×
阿尔贝托·凯莫；伊莎贝拉·戈里尼

加权网络的多层指数随机图建模方法。 （英语） Zbl 1507.62021号

计算。统计数据分析。 142，文章ID 106825，18 p.（2020）.
摘要：介绍了一种分析具有序数/多面体并矢值的加权网络的新建模方法。具体而言，建议使用分层多层指数随机图模型（ERGM）生成过程来建模加权网络连接结构，其中每个网络层表示不同的有序二元类别。假设网络层是由ERGM过程生成的，该过程以最接近的较低网络层为条件。该方法的一个关键优点是可以采用二进制网络统计规范来描述层间和跨层网络过程，从而便于解释与模型中包含的网络效应相关的参数估计。贝叶斯方法提供了一种自然的方法来量化与模型参数相关的不确定性。从计算的角度出发，提出了一种近似交换算法的扩展，用于从双重难以处理的参数后验分布中采样。对人工数据进行了模拟研究，并在已知数据集上说明了该方法的应用。最后，提出了一种用于模型评估的拟合优度诊断程序。

引用于三文件

MSC公司：

62-08 统计问题的计算方法
05C80号 随机图（图论方面）
2015年1月62日 贝叶斯推断
62H22个 概率图形模型
91天30分 社交网络；意见动态

关键词：

统计网络模型；加权网络；贝叶斯分析；棘手的模型

软件：

能量管理；伯格姆
PDF格式BibTeX公司 XML格式引用
\textit｛A.Caimo｝和\textit｛I.Gollini｝，计算机。统计数据分析。142，文章ID 106825，18 p.（2020；Zbl 1507.62021）
全文： 内政部 arXiv公司

参考文献：

[1] 阿尔基尔，P。；弗里尔，N。；埃弗里特，R。；Boland，A.，Noisy Monte Carlo:具有近似转移核的马尔可夫链的收敛性，统计计算。，26, 1-2, 29-47 (2016) ·Zbl 1342.60122号
[2] Barrat，A。；Barthelemy，M。；Pastor-Satorras，R。；Vespignani，A.，《复杂加权网络的架构》，Proc。国家。阿卡德。科学。，101, 11, 3747-3752 (2004)
[3] Besag，J.E.，《晶格系统的空间相互作用和统计分析》（含讨论），J.R.Stat.Soc.Ser。B统计方法。，36, 192-236 (1974) ·Zbl 0327.60067号
[4] Bomiriya，R.P。；班萨尔，S。；Hunter，D.R.，《二方网络ERGM中的同质性建模》，（稳健统计国际会议（2016））
[5] Bouranis，L。；弗里尔，N。；Maire，F.，《通过修正伪后验分布对指数随机图模型进行有效贝叶斯推断》，《社交网络》，50，98-108（2017）
[6] Bouranis，L。；弗里尔，N。；Maire，F.，通过调整伪似然选择指数随机图模型的贝叶斯模型，J.Compute。图表。统计学。，1-13 (2018) ·Zbl 07498929号
[7] E.布尔摩尔。；《复杂脑网络：结构和功能系统的图论分析》，《神经科学自然评论》。，10, 3, 186 (2009)
[8] Caimo，A.，Bouranis，L.，Krause，R.，Friel，N.，2019年。贝叶斯指数随机图模型。网址：https://CRAN.R-project.org/package=Bergm; Caimo，A.，Bouranis，L.，Krause，R.，Friel，N.，2019年。Bergm：贝叶斯指数随机图模型。网址：https://CRAN.R-project.org/package=Bergm
[9] Caimo，A。；Friel，N.，指数随机图模型的贝叶斯推断，社会网络，33，1，41-55（2011）
[10] Caimo，A。；Friel，N.，Bergm:R，J.Stat.Softw.中的贝叶斯指数随机图。，61,2,1-25（2014），网址http://www.jstatsoft.org/v61/i02/
[11] Caimo，A。；Mira，A.，《贝叶斯社交网络应用中双重棘手问题的高效计算策略》，统计计算。，2013年12月25日（2015年）·Zbl 1331.62127号
[12] Caimo，A。；帕洛蒂，F。；Lomi，A.，《医院间患者转诊网络的贝叶斯指数随机图建模》，Stat.Med.，36，18，2902-2920（2017）
[13] Desmarais，B.A。；Cranmer，S.J.，《值边网络的统计推断：广义指数随机图模型》，PLoS One，7，1，文章e30136 pp.（2012）
[14] Everitt，R.G.，潜在马尔可夫随机场和社交网络的贝叶斯参数估计，J.Compute。图表。统计学。，21, 4, 940-960 (2012)
[15] 加拉舍利，D.，加权随机图模型，新J.物理学。，073005年7月11日（2009年）
[16] Handcock，M.S.，2003年。评估社交网络统计模型中的简并性。华盛顿大学统计与社会科学中心技术报告工作文件39。；Handcock，M.S.，2003年。评估社交网络统计模型中的简并性。华盛顿大学统计与社会科学中心技术报告工作文件39。
[17] Handcock，M.S.、Hunter，D.R.、Butts，C.T.、Goodreau，S.M.、Krivitsky，P.N.、Morris，M.（2019年）。ERGM：网络指数族模型的拟合、模拟和诊断。Statnet项目(https://statnet.orghttps://CRAN.R-project.org/package=ergm；Handcock，M.S.、Hunter，D.R.、Butts，C.T.、Goodreau，S.M.、Krivitsky，P.N.、Morris，M.（2019年）。ERGM：网络指数族模型的拟合、模拟和诊断。Statnet项目(https://statnet.orghttps://CRAN.R-project.org/package=ergm
[18] 荷兰，P.W。；Leinhardt，S.，有向图概率分布的指数族（带讨论），J.Amer。统计师。协会，76，33-65（1981）·Zbl 0457.62090号
[19] Horvath，S.，《加权网络分析：在基因组学和系统生物学中的应用》（2011），Springer Science&Business Media
[20] Hunter，D.R.，社交网络的弯曲指数族模型，社交网络，29，2，216-230（2007）
[21] 亨特·D·R。；Goodreau，S.M。；Handcock，M.S.，《社交网络模型的拟合度》，J.Amer。统计师。协会，103，481，248-258（2008）·Zbl 1471.62390号
[22] 亨特·D·R。；手动旋塞，M.S。；巴特斯，C.T。；Goodreau，S.M。；Morris，M.，ERGM：网络指数族模型拟合、模拟和诊断软件包，J.Stat.Softw。，24，3，1-29（2008），网址http://www.jstatsoft.org/v24/i03
[23] Killworth，P.D。；Bernard，H.，《社交网络数据中的告密者准确性II》，《人类通讯》。第4、1、3-18号决议（1977年）
[24] Koskinen，J。；Caimo，A。；Lomi，A.，《动态网络中初始条件和时间异质性的同步建模：外国直接投资的应用》，Netw。科学。，3, 1, 58-77 (2015)
[25] Krivitsky，P.N.，有值网络的指数族随机图模型，电子。《美国法律总汇》第61100页（2012年）·Zbl 1264.91105号
[26] Krivitsky，P.N。；Butts，C.T.，等级关系数据的指数族随机图模型，社会学。Methodol.方法。，47, 1, 68-112 (2017)
[27] Krivitsky，P.N。；Handcock，M.S.，动态网络的可分离模型，J.R.Stat.Soc.Ser。B统计方法。，76, 1, 29-46 (2014) ·Zbl 1411.90079号
[28] 我·穆雷。；Ghahramani，Z.，《无向图形模型中的贝叶斯学习：近似MCMC算法》，（人工智能中的不确定性（UIA-2004）（2004）），392-399
[29] Opsahl，T。；科利扎，V。；Panzarasa，P。；Ramasco，J.J.，《突显与控制：加权rich-club效应》，Phys。修订稿。，101, 16, 168702 (2008)
[30] Park，J。；Haran，M.，《存在难以处理的归一化函数时的贝叶斯推断》，J.Amer。统计师。协会，113，523，1372-1390（2018）·Zbl 1402.62046号
[31] 帕蒂森，P。；Wasserman，S.，《社交网络的Logit模型和逻辑回归：II》。多元关系，英国数学杂志。《心理统计》。，52, 2, 169-193 (1999)
[32] 2019年R核心团队。R： 统计计算语言和环境。奥地利维也纳R统计计算基金会。网址：https://www.R-project.org/; 2019年R核心团队。R： 统计计算语言和环境。奥地利维也纳R统计计算基金会。网址：https://www.R-project.org/
[33] 罗宾斯，G。；帕蒂森，P。；卡利什，Y。；Lusher，D.，社交网络指数随机图模型简介，社交网络，29，2，169-348（2007）
[34] 罗宾斯，G。；帕蒂森，P。；Wasserman，S.，《社交网络的Logit模型和逻辑回归：III.价值关系》，《心理测量学》，64，3，371-394（1999）·Zbl 1365.62459号
[35] Salter-Townshend，M。；怀特，A。；戈里尼，I。；Murphy，T.B.，《统计网络分析评论：模型、算法和软件》，《统计分析》。数据最小，5，4，243-264（2012）·Zbl 07260329号
[36] Schweinberger，M.、Handcock，M.S.、Babkin，S.、Stewart，J.、Vu，D.、Luna，P.，2019年。hergm：层次指数族随机图模型。网址：https://CRAN.R-project.org/package=hergm; Schweinberger，M.、Handcock，M.S.、Babkin，S.、Stewart，J.、Vu，D.、Luna，P.，2019年。hergm：层次指数族随机图模型。网址：https://CRAN.R-project.org/package=hergm
[37] 施温伯格，M。；Luna，P.，Hergm：分层指数族随机图模型，J.Stat.Softw。，85，1（2018）
[38] Slaughter，A.J。；Koehly，L.M.，《社交网络的多级模型：指数随机图建模的层次贝叶斯方法》，《社交网》，44，334-345（2016）
[39] Snijders，T.A.B。；帕蒂森，体育。；罗宾斯，G.L。；S.，H.M.，指数随机图模型的新规范，社会学。Methodol.方法。，36, 99-153 (2006)
[40] 斯图尔特，J。；施温伯格，M。；博亚诺夫斯基，M。；Morris，M.，多层网络数据促进了带有几何加权项的曲线ERGM的统计推断，《社会网络》，59，98-119（2019）
[41] 施特劳斯，D。；Ikeda，M.，《社交网络的伪似然估计》，J.Amer。统计师。协会，5204-212（1990）
[42] Wilson，J.D。；M.J.丹尼。；巴米迪，S。；Cranmer，S.J。；Desmarais，B.A.，随机加权图：灵活的模型规范和模拟，社交网络，49，37-47（2017）
[43] 怀亚特，D。；乔杜里，T。；Bilmes，J.A.，《用多值时间非均匀模型发现社交网络的长期特性》（AAAI（2010））
[44] Zachary，W.，《小群体冲突和分裂的信息流模型》，J.Anthropol。决议，33，452-473（1977年）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。