近日，由西南财经大学数据科学与商业智能联合实验室常晋源教授、澳大利亚悉尼大学方沁博士、加拿大麦吉尔大学Eric D. Kolaczyk教授、滑铁卢大学Peter W. MacDonald博士与英国伦敦政治经济学院姚琦伟教授合作完成的论文”Autoregressive networks with dependent edges”被统计学国际顶级学术期刊《Journal of the Royal Statistical Society Series B》正式接收。
内容简介
本文提出了一种用于刻画边之间存在依赖性的动态网络的自回归建模框架。该框架能够涵盖多种常见模型设定，例如可以刻画传递性、度异质性以及真实网络数据中经常出现的其他典型结构特征。该框架假设在每一时刻，给定网络中边的滞后取值后，当期各条边具有条件独立性。基于该框架所提出的模型与时序指数随机图模型（temporal exponential random graph models）之间存在紧密联系，并使得模型模拟与极大似然估计（maximum likelihood estimation, MLE）的实施都变得较为直接。由于模型中可能包含大量参数，传统的极大似然估计可能面临收敛速度较慢的问题。为此，本文针对每一个分量参数，提出了一种基于投影迭代的改进估计方法，以减弱其他参数对该分量参数估计的影响。进一步地，本文借助鞅差结构，在不要求平稳性的条件下，推导了改进估计量的渐近分布。一般而言，其极限分布未必是正态分布；但当所涉及的过程满足某些混合条件时，该极限分布可退化为正态分布。最后，本文以一个能够刻画传递性效应的模型为例，在模拟研究和真实网络数据分析中对所提方法的效果进行了验证。
作者简介
常晋源，西南财经大学光华首席教授、数据科学与商业智能联合实验室执行主任、统计交叉创新研究院执行院长。主要从事复杂数据分析相关的研究。
方沁，澳大利亚悉尼大学助理教授。主要从事动态网络分析、函数型数据/时间序列分析和高维统计等领域的研究。
Eric D. Kolaczyk，加拿大麦吉尔大学教授。主要从事网络数据的统计与机器学习方法研究，尤其关注在计算系统与工程系统支持下的人类活动中网络数据的建模、分析与应用。
Peter W. MacDonald，加拿大滑铁卢大学助理教授。主要从事多重网络与动态网络的统计分析与方法、网络数据的选择后推断（post-selection inference）、形式化隐私保护方法以及公平统计方法的研究。
姚琦伟，英国伦敦政治经济学院讲席教授。主要从事时间序列分析、降维和因子建模、动态网络建模、时空建模、金融计量经济学和非参数回归等领域的研究。
