在自逻辑斯蒂行动者属性模型中使用抽样网络数据
社会与信息网络
2020-02-05 v2 统计方法学
摘要
社会科学研究日益受益于用于理解社会生活结构化本质的统计方法，包括针对社交网络数据的方法。然而，统计网络模型在大规模社区研究中的应用受到阻碍，因为对其在现实数据收集条件（包括抽样或缺失网络数据）下推断有效性的理解太少。自逻辑斯蒂行动者属性模型（ALAAM）是一种基于完善的指数随机图模型（ERGM）的社交网络统计模型。ALAAM 可被视为一种社会影响模型，基于行动者的网络关系、其网络伙伴的同期结果，以及行动者及其网络伙伴的属性来预测个体层面结果。特别地，ALAAM 可用于度量传染效应，即由社交网络关系连接的两个行动者均具有某属性相同取值的倾向。我们研究了使用网络数据的简单随机样本与滚雪球样本对 ALAAM 参数推断的影响，发现即便存在不可忽略的缺失节点比例，参数推断仍可有效工作。然而，更稳妥的做法是对网络进行滚雪球抽样，并在滚雪球抽样结构条件下进行估计。
引用
@article{arxiv.2002.00849,
title = {Using Sampled Network Data With The Autologistic Actor Attribute Model},
author = {Alex D. Stivala and H. Colin Gallagher and David A. Rolls and Peng Wang and Garry L. Robins},
journal= {arXiv preprint arXiv:2002.00849},
year = {2020}
}
备注
Change author affiliation, add citation for network science collaboration network data, and other minor corrections