시간을 달리는 동적 네트워크 모델 탐색

본 논문은 동적 네트워크 모델링 분야에서 최근 주목받는 결합 지향(tie‑oriented) 접근법을 체계적으로 정리하고, 이산 시간 모델과 연속 시간 모델을 비교·대조한다. 서론에서는 네트워크 분석이 다양한 사회·경제 현상을 설명하는 데 필수적임을 강조하고, 정적 ERGM의 한계를 지적한다. 동적 모델은 크게 두 갈래로 나뉘는데, 하나는 시간 이산형 모델(TERGM, STERGM)이며, 다른 하나는 시간 연속형 모델(REM)이다. 2장에서는 기본 용어와 두 실제 데이터셋을 소개한다. 첫 번째 데이터는 2016·2017년 국제 무기 거래를 이진 네트워크로 변환한 것으로, 국가 간 무기 이전을 0/1로 표시한다. 주요 통계는 밀도 0.02 수준의 희소성, 낮은 상호성, 높은 반복성 등을 보인다. 두 번째 데이터는 유럽 연구기관 내 89명의 이메일 교류를 802일 동안 기록한 사건 데이터이며, 이를 두 개의 연간 구간으로 집계해 이진 네트워크로 변환한다. 이 네트워크는 밀도 0.12, 높은 상호성, 높은 전이성 등을 특징으로 한다. 3장에서는 동적 ERGM 계열을 상세히 설명한다. TERGM은 마코프 가정을 기반으로, 현재 네트워크 Y_t 를 이전 네트워크 Y_{t‑1} 와 외생 공변량 x_t 의 함수로 모델링한다. 충분통계 s(y_t, y_{t‑1}, x_t)는 결합·파괴, 삼각형, reciprocity 등 다양한 구조적 효과를 포함한다. 파라미터 θ는 모든 시점에 동일하게 적용되며, 이는 시점 간 동역학이 일정하다는 강한 가정을 내포한다. 파라미터가 시점마다 달라야 할 경우, 시계열 변동 효과를 도입하거나 단계별 추정 방법을 사용할 수 있다. STERGM은 TERGM의 한계를 보완한다. 결합(formation)과 파괴(dissolution) 과정을 각각 별도의 로그선형 모델로 분리함으로써, 두 과정이 서로 다른 구조적·외생 요인에 의해 좌우될 수 있음을 반영한다. 이 분리형 구조는 특히 네트워크가 점진적으로 성장하거나 수축하는 경우, 혹은 파트너십이 장기적으로 유지되는 경우에 해석적 장점을 제공한다. 4장에서는 연속 시간 모델인 REM을 소개한다. REM은 사건 삼중항 (i, j, \tilde t) 로 구성된 시계열 데이터를 직접 모델링한다. 사건 강도 함수 λ_{ij}(\tilde t)는 베이스 라인 강도와 네트워크 통계(예: 현재의 reciprocity, 과거의 교류 빈도) 및 외생 공변량의 선형 결합으로 정의된다. 추정은 부분가능도(partial likelihood) 혹은 전체가능도(maximum likelihood)를 이용해 수행되며, 시간‑클러스터드 데이터(연속 사건을 이산 시점에 집계)에도 적용 가능하도록 확장된다. REM은 사건 간 간격과 동시성을 정밀히 포착할 수 있어, 빈번한 상호작용이 특징인 이메일 네트워크와 같은 경우에 특히 유용하다. 5장에서는 두 모델을 실제 데이터에 적용한다. 무기 거래 데이터에는 TERGM과 STERGM을 적용해, 국가 간 무기 이전이 GDP, 정치 이데올로기 거리와 같은 외생 요인에 의해 크게 좌우됨을 확인한다. 특히 STERGM을 통해 결합 단계에서는 경제 규모가, 파괴 단계에서는 정치적 갈등이 중요한 역할을 함을 구분할 수 있었다. 이메일 데이터에는 REM을 적용해, 사건 강도가 시간에 따라 변동하고, 과거 교류 빈도가 현재 강도에 긍정적 영향을 미치는 것을 발견했다. 또한, 시간‑클러스터드 형태로 데이터를 집계했을 때도 REM이 일관된 추정 결과를 제공함을 보였다. 6장 결론에서는 모델 선택 가이드라인을 제시한다. 데이터가 이산 스냅샷 형태이며 구조적 변화를 전체적으로 파악하고자 할 때는 TERGM/STERGM이 적합하고, 특히 결합·파괴 메커니즘을 구분하고 싶다면 STERGM을 권장한다. 반면, 사건 수준의 미세한 시간 정보를 보유하고 있거나, 사건 간 간격이 분석에 중요한 경우에는 REM이 더 적합하다. 또한, 두 모델 모두 첫 번째 시점의 초기 상태를 조건으로 하여 마코프 구조를 가정하므로, 초기 네트워크 선택이 결과에 미치는 영향을 신중히 고려해야 함을 강조한다. 향후 연구에서는 하이브리드 모델 개발, 비마코프 의존성 도입, 그리고 대규모 네트워크에 대한 계산 효율성 향상이 필요하다고 제언한다.