시간적 네트워크의 커뮤니티 구조 검정을 위한 e‑값 기반 가설 테스트

초록

본 논문은 시간에 따라 변하는 네트워크 시퀀스에서 커뮤니티 구조의 존재 여부를 검정하기 위해, 각 스냅샷에서 얻은 p‑값을 e‑값으로 변환하고 평균을 취하는 간단하지만 강력한 방법을 제안한다. e‑값의 결합 특성을 이용해 의존적인 스냅샷 간에도 유효한 1종 오류 제어가 가능함을 보인다. 합성 및 실제 데이터 실험을 통해 방법의 유용성과 한계를 확인한다.

상세 분석

이 연구는 정적 네트워크에서 커뮤니티 구조 검정이 활발히 연구된 반면, 시간적 네트워크에서는 아직 통계적 검정 방법이 부재함을 지적한다. 저자들은 기존의 정적 검정(p‑값 기반)과 e‑값(e‑value) 이론을 결합해 새로운 프레임워크를 설계한다. 핵심 아이디어는 각 시점 t(1≤t≤T)에서 정적 커뮤니티 검정(예: Bickel‑Sarkar 2016)을 적용해 p‑값 P_t를 얻고, 이를 ‘calibrator’라 불리는 비감소 함수 g(·)를 통해 e‑값 E_t = g(P_t)로 변환한다. 이후 E_t들의 산술 평균 (\bar{E}T = \frac{1}{T}\sum{t=1}^T E_t)를 계산한다. e‑값의 정의에 따르면, null 가설이 참일 때 (\mathbb{E}