Bayesian inference for partial orders from random linear extensions: power relations from 12th Century Royal Acta

Sintesi Tecnica: Inferenza Bayesiana per Ordini Parziali da Estensioni Lineari Casuali

Enunciato del Problema
Il documento affronta la sfida statistica di inferire una gerarchia sociale in evoluzione temporale da dati di ordinamento, dove la struttura sottostante non è necessariamente un ordine completo (totale). Gli autori analizzano 371 elenchi di testimoni provenienti dagli Acta Reali Inglesi e Normanni del XII secolo (documenti legali), registrando l'ordine in cui sono stati elencati 67 vescovi. Gli storici ipotizzano che tale ordinamento rifletta una gerarchia sociale basata su status, anzianità e influenza politica. Tuttavia, i dati sono rumorosi, incompleti (in ogni elenco appaiono solo sottoinsiemi di vescovi) e la gerarchia sottostante potrebbe contenere coppie di attori incomparabili (un ordine parziale), piuttosto che una singola classificazione lineare. I modelli esistenti per i dati di ordinamento, come Mallows e Plackett-Luce, assumono tipicamente un ordine totale o probabilità indipendenti dal contesto, il che potrebbe essere inappropriato per questo contesto storico in cui ci si aspetta la transitività ma l'ordine è parziale.

Metodologia
Gli autori propongono un Modello Markoviano Nascosto (HMM) Bayesiano in cui lo stato latente è un ordine parziale (poset) in evoluzione e i dati osservati sono estensioni lineari casuali di tale poset.

1. Parametrizzazione della Variabile Latente:

   • Il poset al tempo $t$, indicato con $h(t)$, è generato da una matrice di status latente $Z(t)$ di dimensione $K$.
   • Per ogni vescovo $j$, un vettore di autorità latente $U^{(t)}_j$ evolve nel tempo come un'autoregressione vettoriale (VAR) di ordine 1.
   • Un effetto di covariata $\beta_{s_{t,j}}$ basato sull'anzianità viene aggiunto al vettore di autorità per formare il vettore di status: $Z^{(t)}_j = U^{(t)}_j + \mathbf{1}_K \beta_{s_{t,j}}$.
   • Il poset $h(t)$ è definito dall'intersezione di $K$ ordini totali derivati dalle colonne di $Z(t)$. Il vescovo $i$ precede $j$ nel poset se e solo se $Z^{(t)}_{i,k} > Z^{(t)}_{j,k}$ per ogni $k=1,\dots,K$.
   • La dimensione $K$ è scelta come $\lfloor D/2 \rfloor$ (dove $D$ è il numero massimo di vescovi attivi), garantendo che il modello possa rappresentare qualsiasi poset possibile (proprietà di rappresentazione universale).

2. Modello di Osservazione (Salto nella Coda):

   • Gli elenchi osservati sono modellati come estensioni lineari "rumorose" del vero poset.
   • Gli autori introducono un meccanismo di "salto nella coda": con probabilità $p$, il prossimo attore nell'elenco è scelto uniformemente a caso (ignorando i vincoli del poset); altrimenti, l'attore è scelto secondo un'estensione lineare casuale del sotto-ordine rimanente.
   • Ciò consente la presenza di "rumore" in cui l'ordine osservato contraddice la gerarchia sottostante, mantenendo al contempo il vincolo per cui le estensioni lineari valide sono più probabili.
   • Il modello gestisce elenchi incompleti (sottoinsiemi di vescovi) condizionando sul sotto-ordine indotto dagli attori presenti.

3. Priori e Coerenza:

   • Il priori sul processo del poset è costruito per essere coerente marginalmente, il che significa che la distribuzione di un sotto-ordine (indotto da un sottoinsieme di attori) è coerente con la distribuzione dell'ordine completo. Ciò è ottenuto utilizzando un priori specifico sui vettori latenti $U$ e sul parametro di correlazione $\rho$.
   • Un iperparametro $\rho$ controlla la "profondità" del poset (la lunghezza della catena più lunga). Il priori è progettato per essere non informativo riguardo alla profondità, evitando la concentrazione su poset di profondità 3 osservata nei priori uniformi su tutti i poset.
   • Gli effetti di anzianità $\beta$ sono vincolati a essere ordinati ($\beta_1 > \beta_2 > \dots$) per riflettere le aspettative storiche secondo cui l'anzianità è correlata allo status, sebbene siano stati testati anche modelli senza vincoli.

4. Inferenza:

   • L'inferenza posteriore viene eseguita utilizzando la Catena di Markov Monte Carlo (MCMC) con aggiornamenti Metropolis-Hastings.
   • La verosimiglianza implica il conteggio delle estensioni lineari, un problema #P-completo. Gli autori utilizzano algoritmi di conteggio ricorsivi (in particolare il pacchetto lecount) che sono fattibili per il piccolo numero di attori ($m \le 22$) in questo dataset, ma limitano la scalabilità a problemi più grandi.

Contributi Chiave

• Nuova Classe di Modelli: Il documento introduce un quadro generale per la modellazione di dati di ordinamento in serie temporali in cui la struttura sottostante è un ordine parziale, generalizzando modelli esistenti come Mallows e Plackett-Luce.
• Coerenza Marginale: Gli autori derivano e dimostrano che il loro priori a variabile latente per i poset è coerente marginalmente, una proprietà spesso violata nei priori ad hoc per gli ordini parziali.
• Rappresentazione Universale: Dimostrano che con una dimensione latente $K \ge \lfloor D/2 \rfloor$, il modello può rappresentare qualsiasi serie temporale di poset possibile, garantendo l'assenza di pregiudizi strutturali contro gerarchie complesse.
• Applicazione Storica: Questa è la prima analisi statistica degli elenchi di testimoni degli Acta Reali del XII secolo che modella esplicitamente la gerarchia sociale come ordine parziale, separando gli effetti dell'anzianità dall'autorità personale.

Risultati

• Adattamento del Modello: Il modello basato su poset supera alternative più semplici (ordini Vertex-Series-Parallel, Ordini a Secchia) e un modello di miscela temporale Plackett-Luce in termini di bontà di adattamento (misurato tramite Validazione Incrociata Leave-One-Out e Fattori di Bayes).
• Anzianità vs Autorità: L'analisi conferma una forte dipendenza dello status dall'anzianità, con l'effetto dell'anzianità che diminuisce all'aumentare del numero di rango. Tuttavia, il modello isola con successo l'"autorità" (deviazioni dall'anzianità).
• Approfondimenti Storici:
  • Vescovi Normanni: Il modello rileva un declino nello status dei vescovi normanni (ad esempio, da Avranches, Bayeux, Évreux) rispetto ai vescovi inglesi a partire dall'inizio del XII secolo, una tendenza non precedentemente quantificata.
  • Influenza Politica: Lo status di vescovi specifici, come Enrico di Blois (fratello di re Stefano) e Nigel di Ely, fluttua in modi correlati al favore o alla disgrazia politica, indipendentemente dalla loro anzianità.
  • Struttura Gerarchica: I poset di consenso ricostruiti sono relativamente superficiali, costituiti tipicamente da pochi gruppi di vescovi di rango medio con un piccolo numero di attori sopra o sotto, piuttosto che da una gerarchia profonda e rigida.

Significato e Affermazioni
Il documento afferma che il suo contributo principale è lo sviluppo di un metodo statisticamente rigoroso per inferire ordini parziali in evoluzione da dati di ordinamento rumorosi e incompleti. Applicando questo metodo agli Acta storici, gli autori forniscono prove quantitative su come funzionavano le gerarchie sociali nel XII secolo, distinguendo specificamente tra anzianità strutturale e autorità politica fluida.

Gli autori sono modesti riguardo alla scalabilità computazionale del loro metodo, riconoscendo che la natura #P-completa del conteggio delle estensioni lineari limita il modello a dataset con un piccolo numero di attori (circa 20). Suggeriscono che per dataset più grandi, classi ristrette di poset (come gli ordini VSP o gli Ordini a Secchia) potrebbero essere compromessi necessari. Notano inoltre che, sebbene il loro modello si adatti bene ai dati, il modello di "rumore" assume che gli errori si verifichino in una direzione (salto nella coda), e che lavori futuri potrebbero esplorare modelli di rumore bidirezionali.

In definitiva, il documento sostiene che assumere un ordine totale (come nei modelli di classificazione standard) è ingiustificato per questo tipo di dati sociali e che i modelli di ordine parziale offrono una rappresentazione più accurata e interpretabile delle strutture sociali storiche.