分开几个ERGM参数对单个网络级统计信息的生成的贡献

时间:2019-05-02 16:58:08

标签: networking logistic-regression

我想做的是分解几个ERGM(指数随机图模型)参数对单个网络级统计信息的生成的贡献。但是请注意,我认为这个问题并不是真正针对ERGM的,但是对于任何logit模型来说都是相同的,因为在我的情况下,网络模型不包含二重性依赖项。

想象一个友谊网络,以及一个带有三个参数的拟合ERGM:边缘和2个节点属性的2个节点匹配项(例如种族和社会阶层)。据我了解,ERGM找到了系数{s1,s2,s3}的唯一向量,该向量正确地再现了3个足够的统计量{S1,S2,S3}; S1是网络中的边缘数,S2和S3是在考虑中的两个属性上匹配的边缘数。

NB:如果模型中存在与二元组相关的术语,则ERGM会通过仿真来实现,但是在这种情况下,所有术语均与二元组无关,因此具有glm的简单二项式模型也可以做到这一点。

据我了解,所有这三个系数共同产生了所有三个足够的统计量。在我的示例中,种族和社会阶层是相关的:这意味着S2的生成值(在社会阶层属性上匹配的边数)不仅取决于系数s2,而且还取决于s3(以及边际项s1)当然)。

我的问题是:有没有办法将s2和s3各自的贡献与S2的观测值分开? (或者可能是观察到的S2之间的差异,以及纯随机分配的关系之间的差异)理想情况下,我想得出两个介于0和1之间的值,它们的总和等于1。可以说«在网络(S2)中观察到的社会阶层同质性水平的X%可以归因于s2,Y%归因于s3»。 我不确定是否可以像这样将S2分解为线性和,但是由于模型中的所有项都是独立的,我认为这可能可行吗? (如果模型中存在与dyad相关的项,那么所有系数都将在生成过程中有效地相互作用,因此显然是不可能的,但这不是这种情况)

非常感谢!

0 个答案:

没有答案