一种用于指数随机图模型的 Stein 拟合优度检验
统计方法学
2021-03-02 v1 机器学习
摘要
我们提出并分析了一种新颖的非参数拟合优度检验方法，用于在观测到单个网络实现时对可交换指数随机图模型（ERGMs）进行检验。该检验确定观测值由目标未归一化 ERGM 密度生成的可能性。我们的检验统计量源自核 Stein 差异——一种通过 Stein 方法利用再生核 Hilbert 空间中的函数构造的差异，并结合针对 ERGMs 的离散 Stein 算子。该检验是一种基于从目标 ERGM 模拟网络的蒙特卡洛检验。我们展示了该类 ERGMs 检验过程的理论性质。文中给出了模拟研究与实际网络应用。
引用
@article{arxiv.2103.00580,
title = {A Stein Goodness of fit Test for Exponential Random Graph Models},
author = {Wenkai Xu and Gesine Reinert},
journal= {arXiv preprint arXiv:2103.00580},
year = {2021}
}