Introduction to Relational Event Modelling

Resumo Técnico: Introdução à Modelagem de Eventos Relacionais

Autores: Martina Boschi e Ernst-Jan Camiel Wit
Instituição: Università della Svizzera italiana (USI), Suíça
Objetivo Principal: Preencher a lacuna existente na literatura ao fornecer um tutorial prático e abrangente sobre Modelos de Eventos Relacionais (REMs), integrando os desenvolvimentos mais recentes, como efeitos não lineares, variáveis no tempo e efeitos aleatórios, utilizando a estrutura de Modelos Aditivos Generalizados (GAMs).

---

1. O Problema e o Contexto

Com o avanço na gravação de dados em tempo real, a disponibilidade de dados relacionais temporais (como e-mails, transações financeiras, citações científicas e interações em redes sociais) aumentou significativamente.

• Natureza dos Dados: Diferente de redes estáticas que capturam estados de conexão, os dados relacionais focam em eventos instantâneos (interações entre um remetente $s$ e um receptor $r$ em um tempo $t$).
• Limitações dos Modelos Anteriores: Modelos tradicionais de redes dinâmicas muitas vezes agregam eventos em intervalos de tempo, perdendo a informação temporal precisa e a natureza instantânea das interações. Os REMs originais (Butts, 2008) eram limitados a efeitos lineares fixos e não conseguiam capturar padrões complexos, não lineares ou heterogeneidades latentes de forma flexível.
• Necessidade: Existe uma necessidade de um guia prático que vá além das revisões teóricas, ensinando como simular dados, ajustar modelos flexíveis (incluindo GAMs) e realizar inferência em grandes conjuntos de dados.

2. Metodologia e Estrutura Teórica

O artigo estrutura a modelagem de eventos relacionais em seis fases principais, baseando-se na teoria de processos de contagem e hazard (risco).

A. Formulação do Modelo

O modelo define a taxa de hazard (intensidade) $\lambda_{sr}(t)$ de um evento ocorrer entre $s$ e $r$ no tempo $t$, dado o histórico $H_{t-}$:
$$\lambda_{sr}(t) = I_{sr}(t) \times \lambda_0(t) \times \exp\{f[x_{sr}(t)]\}$$
Onde:

• $I_{sr}(t)$: Indicador de risco (se o par está apto a interagir).
• $\lambda_0(t)$: Hazard de base (pode variar no tempo e incluir covariáveis globais).
• $f[x_{sr}(t)]$: Função que captura os efeitos das covariáveis (endógenas e exógenas).

B. Covariáveis e Estatísticas de Rede

O modelo distingue entre:

1. Covariáveis Exógenas: Informações externas ao sistema (ex: distância geográfica, características demográficas).
2. Covariáveis Endógenas: Estatísticas derivadas da própria história de eventos (ex: reciprocidade, volume de interações, fechamento transitivo). O artigo detalha como calcular essas estatísticas usando blocos de construção como Indicador, Volume, Decaimento Exponencial e Tempo Interchegada.

C. Avanços Recentes (Flexibilidade)

O tutorial destaca a evolução dos REMs para além de efeitos lineares fixos:

• Efeitos Não Lineares e Variáveis no Tempo: Uso de splines (ex: B-splines, thin plate splines) para modelar relações não lineares entre covariáveis e o hazard, e efeitos que mudam ao longo do tempo.
• Efeitos Aleatórios (Mixed REMs): Incorporação de heterogeneidade não observada (ex: "invasividade" latente de uma espécie ou "popularidade" de um usuário) através de termos aleatórios.
• Modelagem de Hipereventos (RHEM): Extensão para eventos envolvendo múltiplos remetentes e receptores simultaneamente (ex: reuniões, citações de múltiplos patentes).
• Estratificação: Permite hazards de base diferentes para tipos de eventos distintos (ex: fraudes vs. transações regulares).

D. Técnicas de Inferência

O artigo compara e detalha métodos de estimação:

1. Verossimilhança Completa (Poisson): Equivalente a uma regressão de Poisson, mas computacionalmente custosa para grandes riscos.
2. Verossimilhança Parcial (Cox): Elimina o hazard de base, focando na ordem dos eventos.
3. Amostragem Nested Case-Control (NCC): Técnica crucial para escalabilidade. Em vez de considerar todo o conjunto de risco, amostra-se um pequeno número de "controles" (não-eventos) para cada "caso" (evento).
4. Aproximação via GAMs (Logística Condicional): A abordagem central do tutorial. Ao amostrar 1 controle por evento, o problema se torna uma regressão logística condicional (ou GAM para resultados binários), permitindo o uso de pacotes como mgcv no R. Isso permite modelar efeitos não lineares e aleatórios de forma eficiente.
5. Processo Deslocado (Shifted Process): Uma técnica inovadora para lidar com covariáveis globais em amostragens caso-controle, garantindo que elas não se cancelem na verossimilhança.

E. Seleção e Validação de Modelos

• Critério de Informação (AIC): Uso de AIC corrigido para termos suaves e efeitos aleatórios.
• Testes de Ajuste (Goodness-of-Fit - GOF): Proposta de um teste baseado em resíduos de martingale cumulativos (Boschi & Wit, 2026) para verificar se o modelo se ajusta bem aos dados, comparando estatísticas observadas com esperadas.

3. Resultados e Aplicações Empíricas

O artigo valida a metodologia através de simulações e três estudos de caso empíricos:

1. Dados Sintéticos:

   • Demonstração de que os estimadores são não tendenciosos (unbiased) e que a estrutura de GAMs consegue recuperar corretamente efeitos não lineares e variáveis no tempo, mesmo com a restrição de centralização interna dos splines.

2. Comunicação de Rádio em Emergência (WTC):

   • Contexto: 481 comunicações entre 37 socorristas.
   • Resultados: Confirmação de que a atividade do remetente, popularidade do receptor e reciprocidade aumentam a taxa de eventos. O papel de coordenadores (covariável exógena) mostrou-se significativo. O modelo demonstrou a viabilidade de usar o conjunto de risco completo em pequenos dados.

3. Invasões de Espécies Alienígenas (Bimodal):

   • Contexto: 799 registros de primeira ocorrência de mamíferos invasores (1880-2005).
   • Modelo: Mistura de efeitos lineares (temperatura), variáveis no tempo (comércio), não lineares (distância) e efeitos aleatórios (invasividade da espécie).
   • Resultados: O comércio internacional foi um motor positivo, mas de efeito decrescente ao longo do tempo. A distância mostrou uma relação não linear clara (invasões de curta distância são mais prováveis, mas o efeito da distância aumenta em escalas maiores). Espécies como Rattus rattus foram identificadas como altamente invasivas via efeitos aleatórios.

4. E-mails em uma Empresa (Unimodal):

   • Contexto: 57.791 e-mails trocados entre funcionários.
   • Inovação: Uso de processos de contagem deslocados para incluir covariáveis globais (hora do dia, dia da semana) e modelagem não linear de mecanismos endógenos (tempo de reciprocidade).
   • Resultados: A reciprocidade mostra uma tendência decrescente geral, mas com picos que são explicados pela hora do dia. A modelagem não linear revelou que o tempo de resposta não segue um decaimento simples, mas padrões complexos dependentes do contexto temporal.

4. Contribuições Chave

1. Tutorial Prático e Reprodutível: Fornece código R completo (usando pacotes survival, mgcv, eventnet) para simulação, ajuste de modelos e validação, tornando a técnica acessível.
2. Integração com GAMs: Demonstra como formular REMs como Modelos Aditivos Generalizados, permitindo a captura de padrões não lineares e interações complexas que modelos lineares tradicionais ignoram.
3. Escalabilidade: Apresenta a abordagem de amostragem caso-controle combinada com GAMs como a solução computacionalmente viável para grandes conjuntos de dados (milhões de eventos).
4. Abordagem Unificada: Conecta a análise de sobrevivência (hazard), modelagem de redes e aprendizado de máquina (via splines e redes neurais), oferecendo um framework flexível.

5. Significado e Conclusão

O artigo posiciona os REMs como uma ferramenta essencial para a ciência de dados dinâmicos. Ao superar as limitações de efeitos lineares e de agregação temporal, os REMs modernos permitem uma compreensão mais profunda de quando e por que as interações ocorrem.

• Limitações: O custo computacional ainda é um desafio, especialmente com efeitos aleatórios e cálculo de covariáveis históricas. Além disso, o modelo é descritivo (correlacional) e não inferencial causal por si só.
• Futuro: O trabalho aponta para a expansão para Relational Hyper Event Models (RHEM) e a integração com processos de causalidade e independência local.

Em suma, este tutorial democratiza o acesso a técnicas estatísticas avançadas para modelagem de redes dinâmicas, permitindo que pesquisadores de diversas áreas (ecologia, sociologia, economia, saúde) analisem a dinâmica temporal de interações com rigor estatístico e flexibilidade interpretativa.