GLAMLE：存在潜变量时多视图网络数据的推断及其在大宗商品贸易中的应用
统计方法学
2023-01-16 v3 统计理论
应用统计
统计理论
摘要
进出口数据的统计分析有助于理解决定经济网络中交换行为的机制。两个国家之间建立商业关系的概率通常依赖于一些不可观测（或不易测量）的因素，如社会经济状况、政治观点、基础设施水平。为了对这类数据进行推断，我们引入了一类用于多视图网络的新型潜变量模型，其中多元潜高斯变量决定了边的随机行为。我们将该模型称为图广义线性潜变量模型（GGLLVM），并基于拉普拉斯近似似然的最大化进行推断。我们将所得的 M-估计量称为图拉普拉斯近似最大似然估计量（GLAMLE），并研究其统计性质。在模拟网络上的数值实验表明，GLAMLE 能够实现快速且准确的推断。对中欧国家大宗商品贸易的真实数据应用揭示了网络中每个节点相对于其他节点的进出口倾向，以及每种交易商品的附加特定信息。
引用
@article{arxiv.2107.05915,
title = {GLAMLE: inference for multiview network data in the presence of latent variables, with application to commodities trading},
author = {Chaonan Jiang and Davide La Vecchia and Riccardo Rastelli},
journal= {arXiv preprint arXiv:2107.05915},
year = {2023}
}