Local linear graphon estimation using covariates
利用协变量的局部线性graphon估计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：摘要明确研究节点协变量、成对连边概率及友谊和邮件网络中的连接异质性。
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
利用协变量的局部线性graphon估计
- 研究问题
- 在无标签网络中，如何借助连续节点协变量估计全网络的连接异质性，并为局部线性graphon估计选择可实施的带宽？
- 方法与思路
- 作者构造局部线性graphon估计量，推导理想信息估计量的偏差和方差，得到均值积分平方误差最优带宽并提出代入选择程序。
- 材料陈述的贡献
- 摘要称，该方法利用连续节点协变量刻画网络异质性，提供可操作的带宽选择，并在模拟、学校友谊和邮件网络中展示优势。
- 阅读关注点
- 应核对协变量与潜在网络位置的关系、graphon识别方式、理想信息假设，以及代入带宽估计如何承接偏差和方差理论。
- 阅读边界
- 仅据所给Crossref摘要，无法判断最优带宽结论能否直接用于实际估计量；摘要未列出平滑性、协变量条件及数值优势。
原文摘要
Summary We consider local linear estimation of the graphon function, which determines probabilities of pairwise edges between nodes in an unlabelled network. Real-world networks are typically characterized by node heterogeneity, with different nodes exhibiting different degrees of interaction. Existing approaches to graphon estimation are limited to local constant approximations, and are not designed to estimate heterogeneity across the full network. In this paper, we show how continuous node covariates can be employed to estimate heterogeneity in the network via a local linear graphon estimator. We derive the bias and variance of an oracle-based local linear graphon estimator, and thus obtain the mean integrated squared error optimal bandwidth rule. We also provide a plug-in bandwidth selection procedure that makes local linear estimation for unlabelled networks practically feasible. The finite-sample performance of our approach is investigated in a simulation study, and the method is applied to a school friendship network and an email network to illustrate its advantages over existing methods.