应用数学学报

作者：唐一鸣, 胡盛锠, 龙宇航, 黄涛

单位：1. 上海立信会计金融学院统计与数学学院, 数据科学交叉研究院, 上海 201209;<br>2. 上海市大数据中心, 上海 200072;<br>3. 上海财经大学统计与管理学院, 上海

关键词：网络数据,同质追踪,非参数模型,样条

网络数据中, 边的固定效应模型是基于网络节点的异质性来建立的, 忽略了节点之间的同质性. 而现有的考虑网络节点同质性的模型往往只能适用于满足模型条件的特定网络数据. 同时目前网络数据模型往往忽略了节点的特征对边的影响或者只考虑特征对边的线性影响. 本文将从数据本身出发来挖掘网络数据的同质性结构, 为此本文提出了适用于广义线性模型的同质追踪方法, 并通过非参数的形式将节点特征加入到模型中. 本文从理论上证明了模型的参数部分的相合性, 渐近正态性以及非参数部分的相合性. 在模拟实验中, 本文通过对比已有的方法, 体现了新方法的优势, 并数值验证了估计的理论性质. 本文也分析了新英格兰地区律师数据集和音乐社区数据集, 验证了模型的有效性.

来源：2023年第6期

《应用数学学报》期刊编辑部

查看应用数学学报杂志2023年第6期