用于多层二部网络聚类的中潜质分析器多层混合模型
统计方法学
2024-03-19 v2
摘要
在网络数据分析中，二部网络代表一种特殊类型的网络，其中关系发生在两个不相交的节点集之间，形式化地称为发送节点和接收节点。在此背景下，发送节点可基于某些定义的特征被组织为多个层，形成多层二部网络的特例，其中每层包含特定的发送节点集。为对多层二部网络中的发送节点进行聚类，我们扩展了潜质分析器混合模型（MLTA），同时考虑了伴随变量对聚类形成的影响以及数据的多层结构。为此，多层方法提供了一种有用的方法论工具，以恰当地解释数据的层次结构和多水平上未观测的异质性来源。我们进行了模拟研究，以从参数与聚类恢复方面检验所提方法的性能。此外，该模型被应用于欧洲社会调查数据（ESS）以：i）基于个体的数字技能（接收节点）对个体（发送节点）进行聚类；ii）理解社会经济与人口特征如何影响个体数字化水平；iii）解释数据的多层结构；iv）根据居民对数字技术的基线态度对国家进行聚类。
引用
@article{arxiv.2311.03829,
title = {Multilevel mixtures of latent trait analyzers for clustering multi-layer bipartite networks},
author = {Dalila Failli and Bruno Arpino and Maria Francesca Marino},
journal= {arXiv preprint arXiv:2311.03829},
year = {2024}
}
备注
A version of the manuscript is in production at Multivariate Behavioral Research