具有可交换潜在误差的二值网络数据回归
统计方法学
2023-05-29 v3
摘要
无向二值网络数据由成对行动者之间对称关系的指示变量构成。此类数据的回归模型可用于估计外生协变量对网络的影响并预测未观测数据。理想情况下，回归参数的估计量应考虑到网络中涉及同一行动者的关系间的内在依赖性。为考虑此类依赖性，研究者已提出大量潜在变量网络模型，然而许多潜在变量网络模型的估计在计算上繁重，且应以何种模型作为推断基础并不明确。我们提出针对无向二值网络数据的 Probit 可交换（PX）模型，其基于可交换性假设，该假设在文献中的许多潜在变量网络模型中常见。PX 模型可表示任意可交换网络模型的前两阶矩。我们利用 EM 算法获得 PX 模型的近似最大似然估计量，其计算效率极高。通过模拟研究，我们展示了所提模型在回归系数估计上相对于现有潜在变量网络模型的改进。在对政治倾向书籍购买行为的分析中，我们揭示了购买行为中的政治极化现象，并表明所提估计量在保持预测性能的同时，相对于潜在变量网络模型的估计量显著减少了运行时间。
引用
@article{arxiv.1911.00082,
title = {Regression of binary network data with exchangeable latent errors},
author = {Frank W. Marrs and Bailey K. Fosdick},
journal= {arXiv preprint arXiv:1911.00082},
year = {2023}
}