技术摘要：固定边概率网络模型的参数自助法

问题陈述

本文旨在解决随机网络数据中网络统计量（如子图计数、聚类系数、中心性度量）不确定性量化的挑战。尽管现有的网络重采样方法（如子采样和刀切法程序）已主要针对节点可交换图模型（graphon models）下的计数统计量开发，但它们往往无法解决两个关键问题：

1. 非可交换性：许多实际应用涉及具有异质性节点属性的网络，其中节点可交换性假设（对标签排列的不变性）是不合宜或不正确的。在这种情况下，保留特定节点的信息至关重要。
2. 自助法偏差：标准的“自然”参数自助法（即先估计网络生成模型参数，再从估计模型中重采样）存在不可忽视的偏差。这种偏差源于网络统计量的插入估计量 $\hat{\mu} = \mu(\hat{P})$ 在参数数量随网络规模 $n$ 增长时，无法准确逼近真实期望 $\mu(P)$。具体而言，偏差与标准差的比率可能为 $\Theta(p^{-1/2})$ 或 $\Theta((np)^{-1/2})$ 量级，导致标准置信区间无效，特别是在稀疏网络中。

作者以Chung–Lu 模型（一种固定边概率模型，其中 $P_{ij} = p\theta_i\theta_j$）作为工作框架。与假设潜在位置随机的图模型不同，该设定假设潜在位置是固定的（或边概率矩阵 $P$ 是固定的），意味着唯一的随机性源于边的独立伯努利实现。

方法论

本文提出了一种两级（双重）自助法程序，以校正标准参数自助法固有的偏差。

1. 自然参数自助法（单级）：

   • 从观测网络 $A$ 估计边概率矩阵 $\hat{P}$（例如，使用最大似然估计或奇异值分解 SVD）。
   • 从 $\hat{P}$ 生成 $B$ 个自助网络 $\hat{A}^{(b)}$。
   • 计算每个样本的统计量 $T(\hat{A}^{(b)})$。
   • 这些统计量的分布近似于 $T(A)$ 的分布，但该自助分布的均值 $\mu(\hat{P})$ 相对于真实均值 $\mu(P)$ 存在偏差。

2. 两级自助法（偏差校正）：

   • 第一级：从估计模型 $\hat{P}$ 生成 $B_1$ 个自助网络 $\hat{A}^{(b)}$。
   • 第二级：对于每个 $\hat{A}^{(b)}$，重新估计模型参数以获得 $\hat{\hat{P}}^{(b)}$。然后，从 $\hat{\hat{P}}^{(b)}$ 生成 $B_2$ 个第二级网络 $\hat{\hat{A}}^{(b,c)}$。
   • 偏差估计：单级估计量的偏差估计为：
     $$\widehat{\text{Bias}}_{\hat{P}} = \mathbb{E}_{\hat{P}}[\mu(\hat{\hat{P}})] - \mu(\hat{P}) \approx \frac{1}{B_1} \sum_{b=1}^{B_1} \mu(\hat{\hat{P}}^{(b)}) - \mu(\hat{P})$$
   • 校正：偏差校正后的点估计构建为 $2\mu(\hat{P}) - \mathbb{E}_{\hat{P}}[\mu(\hat{\hat{P}})]$。

该方法将经典的迭代自助法原理扩展到网络设定中，其中参数维度随 $n$ 缩放。该方法既适用于全局统计量（如三角形总数），也适用于局部统计量（如根植子图计数、局部聚类系数）。

主要贡献与理论结果

1. 自助法偏差的特征

作者推导了在 Chung–Lu 模型下子图计数的自助法偏差的渐近阶。

• 对于具有 $v$ 个顶点和 $e$ 条边的图 $R$ 的根植子图计数，偏差阶为 $\Theta(n^{v-2}p^{e-1})$。
• 对于全局子图计数，偏差阶为 $\Theta(n^{v-1}p^{e-1})$。
• 关键在于，偏差与标准差的比率被证明是不可忽视的：
  • 全局计数：$\Theta(p^{-1/2})$。
  • 根植计数：$\Theta((np)^{-1/2})$。
    这证实了即使参数估计是一致的，插入估计量 $\mu(\hat{P})$ 相对于抽样变异性仍存在偏差，若未校正将导致推断无效。

2. 通过两级自助法减少偏差

本文证明，两级自助法降低了剩余偏差的阶：

• 对于根植计数，相对于原始偏差的剩余偏差为 $O_P((np)^{-1/2})$。
• 对于全局计数，减少量为 $O_P((np)^{-1})$。
  因此，剩余偏差相对于标准差变得微不足道，从而能够构建有效的置信区间。

3. 方差估计与置信区间

作者确立了第二级自助法为插入估计量 $\mu(\hat{P})$ 的方差提供了一致估计量。

• 方差比较：对于许多统计量，$\text{Var}_P(\mu(\hat{P})) \ll \text{Var}_P(T(A))$。这意味着基于插入估计量 $\mu(\hat{P})$ 分布（利用完整网络结构）的置信区间，比仅基于原始统计量 $T(A)$ 的置信区间显著更窄。
• 区间构建：本文提出了正态近似区间和非正态（经验自助法）区间，两者均以偏差校正后的估计量为中心。

4. 中心极限定理 (CLT)

作为副产品，本文建立了非均匀 Erdős–Rényi 模型（Chung–Lu 模型的推广）下子图计数的中心极限定理。该结果适用于稀疏条件下的全局和根植子图计数，其稀疏条件要求弱于现有基于图模型的文献。

实证结果

数值实验使用了以下数据：

• 合成数据：从具有不同稀疏度的随机块模型（SBM）和度校正随机块模型（DCSBM）生成的网络。
• 真实数据：Zachary 空手道俱乐部网络和政治博客网络。

发现：

• 偏差校正：朴素自助法区间（无偏差校正）严重低估了真实参数的覆盖率，特别是在稀疏网络中。偏差校正后的区间实现了接近名义水平（例如 95%）的覆盖率。
• 区间宽度：基于 $\mu(\hat{P})$ 分布的区间始终比基于 $T(A)$ 的区间更窄，特别是在局部统计量和稀疏机制下。
• 估计量鲁棒性：即使 $\hat{P}$ 通过 SVD 估计，或者模型略有误设（例如社区数量错误），偏差校正仍能有效工作，尽管 DCSBM 估计量通常比 SVD 表现更好。
• 计算成本：虽然两级自助法计算密集（$O(B_1 B_2 n^2)$），但它是可并行化的。作者指出，对于正态近似成立的统计量，可以仅使用自助法进行方差估计，从而降低计算成本。

意义与主张

本文声称提供了一种通用补救措施，用于解决固定边概率模型下网络统计量的自助法偏差问题。其意义在于：

1. 扩展自助法理论：它将迭代自助法概念适应于参数数量随样本量增长的设定，而在该设定下标准自助法的一致性往往失效。
2. 处理非可交换性：通过以固定潜在位置（或固定 $P$）为条件，该方法保留了特定节点属性，使其适用于分析局部统计量和异质网络，在这些场景中节点可交换性假设是不恰当的。
3. 实际推断：所提出的方法能够为广泛类别的网络统计量（包括那些非 U 统计量的统计量）构建准确且狭窄的置信区间，填补了现有重采样方法主要关注图模型下计数统计量的空白。
4. 理论基础：推导偏差阶并证明非均匀 Erdős–Rényi 模型下子图计数的中心极限定理，为稀疏机制下的网络推断提供了严谨的理论基础。

作者强调，尽管分析是在 Chung–Lu 模型下进行的，但偏差现象预计会在更复杂的模型（如多社区 DCSBM）中出现，而两级自助法作为一种稳健的、基于模拟的校正机制，可适用于这些设定。