Geometric Model Selection for Latent Space Network Models: Hypothesis Testing via Multidimensional Scaling and Resampling Techniques

Sintesi Tecnica: Selezione del Modello Geometrico per Modelli di Rete nello Spazio Latente

Definizione del Problema
I modelli dello spazio latente rappresentano i legami di rete come una funzione della distanza tra i nodi in uno spazio geometrico sottostante a bassa dimensionalità. Sebbene lo spazio euclideo sia stato lo standard predefinito, la geometria iperbolica è sempre più riconosciuta per la sua capacità di imitare i pattern realistici delle reti complesse, come le strutture ad albero, le distribuzioni di grado asimmetriche e l'elevata clusterizzazione. Una sfida critica nell'analisi delle reti è determinare quale geometria (euclidea o iperbolica) sottenda un osservato rete specifica.

Approcci precedenti, come quelli di Papamichalis et al. [2022], si basano sul confronto dello "stress" (una metrica di bontà dell'adattamento) del Multidimensional Scaling (MDS) applicato alle distanze geodetiche osservate (lunghezze dei cammini minimi) attraverso diverse geometrie. Il metodo seleziona la geometria che produce lo stress inferiore. Tuttavia, questo articolo identifica un limite significativo: il confronto delle differenze di stress grezzo manca di rigore statistico e non tiene conto dell'incertezza. Le simulazioni dimostrano che questo approccio ingenuo classifica frequentemente reti euclidee grandi e sparse come iperboliche, poiché la metrica dello stress da sola è insufficiente per distinguere in modo affidabile la geometria sottostante.

Metodologia
Per affrontare la mancanza di rigorosità statistica nella selezione della geometria, gli autori propongono due framework di test di ipotesi che incorporano l'incertezza, andando oltre il semplice confronto dello stress:

1. Test di Permutazione (Non parametrici):
   Adattando i test di permutazione standard dell'MDS al contesto delle reti, gli autori propongono uno schema di permutazione che preserva la densità. Invece di permutare direttamente la matrice delle distanze geodetiche (il che violerebbe le proprietà metriche come la disuguaglianza triangolare), il metodo permuta la matrice di adiacenza $Y$.

• Procedura: La matrice di adiacenza viene permutata per generare nuove reti $\tilde{Y}$ preservando la densità dei bordi. Vengono mantenute solo le reti connesse. L'MDS classico e iperbolico viene applicato alle distanze geodetiche delle reti permutate per generare una distribuzione nulla delle differenze di stress.
• Ipotesi: L'ipotesi nulla ($H_0$) postula che la differenza osservata di stress tra le geometrie sia indistinguibile dalla differenza ottenuta tramite permutazione casuale.

2. Bootstrap Parametrico tramite Distanza Latente Condizionale (Estensione del J-Test):
   Gli autori estendono il test J di Davidson-MacKinnon ai modelli di rete dello spazio latente. Questo metodo genera una distribuzione di bootstrap parametrico di reti condizionate sulle distanze geodetiche osservate e sul Modello di Posizione Latente Gaussiano (GLPM).

• Base Teorica: Sfruttando il GLPM, gli autori derivano la distribuzione condizionata delle distanze latenti $P(d_{ij} | \delta_{ij} = k)$, dove $d_{ij}$ è la distanza euclidea latente e $\delta_{ij}$ è la distanza geodetica osservata. Ciò consente la generazione di reti di bootstrap che rispettano la struttura di rete osservata (specificamente, le distanze geodetiche) piuttosto che solo la densità dei bordi.
• Procedura:

1. Stimare i parametri per il GLPM basandosi sulla rete osservata.
2. Generare reti di bootstrap campionando le distanze latenti dalla distribuzione condizionata $P(d_{ij} | \delta_{ij})$ e costruendo nuove matrici di adiacenza.
3. Calcolare la differenza di stress per ogni campione di bootstrap.
4. Calcolare un p-value basato sulla proporzione di differenze di stress di bootstrap che sono minori o uguali alla differenza di stress osservata.

• Ipotesi: $H_0$ afferma che il modello iperbolico non fornisce alcun potere esplicativo aggiuntivo rispetto al modello euclideo.

Risultati Chiave
L'efficacia di questi metodi è stata valutata attraverso simulazioni su reti di varie dimensioni (da 15 a 200 nodi) e densità, nonché su dataset del mondo reale.

• Risultati delle Simulazioni:

  • Differenza di Stress Grezzo: Si comporta scarsamente su reti grandi e sparse, classificando quasi tutte le reti euclidee come iperboliche.
  • Test di Permutazione: Mostra una specificità migliorata (identificazione corretta delle reti euclidee) rispetto alle differenze di stress grezzo, ma rimane talvolta conservativo, classificando occasionalmente erroneamente reti iperboliche. Dimostra una maggiore sensibilità nel rilevare strutture iperboliche in reti grandi.
  • Reti di Bootstrap: Offre un migliore equilibrio tra sensibilità e specificità. Supera significativamente il metodo della differenza di stress grezzo nel distinguere le geometrie per le reti grandi e sparse, che sono comuni nei dati reali.
  • Limitazioni: Il metodo bootstrap richiede che le reti generate siano connesse. Nei casi con nodi a basso grado (ad esempio, il dataset UKfaculty), il processo di campionamento produce frequentemente grafi disconnessi, rendendo il metodo inapplicabile senza modifiche.

• Applicazioni nel Mondo Reale:

  • Zachary's Karate Club: Mentre lo stress grezzo favoriva un modello iperbolico, sia il test di permutazione ($p=0.1053$) che il metodo bootstrap ($p=0.1888$) non hanno rifiutato l'ipotesi nulla, suggerendo che la geometria euclidea sia il fit migliore.
  • Altri Dataset: Attraverso quattro dataset aggiuntivi (UKfaculty, adjnoun, dolphins, ffe friend), i metodi che considerano l'incertezza hanno fornito classificazioni più sfumate rispetto allo stress grezzo. Ad esempio, mentre lo stress grezzo favoriva il modello iperbolico per la rete "ffe friend", i metodi dell'incertezza suggerivano che il modello euclideo fosse un fit migliore.

Significatività e Rivendicazioni
L'articolo sostiene che selezionare una geometria latente basandosi esclusivamente sulle differenze di stress MDS è statisticamente infondato e incline all'errore, in particolare per reti grandi e sparse. Il contributo primario è l'adattamento dei framework di test di ipotesi (permutazione e bootstrap parametrico) al contesto dello spazio latente per tenere conto rigorosamente dell'incertezza.

Gli autori affermano che:

1. Rigore Statistico: L'incorporazione dell'incertezza tramite permutazione o bootstrapping previene la sistematica classificazione errata delle reti euclidee come iperboliche.
2. Estensione Metodologica: Il lavoro estende con successo il test J di Davidson-MacKinnon a modelli a spazio latente non annidati con geometrie differenti, utilizzando la distribuzione condizionata delle distanze latenti date le distanze geodetiche.
3. Utilità Pratica: I metodi proposti sono particolarmente efficaci per le reti "grandi e sparse" tipiche dei dati reali, dove il semplice confronto dello stress fallisce.

Gli autori rimangono modesti riguardo ai limiti, notando che il metodo bootstrap è computazionalmente costoso ed è attualmente dipendente dalle assunzioni del modello LPM gaussiano. Suggeriscono che estensioni future potrebbero coinvolgere altri modelli di spazio latente (ad esempio, legami non gaussiani) o diverse geometrie di base (ad esempio, sferica), ma non propongono specifiche nuove applicazioni oltre l'ambito della presente analisi di simulazione e di dati reali.