基于含持续时间信息的自我中心数据的动态网络建模
统计方法学
2022-03-15 v1 统计理论
统计理论
摘要
动态网络——随时间演化的网络——的建模在诸多领域有广泛应用。尤其在流行病学中，需要对人类性关系网络进行数据驱动建模，以模拟性传播疾病的扩散。然而，此类网络的动态网络数据极难收集，更易获得的是在单一时间点对网络进行自我中心抽样的数据，以及关于受访者性史的一些附带信息。Krivitsky 与 Handcock（2014）提出了可分离时间 ERGM（STERGM）框架，便于对连边持续时间分布与连边形成的结构动态进行可分离建模。本工作中，我们将该建模框架应用于此问题，通过研究 STERGM 过程的长期性质、发展将 STERGM 拟合到自我中心抽样数据的方法，并将 Krivitsky、Handcock 与 Morris（2011）的网络规模调整方法推广到动态模型。
引用
@article{arxiv.2203.06866,
title = {Modeling of Dynamic Networks based on Egocentric Data with Durational Information},
author = {Pavel N. Krivitsky},
journal= {arXiv preprint arXiv:2203.06866},
year = {2022}
}
备注
Reposting of Penn State University Department of Statistics Technical Report 12-01 (April 2012), lost in a web site migration; 36 pages, 4 figures, 1 table