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

Resumo Técnico: Seleção de Modelo Geométrico para Modelos de Redes de Espaço Latente

Definição do Problema
Modelos de espaço latente representam conexões de rede como uma função da distância entre nós em um subjacente espaço geométrico de baixa dimensão. Embora o espaço euclidiano tenha sido o padrão padrão, a geometria hiperbólica é cada vez mais reconhecida por sua capacidade de mimetizar padrões de redes complexas realistas, como estruturas em árvore, distribuições de graus assimétricas e alta clusterização. Um desafio crítico na análise de redes é determinar qual geometria (euclidiana vs. hiperbólica) subjaz a uma rede observada específica.

Abordagens anteriores, como as de Papamichalis et al. [2022], baseiam-se na comparação do "estresse" (uma métrica de ajuste) do Escalonamento Multidimensional (MDS) aplicado às distâncias geodésicas (comprimentos de caminho mais curto) observadas através de diferentes geometrias. O método seleciona a geometria que apresenta menor estresse. No entanto, este artigo identifica uma limitação significativa: comparar diferenças brutas de estresse carece de rigor estatístico e falha em considerar a incerteza. Simulações demonstram que essa abordagem ingênua frequentemente classifica erroneamente redes euclidianas grandes e esparsas como hiperbólicas, pois a métrica de estresse por si só é insuficiente para distinguir a geometria subjacente de forma confiável.

Metodologia
Para abordar a falta de fundamentação estatística na seleção de geometria, os autores propõem dois frameworks de teste de hipóteses que incorporam incerteza, indo além da simples comparação de estresse:

1. Testes de Permutação (Não Paramétricos):
   Adaptando os testes de permutação de MDS padrão para o contexto de redes, os autores propõem um esquema de permutação que preserva a densidade. Em vez de permutar a matriz de distância geodésica diretamente (o que viola propriedades métricas como a desigualdade triangular), o método permuta a matriz de adjacência $Y$.

• Procedimento: A matriz de adjacência é permutada para gerar novas redes $\tilde{Y}$ enquanto preserva a densidade de arestas. Apenas redes conectadas são retidas. O MDS clássico e o hiperbólico são aplicados às distâncias geodésicas dessas redes permutadas para gerar uma distribuição nula de diferenças de estresse.
• Hipótese: A hipótese nula ($H_0$) postula que a diferença observada no estresse entre as geometrias é indistinguível da diferença obtida via permutação aleatória.

2. Bootstrap Paramétrico via Distância Latente Condicional (Extensão do Teste J):
   Os autores estendem o teste J de Davidson-MacKinnon para modelos de redes de espaço latente. Este método gera uma distribuição de bootstrap paramétrico de redes condicionadas às distâncias geodésicas observadas e ao Modelo de Posição Latente Gaussiana (GLPM).

• Base Teórica: Aproveitando o GLPM, os autores derivam a distribuição condicional das distâncias latentes $P(d_{ij} | \delta_{ij} = k)$, onde $d_{ij}$ é a distância euclidiana latente e $\delta_{ij}$ é a distância geodésica observada. Isso permite a geração de redes de bootstrap que respeitam a estrutura de rede observada (especificamente, as distâncias geodésicas) em vez de apenas a densidade de arestas.
• Procedimento:
  1. Estimar os parâmetros para o GLPM com base na rede observada.
  2. Gerar redes de bootstrap amostrando distâncias latentes da distribuição condicional $P(d_{ij} | \delta_{ij})$ e construindo novas matrizes de adjacência.
  3. Calcular a diferença de estresse para cada amostra de bootstrap.
  4. Calcular um p-valor baseado na proporção de diferenças de estresse de bootstrap que são menores ou iguais à diferença de estresse observada.
• Hipótese: $H_0$ afirma que o modelo hiperbólico não oferece poder explicativo adicional além do modelo euclidiano.

Resultados Principais
A eficácia desses métodos foi avaliada através de simulações em redes de variados tamanhos (15 a 200 nós) e densidades, bem como em conjuntos de dados do mundo real.

• Descobertas de Simulação:

  • Diferença de Estresse Bruto: Desempenha-se mal em redes grandes e esparsas, classificando quase todas as redes euclidianas como hiperbólicas.
  • Teste de Permutação: Mostra especificidade melhorada (identificando corretamente redes euclidianas) em comparação com as diferenças de estresse brutas, mas permanece um tanto conservador, ocasionalmente classificando erroneamente redes hiperbólicas. Demonstra maior sensibilidade para detectar estruturas hiperbólicas em redes grandes.
  • Redes de Bootstrap: Oferece um melhor equilíbrio entre sensibilidade e especificidade. Supera significativamente o método de diferença de estresse bruto na distinção de geometrias para redes grandes e esparsas, que são comuns em dados do mundo real.
  • Limitações: O método de bootstrap exige que as redes geradas sejam conectadas. Em casos com nós de baixíssimo grau (ex: o conjunto de dados UKfaculty), o processo de reamostragem frequentemente produz grafos desconectados, tornando o método inaplicável sem modificações.

• Aplicações no Mundo Real:

  • Zachary's Karate Club: Embora o estresse bruto tenha favorecido um modelo hiperbólico, tanto o teste de permutação ($p=0.1053$) quanto o método de bootstrap ($p=0.1888$) falharam em rejeitar a hipótese nula, sugerindo que a geometria euclidiana é o melhor ajuste.
  • Outros Conjuntos de Dados: Em quatro conjuntos de dados adicionais (UKfaculty, adjnoun, dolphins, ffe friend), os métodos que consideram a incerteza forneceram classificações mais sutis do que o estresse bruto. Por exemplo, enquanto o estresse bruto favoreceu o modelo hiperbólico para a rede "ffe friend", os métodos de incerteza sugeriram que a geometria euclidiana era um ajuste melhor.

Significância e Alegações
O artigo afirma que selecionar uma geometria latente baseando-se apenas nas diferenças de estresse do MDS é estatisticamente infundado e propenso a erros, particularmente para redes grandes e esparsas. A principal contribuição é a adaptação de frameworks de teste de hipóteses (permutação e bootstrap paramétrico) para o cenário de redes de espaço latente para considerar rigorosamente a incerteza.

Os autores afirmam que:

1. Rigor Estatístico: Incorporar a incerteza via permutação ou bootstrapping evita a classificação errônea sistemática de redes euclidianas como hiperbólicas.
2. Extensão Metodológica: O trabalho expande com sucesso o teste J de Davidson-MacKinnon para modelos de espaço latente não aninhados com geometrias distintas, utilizando a distribuição condicional das distâncias latentes dadas as distâncias geodésicas.
3. Utilidade Prática: Os métodos propostos são particularmente eficazes para as redes "grandes e esparsas" típicas de dados do mundo real, onde a simples comparação de estresse falha.

Os autores mantêm-se modestos quanto às limitações, observando que o método de bootstrap é computacionalmente caro e atualmente dependente das suposições do modelo de posição latente gaussiano. Eles sugerem que extensões futuras poderiam envolver outros modelos de espaço latente (ex: ligações não gaussianas) ou diferentes geometrias de base (ex: esférica), mas não propõem novas aplicações específicas além do escopo da atual análise de simulação e de dados reais.