Testing and Estimation of Social Network Dependence With Time to Event Data
事件发生时间数据中的社会网络依赖检验与估计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：摘要明确研究社会网络中朋友特征与个体事件发生时间的依赖关系。
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
事件发生时间数据中的社会网络依赖检验与估计
- 研究问题
- 个体对某事件的响应时间是否与朋友特征有关，如何利用事件发生时间数据检测社会网络依赖并估计相关模型参数？
- 方法与思路
- 作者提出带潜在指示变量的空间自相关 Cox 模型，以得分型检验检测网络依赖，存在依赖时用 EM 型算法估计参数。
- 材料陈述的贡献
- 摘要称，该框架可刻画朋友特征与个体生存时间的依赖关系，并以模拟及大型社交平台上的手游参与时间数据展示表现。
- 阅读关注点
- 应核对网络依赖项与潜在指示变量的含义、模型可识别性、检验零假设及算法收敛，并检查事件时间与删失如何处理。
- 阅读边界
- 仅据版本未注明的索引摘要，无法判断删失假设、识别条件或实证效应大小；网络依赖结果不能直接解释为朋友影响的因果效应。
原文摘要
Nowadays, events are spread rapidly along social networks. We are interested in whether people's responses to an event are affected by their friends' characteristics. For example, how soon will a person start playing a game given that his/her friends like it? Studying social network dependence is an emerging research area. In this work, we propose a novel latent spatial autocorrelation Cox model to study social network dependence with time-to-event data. The proposed model introduces a latent indicator to characterize whether a person's survival time might be affected by his or her friends' features. We first propose a score-type test for detecting the existence of social network dependence. If it exists, we further develop an EM-type algorithm to estimate the model parameters. The performance of the proposed test and estimators are illustrated by simulation studies and an application to a time-to-event dataset about playing a popular mobile game from one of the largest online social network platforms. Supplementary materials for this article, including a standardized description of the materials available for reproducing the work, are available as an online supplement.