论文题目

Two-mode network autoregressive model for large-scale networks

作者介绍

黄丹阳（第一作者），中国人民大学统计学院副教授，中国人民大学杰出青年学者，北京大数据协会副秘书长，常务理事，青年统计学家协会理事，曾获北京市优秀人才培养资助。研究兴趣为超高维数据分析，复杂网络数据分析，互联网征信数据分析等。研究论文发表于在Journal of Econometrics, Journal of Business and Economic Statistics，Electronic Journal of Statistics, Statistica Sinica以及管理世界，统计研究等国内外权威杂志。在互联网征信领域具有丰富的实践及研究经验，主持多项相关纵向科研课题。

王菲菲（通讯作者），中国人民大学统计学院助理教授，北京大学光华管理学院统计学博士。研究上关注文本挖掘及其商业应用、大数据建模、空间统计学、社交网络分析等，在Journal of Econometrics、Journal of Business and Economic Statistics、Statistics in Medicine等期刊上均有发表。

英文摘要

A two-mode network refers to a network where the nodes are classified into two distinct types, and edges can only exist between nodes of different types. In analysis of two-mode networks, one important objective is to explore the relationship between responses of two types of nodes. To this end, we propose a network autoregressive model for two-mode networks. Different network autocorrelation coefficients are allowed. To estimate the model, a quasi-maximum likelihood estimator is developed with high computational cost. To alleviate the computational burden, a least squares estimator is proposed, which is applicable in large-scale networks. The least squares estimator can be viewed as one particular type of generalized methods of moments estimator. The theoretical properties of both estimators are investigated. The finite sample performances are assessed through simulations and a real data example.

中文摘要

双模网络指的是网络中存在两种不同类型的节点、边只存在于不同点之间的网络。双模网络分析的研究目标之一，就是探索两类点之间的互相响应关系。为此我们提出一种用于分析双模网络的网络自回归模型，它可以允许不同网络自相关系数。估计这个模型，需要一个计算成本很高的伪极大似然估计量。为了减少计算量，我们提出了一个可以用于大规模网络的最小二乘估计量。这个估计量可以被认为是广义矩估计方法的一个特例。我们探讨了这两种估计量的理论性质，并通过模拟和真实数据测试了它们在有限样本上表现。