Estimation and Statistical Inference for Generalized Multilayer Latent Space Model

Resumen Técnico: Estimación e Inferencia Estadística para el Modelo de Espacio Latente Multicapa Generalizado

Planteamiento del Problema
Las redes multicapa, que capturan múltiples tipos de relaciones entre entidades a través de diferentes capas, son ubicuas en campos que van desde las ciencias sociales hasta la biología. Si bien se han logrado avances significativos en la detección de comunidades y la estimación para redes multicapa (por ejemplo, mediante modelos estocásticos de bloques multicapa y modelos de espacio latente), el marco teórico para la inferencia estadística sigue estando subdesarado. Específicamente, la teoría de inferencia existente se basa en gran medida en modelos lineales (por ejemplo, el modelo COSIE) o se centra en redes no dirigidas. Existe una falta de métodos rigurosos para:

1. Estimar posiciones latentes y matrices de conexión en redes multicapa dirigidas con funciones de enlace no lineales (manejando tipos de aristas binarias, de conteo y continuas).
2. Establecer las distribuciones asintóticas de estos estimadores para permitir la cuantificación de la incertidumbre (por ejemplo, regiones de confianza) y el contraste de hipótesis (por ejemplo, probar si dos capas comparten la misma estructura).

El desafío central radica en que la estructura de la red se modela como un tensor que admite una descomposición de bajo rango tipo Tucker involucrando funciones de enlace no lineales. Esta formulación hace que las técnicas existentes para modelos tensoriales lineales sean inaplicables e introduce dificultades técnicas significativas para derivar la normalidad asintótica, particularmente debido a problemas de identificabilidad y a la no convexidad de la optimización tensorial a gran escala.

Metodología
Los autores proponen un Modelo de Espacio Latente Multicapa Generalizado y un novedoso procedimiento de estimación de Desplegamiento y Fusión (Unfolding and Fusion).

1. Formulación del Modelo:

   • El modelo representa una red dirigida multicapa con $n$ nodos y $T$ capas.
   • A cada nodo $i$ se le asignan dos posiciones latentes: $\theta_i$ (comportamiento de envío) y $\phi_i$ (comportamiento de recepción).
   • Cada capa $t$ tiene una matriz de conexión específica $\Lambda_t$ que rige las interacciones.
   • La interacción esperada $x_{ijt}$ se modela como $x_{ijt} = \theta_i^\top \Lambda_t \phi_j + \beta_{it} + \alpha_{jt}$, donde $\beta_{it}$ y $\alpha_{jt}$ dan cuenta de la heterogeneidad de grado de salida y de entrada, respectivamente.
   • La arista observada $y_{ijt}$ sigue una distribución $g_{ijt}(\cdot | x_{ijt})$ de la familia exponencial, lo que permite aristas binarias, de Poisson o gaussianas mediante funciones de enlace no lineales.
   • El modelo se expresa como un tensor $X$ que admite una descomposición Tucker: $X = [S; \Theta, \Phi, I_T] + \text{términos de grado}$, donde $S$ es el tensor núcleo que contiene las matrices de conexión específicas de cada capa.

2. Estimación (Desplegamiento y Fusión):

   • Para evitar la optimización tensorial a gran escala, computacionalmente intensiva y no convexa, los autores proponen desplegar el tensor de adyacencia a lo largo del primer y segundo modo para formar matrices $Z_1$ y $Z_2$.
   • Paso 1: Estimar los factores de bajo rango $(U_m, V_m)$ para $m=1, 2$ resolviendo problemas de máxima verosimilitud restringidos en las matrices desplegadas. Las restricciones incluyen ortogonalidad y acotación para asegurar la identificabilidad.
   • Paso 2: Aplicar un operador de centrado de dos lados para eliminar los efectos de los parámetros de heterogeneidad de grado.
   • Paso 3: Extraer los estimadores de las posiciones latentes ($\hat{\Theta}, \hat{\Phi}$) a partir de los vectores singulares de las matrices desplegadas centradas.
   • Paso 4: Estimar las matrices de conexión específicas de la capa ($\hat{\Lambda}_t$) mediante una estrategia de fusión. Esto implica combinar los vectores singulares derechos del primer desplegamiento con los vectores singulares izquierdos del segundo desplegamiento, mediante la multiplicación de matrices, reconstruyendo efectivamente el tensor núcleo sin recurrir a la optimización tensorial directa.

3. Identificabilidad:

   • El artículo establece condiciones (Supuesto 1) bajo las cuales los parámetros son identificables salvo por el cambio de signo. Esto implica restricciones de ortogonalidad sobre las posiciones latentes y propiedades espectrales específicas del tensor núcleo y los factores de heterogeneidad de grado.

Resultados Teóricos Clave
El artículo establece propiedades asintóticas rigurosas para los estimadores propuestos:

1. Consistencia: Los estimadores para las posiciones latentes ($\hat{\Theta}, \hat{\Phi}$) y las matrices de conexión logran tasas de convergencia uniformes. Específicamente, el error de la norma de Frobenius converge a una tasa de $O_p(1/T + T^{2\delta}/n^{1-4\delta})$, y la tasa de error uniforme es $O_p(\log n \cdot (1/\sqrt{nT} + T^\delta/n^{1-2\delta}))$.
2. Normalidad Asintótica de las Posiciones Latentes: Los autores derivan la normalidad asintótica para las filas individuales de las posiciones latentes estimadas ($\hat{\Theta}_i, \hat{\Phi}_i$). Esto se logra analizando la matriz Hessiana del log-verosimilitud regularizada por el Lagrangiano para manejar las restricciones de identificabilidad. Se demuestra que los estimadores son estimadores "oráculo", alcanzando el límite inferior de Cramér-Rao.
3. Normalidad Asintótica de las Matrices de Conexión: Se desarrolla un novedoso marco de inferencia de sesgo corregido (debiased inference) para las matrices de conexión. Los autores muestran que el estimador $\hat{\Lambda}_t$ presenta un sesgo derivado de términos de error de segundo orden en las expansiones de los vectores singulares. Derivan formas explícitas para estos términos de sesgo y construyen un estimador de sesgo corregido que satisface un teorema del límite central.
4. Aplicaciones de Inferencia: Estos resultados permiten:
   • La construcción de regiones de confianza para las posiciones latentes.
   • El contraste de hipótesis para diferencias estructurales entre las capas de la red (por ejemplo, probar si $\Lambda_t = \Lambda_{t'}$).

Significancia y Reivindicaciones
El artículo afirma ser uno de los primeros en desarrollar teoría de inferencia para modelos de redes multicapa no lineales. Sus principales contribuciones son:

• Flexibilidad: El modelo acomoda diversos tipos de aristas (binarias, de conteo, continuas) e interacciones dirigidas, generalizando modelos existentes como el modelo de espacio latente multicapa y COSIE.
• Eficiencia Computacional: El método de Desplegamiento y Fusión evita la necesidad de la optimización tensorial directa a gran escala, aprovechando resultados establecidos de la estimación de matrices de bajo rango y el análisis factorial.
• Inferencia Estadística: Al establecer la normalidad asintótica tanto para las posiciones latentes como para las matrices de conexión, el trabajo proporciona la base teórica para la cuantificación de la incertidumbre y el contraste de hipótesis en redes multicapa, un vacío que existía previamente para configuraciones no lineales.
• Validación: Los métodos propuestos se validan mediante extensos estudios de simulación y se aplican a datos del mundo real, demostrando utilidad práctica.

Los autores mantienen un tono modesto respecto al alcance, señalando que, si bien abordan los desafíos centrales de la estimación e inferencia para esta clase específica de modelos, los resultados son específicos para el marco propuesto y sus supuestos (por ejemplo, la estructura de factor para la heterogeneidad de grado).