERGM建模单个网络快照。对于具有重复网络观测值的面板数据,时间ERGM(TERGM)或随机行动者导向模型(SAOM / SIENA)是建模随时间变化的联系动态的适当扩展。

相关方法

参考文献

  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.

    打开 DOI 文献
    已复制。
  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
    已复制。