数学 > 统计理论
[提交于 2020年10月26日
(v1)
,最后修订 2024年9月28日 (此版本, v3)]
标题: 一种用于网络分析的稀疏贝塔回归模型
标题: A Sparse Beta Regression Model for Network Analysis
摘要: 对于网络数据的统计分析,$\beta$模型因其在结合节点异质性和理论可处理性方面的灵活性而成为一种有用的工具。 为了推广$\beta$模型,本文提出了稀疏$\beta$回归模型(S$\beta$RM),该模型结合了最近在建模相似性和稀疏性方面的两个研究主题。 具体而言,我们采用差异异质性,仅对重要节点分配权重,并提出带有$\ell_1$惩罚的惩罚似然函数用于参数估计。 虽然我们的估计方法与逻辑回归的 LASSO 方法密切相关,但我们发展了新的理论,强调使用我们的模型来处理通常在实践中看到的稀疏网络的参数范围。 更有趣的是,对相似性参数的推断不需要通常在 LASSO 类似估计中使用的去偏处理。 我们提供了广泛的模拟和数据分析来说明该模型的使用。 作为我们模型的一个特例,我们通过引入协变量扩展了 Erdős-Rényi 模型,并为稀疏网络开发了相关的统计推断,这可能具有独立的兴趣。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.