固定排名提名网络的似然函数
统计方法学
2012-12-27 v1
摘要
许多收集社会网络数据的研究采用的调查方法会导致数据被删失、缺失或不完整。例如，在学校和企业研究中常用的固定排名提名（FRN）方案，要求参与者提名并排名最多有限数量的联系人或朋友，从而导致其他关系的存在性不确定。然而，大多数统计模型是针对完全观测的二值网络构建的。使用此类模型对 FRN 数据进行统计分析时，忽略了数据的删失和排名特性，可能导致误导性的统计推断。为了探究这种可能性，我们将基于完全二值网络的似然函数所得到的参数估计，与源自 FRN 方案（因而能识别数据的排名和删失特性）的似然函数所得结果进行了比较。我们通过解析推导和模拟表明，对于某些将网络连边与个体及个体对特征相关联的模型参数，二值似然函数可能提供误导性的推断。此外，我们在几个青少年社会网络的数据分析中比较了这些不同的似然函数。对于其中一些网络，基于二值似然和 FRN 似然的参数估计得出了不同的结论，这表明采用考虑 FRN 调查设计的方法来分析 FRN 数据的重要性。
引用
@article{arxiv.1212.6234,
title = {Likelihoods for fixed rank nomination networks},
author = {Peter Hoff and Bailey Fosdick and Alex Volfovsky and Katherine Stovel},
journal= {arXiv preprint arXiv:1212.6234},
year = {2012}
}