テクニカル・サマリー：ネットワークデータにおける部分空間の等価性に関する二標本仮説検定

問題の定式化

本論文は、エッジ確率が大きく異なる場合であっても、2つの独立したネットワーク値データセットが、共通の潜在的なコミュニティ構造（すなわち、その潜在的な構造的連結パターン）を共有しているかどうかを判断するという、根本的な課題に取り組んでいる。ソーシャルネットワークのプラットフォーム間比較や、空港の接続性の経時的分析など、多くのアプリケーションにおいて、「コミュニティ」（潜在グループ）は安定している一方で、密度や特定の接続確率は変動する場合がある。

形式的には、$A^{(1)}$ と $A^{(2)}$ を、ランク $k$ の対称かつ低ランクな確率行列 $P^{(1)}$ および $P^{(2)}$ から生成された、$n \times n$ サイズの独立な隣接行列とする。著者らは、これらの確率行列の主要な固有ベクトルによって張られる列空間（部分空間）が同一であるという帰無仮説を提案する：
$$H_0: V^{(1)}(V^{(1)})^\top = V^{(2)}(V^{(2)})^\top$$
および、部分空間が異なる場合の対立仮説 $H_1$ を設定する。ここで、$V^{(i)} \in \mathbb{R}^{n \times k}$ は、$P^{(i)}$ の非ゼロ固有値に対応する正規直交固有ベクトルを含む。

この仮説は、置換とスケーリングを除いた、ストカスティック・ブロックモデル（SBM）および混合メンバーシップ・ストカスティック・ブロックモデル（MMSBM）におけるコミュニティ構造の等価性の検定、および一般化ランダム・ドット積グラフ（GRDPG）における潜在的特徴空間の等価性の検定と等価であることが示されている。

手法

検定統計量

提案される検定統計量は、2つのネットワークの経験的スペクトル射影行列の差のフロベニウスノルムに基づいている。$\hat{V}^{(i)}$ を $A^{(i)}$ の主要な $k$ 個の経験的固有ベクトルの行列とする。統計量は次のように定義される：
$$T_n := \| \hat{V}^{(1)}(\hat{V}^{(1)})^\top - \hat{V}^{(2)}(\hat{V}^{(2)})^\top \|_F^2$$

漸近理論

核心となる理論的貢献は、適切な中心化とスケーリングの下で、$T_n$ が標準ガウス乱数に収束するという極限定理を確立したことである。この結果は、以下の条件の下で成立する：

1. スパース性: 平均期待次数が頂点数 $n$ に対して少なくとも対数的に成長すること（$n\rho_n \gg \log n$）。
2. 固有値のスケーリング: 確率行列の非ゼロ固有値が $n\rho_n$ に対して線形にスケールすること。
3. 非コヒーレンス: 母集団固有ベクトルの行が一様に広がっていること（バランスの取れたコミュニティサイズを持つブロックモデルにおいて満たされる条件）。

統計量の漸近的な平均（$\mu_2$）および分散（$\sigma_2^2$）は、母数を用いて明示的に導出される。この導出は、射影の差に関する新しい行列級数展開に基づき、統計量を支配的な二次項と高次の剰余項に分解することに依拠している。証明には、二次項に対してガウス限界を確立するためのマルチンゲール中心極限定理が用いられ、同時に高次項が漸近的に無視可能であることを示している。

データ駆動型推定

この検定を実用的にするために、著者らは漸近的な平均と分散に対する一貫性のあるプラグイン推定量（plug-in estimators）を提案している。これらの推定量は、未知の母集団固有ベクトルと固有値を、それぞれの経験的対応物で置き換えるものである。これらの推定量の整合性は、より強い「高密度レジーム」の仮定（$n\rho_n \gg \sqrt{n}$）の下で証明されており、これにより推定誤差が極限分布を歪めないことが保証される。

一標本アナロジー

本論文は、既知のリファレンス部分空間と経験的部分空間の間の距離を評価する、一標本検定に対応する極限定理も確立している。この結果は、二標本の証明の技術的基礎となっており、射影距離に関する信頼区間の基礎を提供する、独立した関心を持つ結果として提示されている。

主な貢献

1. 共通部分空間のための二標本検定: 著者らは、低ランク確率行列の列空間の等価性を判定するためのスペクトル検定統計量を提案している。彼らはその漸近正規性を証明し、パラメータの一貫した推定量を提供することで、ブートストラップのような計算負荷の高い再サンプリング手法を用いずに、厳密な第一種の過誤制御を可能にした。
2. ブロックモデル・ファミリーへの適用: このフレームワークは、SBMおよびMMSBMの両方に適用可能であることが示されている。この検定は、エッジ確率が変化する場合でも、コミュニティ構造（メンバーシップ割り当て）の変化を効果的に検出できる。これは、構造的な変化と単なる密度の変動を区別するものである。
3. 射刻距離の極限定理: 本論文は、ベルヌーイノイズ下での経験的固有空間と真の固有空間の間の射影距離に関する極限定理を導出している。これは、ガウスノイズを仮定したり個別の固有ベクトルに焦点を当てたりしていた従来の知見を一般化し、この特定の状況における部分空間推定誤差のグローバルな分布論を提供するものである。

結果

数値シミュレーション

著者らは、合成データを用いた広範なシミュレーションを通じて手法を検証した：

• ストカスティック・ブロックモデル (SBM): この検定は、異なるコミュニティ構造を持つネットワークを区別する上で強力な検出力を示した。ネットワーク密度が増加するにつれ、小さな摂動（少数のノードの再割り当て）であっても高い確率で検出される。
• 混合メンバーシップ SBM (MMSBM): この検定は、混合メンバーシップ・プロファイルのシフトを正常に検出した。シミュレーションの結果、有効ではあるものの、ソフト割り当てレジーム（MMSBM）の変化を検出するには、ハード割り当てレジーム（SBM）と比較して、やや大きな摂動またはより高密度なネットワークが必要であることが示された。
• サイズ制御: 検定の経験的なサイズは、公称有意水準（$\alpha = 0.05$）に近く、ネットワーク密度が増加するにつれて改善される。

実世界の適用

本手法は、米国の国内航空便データ（2016年1月～2021年9月）を適用して、空港ネットワークの分析を行った。

• 安定期: 異なる年の1月と11月のフライトネットワークを比較したところ、統計的に有意な構造的差異は見られず、コミュニティ構造が安定していることが示された。
• 構造的混乱: 2020年6月（COVID-19パンデミックによる混乱のピーク）を含む比較では、他の年と比較してネットワークの部分空間構造に統計的に有意な差が認められた。これは、実世界のネットワークデータにおける主要な構造的混乱を検出する本検定の能力を裏付けている。

意義と主張

本論文は、特定のパラメータの等価性（例：正確なエッジ確率）をテストするのではなく、基礎となる幾何学的構造（部分空間）の安定性をテストするという、ネットワーク仮説検定のための厳密かつ計算効率の高いフレームワークを提供すると主張している。

• 堅牢性: 正確なパラメータのマッチングや特定のノイズ構造（ガウス分布など）に依存する手法とは異なり、このアプローチはエッジ密度の不純な変動に対して頑健であり、ネットワークデータに特有のヘテロスケダスティックなベルヌーイノイズに合わせて設計されている。
• 理論的新規性: ベルヌーイノイズ下での射影距離のガウス限界の導出は、重要な理論的前進として提示されている。これまで、この特定の状況においてこのような分布論的結果は利用可能ではなかった。
• 実用的有用性: 閉じた形式の極限分布と一貫した推定量を提供することで、本手法は置換検定やブートストラップ手順の計算負荷を回避し、大規模なネットワークデータセットへのスケーラビリティを実現している。

著者らは、結果が有界かつ独立なベルヌーイノイズの下で確立されていることを述べており、今後の研究では、これらの極限定理を重い裾を持つ分布や依存関係のあるエッジ構造に拡張できる可能性があるとしている。また、現在の分析はランク $k$ が既知であることを前提としており、ランク選択の不確実性を組み込むことは未解決の課題であるとしている。