含缺失边的友谊网络在ERGM模型中调用edgecov报错的解决方案咨询

问题背景 #

我正在对有向网络中的人才提名关系建模，用Exponential Random Graph Models（ERGM）分析提名行为的影响因素，核心是测试友谊关系是否会影响提名他人为“聪明”的概率。使用edgecov(friends)纳入友谊网络变量，构建的R代码如下：

model <- ergm(
  graph ~ edges + mutual + gwidegree(decay = 0.5, fixed = TRUE) + 
  gwodegree(decay = 0.5, fixed = TRUE) + nodematch("class") +
  nodeifactor("gender") + nodeifactor("race") + nodeifactor("edu") +
  nodeofactor("gender") + nodeofactor("race") + nodeofactor("edu") +
  edgecov(friends)
) 

运行代码时触发错误：

Error in if (any(low.drop.theta)) message(paste("Observed statistic(s)",  : 
missing value where TRUE/FALSE needed

经测试，将友谊网络的缺失边编码为0时代码可正常运行，但这种处理方式不符合研究需求，需明确问题原因及合理解决方法。

问题原因 #

ERGM的edgecov函数要求输入的网络矩阵为无缺失值的数值型矩阵（仅含0/1）。当友谊网络存在缺失边（即矩阵中存在NA）时，模型拟合过程中计算统计量或进行逻辑判断（如any(low.drop.theta)）时，R无法将NA识别为有效的逻辑值（TRUE/FALSE），因此触发该错误。直接将NA编码为0会假设“缺失的友谊边不存在”，这可能引入偏差，尤其是当缺失并非随机时。

解决方法 #

1. 基于模型的缺失边插补 #

针对网络缺失值，可使用专门的网络缺失数据建模工具进行插补，保留网络结构的合理性：

• 使用missSBM包拟合缺失的友谊网络，基于随机块模型推断缺失边的存在概率，生成完整的网络矩阵：

library(missSBM)
# 假设friends是带缺失边的有向网络对象
fit_miss <- estimateMissSBM(friends, type = "directed")
# 预测得到完整的友谊网络（0/1矩阵）
friends_imputed <- predict(fit_miss, type = "network")

# 用插补后的网络重新拟合ERGM
model <- ergm(
  graph ~ edges + mutual + gwidegree(decay = 0.5, fixed = TRUE) + 
  gwodegree(decay = 0.5, fixed = TRUE) + nodematch("class") +
  nodeifactor("gender") + nodeifactor("race") + nodeifactor("edu") +
  nodeofactor("gender") + nodeofactor("race") + nodeofactor("edu") +
  edgecov(friends_imputed)
)

2. 将缺失机制纳入ERGM建模 #

如果缺失边是由调查非应答等可观测因素导致的，可以将“缺失状态”作为节点属性加入模型，控制缺失带来的偏差：

• 为每个节点添加response_status属性（是否提供了友谊关系数据），然后在ERGM公式中加入nodematch("response_status")或相关项，同时对友谊网络的缺失边进行加权处理（需结合ergm的weights参数）。这种方法需要明确缺失机制（随机/非随机），实现相对复杂。

3. 敏感性分析验证结果稳健性 #

若插补或机制建模难度较大，可通过敏感性分析评估缺失边处理方式对结果的影响：

• 分别将缺失边编码为0、编码为1，以及使用插补后的网络拟合模型，比较友谊关系变量的系数大小、显著性是否稳定。若结果无显著差异，说明结论对缺失边的处理方式不敏感；若差异较大，则需进一步明确缺失原因并针对性处理。

内容的提问来源于stack exchange，提问作者Ben