Decomposing Degree Assortativity in Sparse Spatial Networks

Resumo Técnico: Decomposição da Assortatividade de Grau em Redes Espaciais Esparsas

Definição do Problema
Em redes espaciais, a assortatividade de grau positiva (a tendência de nós bem conectados se ligarem a outros também bem conectados) é frequentemente interpretada como evidência de "ordenação" (sorting) — um mecanismo onde nós populares se concentram em locais específicos e buscam uns aos outros. No entanto, existe uma explicação geométrica rival: nós que estão espacialmente próximos compartilham um conjunto de vizinhos potenciais. Mesmo na ausência de ordenação, esse "compartilhamento de oportunidade" pode induzir correlações positivas entre os graus dos pontos de extremidade conectados.

O problema central abordado é a incapacidade de distinguir entre esses dois mecanismos (ordenação vs. compartilhamento de oportunidade) usando dados de rede padrão. A literatura existente carece de uma definição populacional das contribuições desses processos, de uma prova de que resumos gráficos observáveis podem identificá-los e de métodos de inferência válidos que permaneçam robustos no limite da independência (onde não existe ordenação). Ignorar o canal geomético leva à atribuição de efeitos geométricos à preferência; ignorar a ordenação leva à subestimação da preferência.

Metodologia
Os autores propõem uma classe de modelo específica: grafos de conexão aleatória de alcance finito onde a popularidade latente de um nó ($W$) e sua posição espacial ($X$) são acopladas por uma cópula que preserva ambas as marginais. A força da dependência é parametrizada por $\psi$, a norma $L^2$ ao quadrado da perturbação da cópula.

1. Decomposição em Dois Canais:
   O artigo deriva o coeficiente de assortatividade limite ($r$) no regime esparso. Ele prova que $r$ se divide exatamente em dois canais aditivos:

• Canal de Covariância de Intensidade ($r_{int}$): Surge da covariância das intensidades de conexão das extremidades. Ele agrega todas as fontes de dependência, incluindo a inhomogeneidade das posições, e pode ser diferente de zero mesmo na independência ($\psi=0$).
• Canal de Vizinhos Compartilhados ($r_{overlap}$): Surge da sobreposição das regiões de influência (vizinhos compartilhados) e depende do deslocamento tangente da aresta.
  Crucialmente, os autores definem a contribuição de ordenação ($\Delta_{sort}$) não como o canal de intensidade bruto, mas como um incremento contrafactual: a mudança na assortatividade quando o parâmetro de dependência $\psi$ é introduzido, mantendo fixos a média de grau e a transitividade. Esta definição garante que $\Delta_{sort} = 0$ na independência.

2. Identificação Global:
   O artigo aborda se os parâmetros $(\lambda, \eta, \psi)$ (intensidade de conexão, alcance e força de dependência) podem ser recuperados unicamente a partir dos três resumos gráficos observáveis: grau médio ($\ell$), transitividade ($C$) e assortatividade ($r$).

• Usando uma prova assistida por computador com aritmética racional exata e análise de intervalo, os autores provam que o mapa dos parâmetros para os observáveis é globalmente injetivo em uma região certificada $B$, incluindo o limite $\psi=0$.
• Esta injetividade global é mais forte que as condições de posto local padrão, descartando ramos de solução espúrios.

3. Inferência Verificada:
   Os autores desenvolvem uma estrutura de Método Generalizado de Momentos (GMM) com condições de regularidade verificadas.

• Eles provam um Teorema de Limite Central (CLT) para contagens de motivos e estabelecem a normalidade assintótica do estimador.
• Eles derivam a distribuição assintótica específica para o estimador no limite da independência ($\psi=0$), mostrando que ela segue uma mistura de distribuições qui-quadrado ($\frac{1}{2}\chi^2_0 + \frac{1}{2}\chi^2_1$) e que o estimador de amplitude converge a uma taxa de $n^{1/4}$.
• Todas as condições do lado do modelo (limites de viés, não-degenerescência de covariância, identificação) são verificadas através da mesma certificação de intervalo de aritmética racional exata usada para a identificação.

4. Design de Duas Visões:
   Em aplicações onde os atributos dos nós (como o ranking de atividade) e as posições são observados, os autores empregam um protocolo de "duas visões":

• Visão Direta: Estima a dependência diretamente dos pares $(X, W)$.
• Visão Apenas de Grafo: Estima a dependência apenas a partir dos momentos do grafo.
  O acordo entre essas visões serve como um teste de especificação. Se a classe do modelo se ajusta, as estimativas devem alinhar-se; caso contrário, a discrepância localiza os mecanismos ausentes.

Principais Resultados

• Decomposição Teórica: O artigo fornece a primeira decomposição exata da assortatividade limite nos canais de covariância de intensidade e de vizinhos compartilhados, sustentada pela lei de Palm da aresta. Estabelece que a ordenação é um incremento compensado, distinto dos efeitos brutos de intensidade.
• Certificado de Identificação: O mapa $(\lambda, \eta, \psi) \to (\ell, C, r)$ é provado como um difeomorfismo na região certificada $B$. Isso permite a recuperação única da contribuição de ordenação a partir de um único grafo.
• Aplicação a Redes Baseadas em Localização:
  • Ao analisar 11 redes metropolitanas (Brightkite e Gowalla), a classe do modelo é rejeitada em todas as cidades. A assortatividade observada é significativamente menor do que o modelo prevê, mesmo com dependência zero ($\psi=0$).
  • As estimativas de "ordenação" são levadas ao limite ($\psi=0$) não porque a independência seja verdadeira, mas porque o modelo não consegue ajustar os dados.
  • As estimativas diretas de pares localização-ranking confirmam a ausência de dependência significativa em 10 de 11 cidades.
  • Os padrões observados são consistentes com a heterogeneidade de grau (nulos de configuração) e o fechamento triádico não espacial, mecanismos ausentes do modelo geométrico de curto alcance.
• Aplicação à Rede de Coautoria:
  • Em uma rede nacional de coautoria de física, a visão direta detecta uma clara dependência positiva (autores produtivos se concentram em centros de pesquisa de alta densidade).
  • No entanto, a visão apenas de grafo é rejeitada pelo portão de ajuste de qualidade em todos os níveis do modelo. O modelo falha em reproduzir a estrutura conjunta de grau médio, agrupamento (clustering) e assortatividade.
  • O resíduo aponta para um mecanismo ausente: a "estrutura de equipe" de artigos com múltiplos autores (cliques formadas em eventos únicos), que gera triângulos sem os efeitos colaterais de mistura de graus da clausura iterada.

Significância e Alegações
O artigo afirma fornecer um arcabouço rigoroso para atribuir a assortatividade em redes espaciais, indo além da suposição de que a assortatividade positiva implica ordenação. Sua significância reside em:

1. Definindo a Ordenação Rigorosamente: Ao definir a ordenação como um incremento compensado, separa a preferência dos efeitos de densidade geométrica.
2. Inferência Válida no Limite: Fornece a primeira teoria de inferência verificada para parâmetros de redes espaciais que permanece válida quando a hipótese nula de independência é verdadeira, um cenário comum em dados reais.
3. Poder Diagnóstico: A metodologia atua como um "portão". Ela não produz estimativas de ordenação a menos que o modelo se ajuste. Nas aplicações de localização, esse portão evita a falsa atribuição de efeitos geométricos à ordenação. No caso da coautoria, identifica corretamente que, embora a dependência exista, o modelo espacial padrão é insuficiente para explicar a estrutura da rede, apontando para a formação baseada em equipes.
4. Verificação Computacional: O uso de aritmética de intervalo racional exata para certificar a identificação global e as condições de inferência estabelece um novo padrão de rigor para a estimação de modelos de rede, garantindo que os resultados não sejam artefatos de instabilidade numérica ou de ótimos locais.

Os autores enfatizam que seus resultados são específicos para o submodelo certificado (dependência de um harmônico, núcleos de alcance rígido) e que a rejeição do modelo em dados reais serve como um diagnóstico para mecanismos ausentes (como estrutura de comunidade ou formação de equipes) em vez de uma medição definitiva de independência.