Central limit theorems for local network statistics
局部网络统计量的中心极限定理AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究随机网络、有根子图计数与节点层面的局部网络结构。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
局部网络统计量的中心极限定理
- 研究问题
- 如何刻画各节点邻域内有根子图计数的联合渐近分布，并据此研究局部网络结构与节点特征之间的统计关系？
- 方法与思路
- 作者在非齐次随机图模型中推导有根子图计数的渐近联合分布，再以学校友谊网络说明局部结构与节点协变量的建模。
- 材料陈述的贡献
- 摘要称，该分布结果支持从整体网络摘要转向节点层面的结构建模；应用中性别与种族是局部友谊模式的显著预测变量。
- 阅读关注点
- 应核对随机图模型、稀疏程度与子图计数的条件，联合分布如何用于回归推断，以及友谊网络应用的模型设定和检验方式。
- 阅读边界
- 所给 Crossref 摘要未列出渐近条件和应用效应大小；预测关联不能解释为因果效应，也不能直接推广至所有网络。
原文摘要
Summary Subgraph counts, in particular the number of occurrences of small shapes such as triangles, characterize properties of random networks. As a result, they have seen wide use as network summary statistics. Subgraphs are typically counted globally, making existing approaches unable to describe vertex-specific characteristics. In contrast, rooted subgraphs focus on vertex neighbourhoods, and are fundamental descriptors of local network properties. We derive the asymptotic joint distribution of rooted subgraph counts in inhomogeneous random graphs, a model that generalizes most statistical network models. This result enables a shift in the statistical analysis of graphs, from estimating network summaries to estimating models linking local network structure and vertex-specific covariates. As an example, we consider a school friendship network and show that gender and race are significant predictors of local friendship patterns.