Testing For Global Covariate Effects in Dynamic Interaction Event Networks
动态交互事件网络中的全局协变量效应检验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：摘要直接研究动态网络边上的交互事件及全局、局部协变量，属于网络方向。
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…
动态交互事件网络中的全局协变量效应检验
- 研究问题
- 动态网络中，天气、季节等全体共享的协变量能否解释交互事件的时间变化，如何将这种作用与个体对之间的局部协变量区分？
- 方法与思路
- 作者扩展连续时间网络模型，比较完全参数化模型与局部协变量参数化、全局时间成分非参数化的模型，并应用于共享单车网络。
- 材料陈述的贡献
- 摘要称，所提程序可检验简单全局协变量是否足以解释网络时间动态；应用以天气和工作日为全局变量、站点距离为局部变量。
- 阅读关注点
- 应核对网络事件及风险集的定义、两类模型的嵌套关系、检验统计量与校准方式，以及共享单车流动如何映射为网络交互。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；依赖条件、检验性质和应用结论未说明，协变量解释力不能直接视为因果效应，也不能推断刊本变化。
原文摘要
In statistical network analysis it is common to observe so called interaction data. Such data is characterized by actors forming the vertices and interacting along edges of the network, where edges are randomly formed and dissolved over the observation horizon. In addition, covariates are observed and the goal is to model the impact of the covariates on the interactions. We distinguish two types of covariates: global, system-wide covariates (i.e., covariates taking the same value for all individuals, such as seasonality) and local, dyadic covariates modeling interactions between two individuals in the network. Existing continuous time network models are extended to allow for comparing a completely parametric model and a model that is parametric only in the local covariates but has a global nonparametric time component. This allows, for instance, to test whether global time dynamics can be explained by simple global covariates like weather, seasonality etc. The procedure is applied to a bike-sharing network by using weather and weekdays as global covariates and distances between the bike stations as local covariates.