用于纵向二部网络分析的含个体特定效应的边际模型
统计方法学
2018-10-23 v1
摘要
本文提出一种针对由部分时间有序关系事件序列产生的二部社会网络的新建模框架。我们直接对指示每个单一行动者是否参与某事件的二元变量的联合分布进行建模。所采用的参数化基于一阶和二阶效应，按分类数据边际模型的形式表述，并释放高阶效应。特别地，二阶效应为对数优势比，从社会视角可解释为合作倾向，而一阶效应则解释为各单一行动者参与事件的倾向。这些效应基于事件时间进行参数化，从而可表示个体行为的合适潜在轨迹。推断基于复合似然函数，由数值复杂度与网络单元数平方成正比的算法最大化。采用分类复合似然对行动者进行聚类，简化数据结构的解释。所提方法在2003至2012年四本顶级统计期刊发表科学论文的数据集上予以说明。
引用
@article{arxiv.1810.08778,
title = {Marginal models with individual-specific effects for the analysis of longitudinal bipartite networks},
author = {Francesco Bartolucci and Antonietta Mira and Stefano Peluso},
journal= {arXiv preprint arXiv:1810.08778},
year = {2018}
}