基于网络关系的分类变量预测研究.pdfVIP

第41卷第1期统计研究Vol.41,No.1

2024年1月StatisticalResearchJan.2024

基于网络关系的分类变量预测研究

丁兰伟徐顺

月方匡南

内容提要：传统的预测方法通常基于个体的协变量信息进行建模和预测，少有考虑个体间的网

络结构信息。事实上，网络节点间的关联信息能够为节点的响应变量预测提供信息，为此本文提出

网络标签传播算法。基于半监督学习框架，以邻接矩阵为节点相似性推断依据，通过节点间的连接

信息和已知节点的响应变量信息，来推断未知节点的响应变量信息。该算法适用于响应变量为分类

变量的不完整网络数据。在网络服从随机分块模型的设定下，本文证明了该算法能够一致地预测未

知节点的响应变量。数值模拟和实证数据分析结果显示，该算法预测效果较好。

关键词：不完整网络；网络插补；网络标签传播；分类变量；信用风险评估

D0I:10.19343/j.cnki.11-1302/c.2024.01.012

中图分类号：0212：F832.4文献标识码：A文章编号：1002-4565(2024)01-0148-09

ResearchonPredictingDiscreteVariablesBasedon

NetworkRelationship

DingYueFangKuangnanLanWeiXuShun

Abstract:Traditionalpredictionmethodsusuallymodelandpredicttheresponsesbasedonthe

covariateinformation,butseldomconsiderthenetworkconnectionofindividuals.However,the

relationshipofnetworknodescanprovideinformationforthepredictionofnodalresponses.Basedonthis

finding,thisstudyproposesanetworklabelpropagationalgorithm.Basedontheframeworkof

semi-supervisedlearning,thisstudytakestheadjacencymatrixasthebasisofnodalsimilarityinference,

theninferstheresponseofunknownnodesthroughtheconnectioninformationbetweennodesandthe

responseofknownnodes.Thealgorithmissuitableforincompletedataresponseswhoseresponsevariables

arediscrete.Undertheassumptionthatthenetworkfollowsthestochasticblockmodel,thisstudyproves

thattheresponseofunknownnodescanbepredictedconsistentlybythealgorithm.Numericalsimulation

andempiricalresearchshowthat