技术摘要：网络数据中子空间相等性的两样本假设检验

问题定义

本文探讨了一个根本性的挑战，即如何判断两个独立的网络值数据集是否共享相同的底层结构连通模式（特别是其潜在社区结构），即使它们的边概率存在显著差异。在许多应用场景中，例如比较不同平台上的社交网络或分析不同时期的机场连通性，“社区”（潜在群体）可能保持稳定，而密度或特定的连接概率可能会发生波动。

形式上，令 $A^{(1)}$ 和 $A^{(2)}$ 为大小为 $n \times n$ 的两个独立邻接矩阵，它们由秩为 $k$ 的对称低秩概率矩阵 $P^{(1)}$ 和 $P^{(2)}$ 生成。作者提出了一个检验假设，即这些概率矩阵的列空间（子空间）是相同的：
$$H_0: V^{(1)}(V^{(1)})^\top = V^{(2)}(V^{(2)})^\top$$
以及当子空间不同时的备择假设 $H_1$。这里，$V^{(i)} \in \mathbb{R}^{n \times k}$ 包含与 $P^{(i)}$ 的非零特征值对应的正交特征向量。

该假设被证明等价于测试随机块模型（SBM）和混合成员随机块模型（MMSBM）中社区结构的相等性（在排列和缩放意义下不变），以及广义随机点积图（GRDPG）中潜在特征空间的相等性。

方法论

检验统计量

所提出的检验统计量基于两个网络经验谱投影矩阵之差的 Frobenius 范数。令 $\hat{V}^{(i)}$ 表示 $A^{(i)}$ 的前 $k$ 个经验特征向量矩阵。该统计量定义为：
$$T_n := \| \hat{V}^{(1)}(\hat{V}^{(1)})^\top - \hat{V}^{(2)}(\hat{{V}}^{(2)})^\top \|_F^2$$

渐近理论

其核心理论贡献是一个极限定理，该定理证明了在适当的中心化和缩放条件下，$T_n$ 收敛于标准高斯随机变量。该结果在以下条件下成立：

1. 稀疏性： 平均期望度数至少随顶点数 $n$ 对数级增长（$n\rho_n \gg \log n$）。
2. 特征值缩放： 概率矩阵的非零特征值随 $n\rho_n$ 线性缩放。
3. 无相干性（Incoherence）： 总体特征向量的行分布均匀（这是平衡社区规模的块模型所满足的条件）。

统计量的渐近均值 ($\mu_2$) 和方差 ($\sigma_2^2$) 是根据总体参数显式推导出的。该推导依赖于一种新型的投影差矩阵级数展开，将统计量分解为一个主导的二阶项和高阶余项。证明过程利用鞅中心极限定理来建立二阶项的高斯极限，同时证明高阶项在渐近意义上是可忽略不计的。

数据驱动估计

为了使该检验具有可操作性，作者提出了渐近均值和方差的相容（consistent）插件估计量（plug-in estimators）。这些估计量使用经验特征向量和特征值来替代未知的总体参数。这些估计量的相容性是在稍强的“稠密机制”假设（$n\rho_n \gg \sqrt{n}$）下证明的，该假设确保估计误差不会扭曲极限分布。

单样本类比

论文还建立了一个相应的单样本检验极限定理，该检验用于评估经验子空间与已知参考子空间之间的距离。这一结果构成了两样本证明的技术基础，并作为一个具有独立研究价值的结果呈现，为投影距离提供了置信区间的基础。

核心贡献

1. 针对共同子空间的两样本检验： 作者提出了一种用于检验低秩概率矩阵列空间相等性的谱检验统计量。他们证明了该统计量的渐近正态性，并提供了其参数的相容估计量，从而实现了严格的 I 类错误控制，无需使用计算密集型的自助法（bootstrapping）等重采样方法。
2. 适用于块模型族： 该框架被证明适用于 SBM 和 MMSBM。该检验能有效检测社区结构（成员分配）的变化，即使在边概率发生变化的情况下，也能区分结构性转变与单纯的密度波动。
3. 投影距离的极限定理： 论文推导了伯努利噪声下经验特征空间与真实特征空间之间投影距离的极限定理。这一结果推广了以往通常假设高斯噪声或关注单个特征向量的研究，为子空间估计误差提供了一个全局分布理论。

结果

数值模拟

作者通过对合成数据的广泛模拟验证了该方法：

• 随机块模型 (SBM)： 该检验在区分具有不同社区结构的网络方面表现出强大的功效。即使是微小的扰动（重新分配少量节点），随着网络密度的增加，也会以高概率被检测出来。
• 混合成员 SBM (MMSBM)： 该检验成功检测到了混合成员配置的变化。模拟表明，虽然该检验是有效的，但与硬分配机制（SBM）相比，检测软分配机制（MMSBM）的变化需要稍大的扰动或更稠密的网络。
• 规模控制： 检验的经验规模保持在名义显著性水平 ($\alpha = 0.05$) 附近，并随着网络密度的增加而提高。

实际应用

该方法应用于美国国内航班数据（2016 年 1 月 – 2021 年 9 月）以分析机场网络。

• 稳定时期： 通过比较不同年份的 1 月和 11 月的飞行网络，显示不存在统计学上的显著结构差异，表明社区结构是稳定的。
• 结构性破坏： 涉及 2020 年 6 月（COVID-19 疫情爆发高峰期）的对比显示，与其它年份相比，网络的子空间结构存在统计学上的显著差异。这证实了该检验检测现实世界网络数据中重大结构性破坏的能力。

重要性与主张

该论文声称提供了一个严谨且计算高效的框架，用于进行网络假设检验，该框架超越了测试特定参数相等性（如精确的边概率）的局限，转而测试底层几何结构（子空间）的稳定性。

• 鲁棒性： 不同于依赖精确参数匹配或假设特定噪声结构（如高斯分布）的方法，这种方法对边密度的干扰性波动具有鲁棒性，并且专门针对网络数据中固有的异方差伯努利噪声进行了优化。
• 理论新颖性： 在伯努利噪声下推导投影距离的高斯极限，被视为一项重要的理论进展，填补了此前在这一特定设定下缺乏此类分布结果的文献空白。
• 实用价值： 通过提供闭式极限分布和相容估计量，该方法避免了排列检验或自助法程序的计算负担，使其能够扩展到大规模网络数据集。

作者指出，虽然其结果是在有界、独立的伯努利噪声下建立的，但未来的工作可以将其扩展到重尾分布或相关的边结构。此外，目前的分析假设秩 $k$ 是已知的，将秩选择的不确定性纳入考虑仍是一个开放性的挑战。