<div dir="ltr">Hi Tom,<div><br></div><div>I really like Martina's proposal as I think it makes a lot of sense given the description of your data!</div><div><br></div><div>There are obviously a lot of dynamic network models and ways for handling missing data -- I trust you to find the best one for your problem! Christian has provided a nice set of papers for the SAOM framework that has a rich history in dynamic network modeling (as he pointed out); and there are also the relational event modeling frameworks (if you are going to work in continuous time, e.g., <span style="font-size:13px;font-family:Arial,sans-serif">Butts, Carter T. "4. A Relational Event Framework for Social Action." </span><i style="font-size:13px;font-family:Arial,sans-serif">Sociological Methodology</i><font face="Arial, sans-serif"> 38.1 (2008): 155-200). Note I am not trying to be comprehensive!</font></div><div><br></div><div>As per my method, I have a paper in JCGS with some software:</div><div><span style="font-family:Arial,sans-serif;font-size:13px"><br></span></div><div><span style="font-family:Arial,sans-serif;font-size:13px">Mallik, A., & Almquist, Z. W. (2019). Stable Multiple Time Step Simulation/Prediction From Lagged Dynamic Network Regression Models. </span><i style="font-family:Arial,sans-serif;font-size:13px">Journal of Computational and Graphical Statistics</i><span style="font-family:Arial,sans-serif;font-size:13px">, </span><i style="font-family:Arial,sans-serif;font-size:13px">28</i><span style="font-family:Arial,sans-serif;font-size:13px">(4), 967-979.</span><br></div><div><a href="https://cran.r-project.org/web/packages/dnr/index.html">https://cran.r-project.org/web/packages/dnr/index.html</a><br></div><div><br></div><div>That could be readily adapted for the methods in </div><div><br></div><div><span style="font-size:13px;font-family:Arial,sans-serif">Almquist, Zack W., and Carter T. Butts. "Dynamic network analysis with missing data: theory and methods." </span><i style="font-size:13px;font-family:Arial,sans-serif">Statistica Sinica</i><span style="font-size:13px;font-family:Arial,sans-serif"> 28.3 (2018): 1245-1264.</span><br></div><div><br></div><div>Best,</div><div><font face="Arial, sans-serif"><br></font></div><div><font face="Arial, sans-serif">Zack<br clear="all"></font><div><div dir="ltr" class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div>---</div><div>Zack W. Almquist</div><div>Assistant Professor</div><div>Department of Sociology</div><div>Senior Data Scientist Fellow, eScience Institute</div><div>University of Washington</div></div></div></div><br></div></div><br><div class="gmail_quote"><div dir="ltr" class="gmail_attr">On Wed, May 13, 2020 at 8:47 AM Tom Kraft <<a href="mailto:kraft.tom@gmail.com">kraft.tom@gmail.com</a>> wrote:<br></div><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex"><div dir="ltr">Hi Martina,<div><br></div><div>Thank you for the input! The case I am describing here is in fact part of an epidemic modeling study. The main problem I see with the approach of treating the network egocentrically is that I will be forced to sacrifice information about identifiable alters (again, if a node is observed then I know with certainty all of the other actors they are linked to and their identities, and I also know the full list of people they are not connected to). As such, like you say I won't be able to model dependency terms like gwesp. But these are undirected contact networks in which if A-B and B-C, then A-C necessarily exists as well.</div><div><br></div><div>To be sure that I am understanding your suggestion: For a given timestep, completely remove all unobserved nodes from the network. Estimate parameters using an ego ERGM. Then simulate from the model onto a full network containing the observed and unobserved nodes and information about their nodal and edge covariates.</div><div><br></div><div>Is this correct? I am familiar with the tutorial link you sent, but it unfortunately does not cover an egocentric application of a stergm. Do you know of any worked examples like that which are available?</div><div><br></div><div>Thank you again,</div><div>Tom</div></div><br><div class="gmail_quote"><div dir="ltr" class="gmail_attr">On Wed, May 13, 2020 at 9:43 AM martina morris <<a href="mailto:morrism@uw.edu" target="_blank">morrism@uw.edu</a>> wrote:<br></div><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex">Hi Tom,<br>
<br>
The alternative approach may be to treat your observed sample <br>
egocentrically, and use our egocentric inference for ergms/stergms.<br>
<br>
If the terms you anticipate using are restricted to those that can be<br>
estimated from egocentric data (basically, the dyad-independence terms<br>
plus degree distributions) these methods would allow you to estimate<br>
stergms, and simulate networks that reproduce the sufficient statistics in<br>
expectation.  This is what we are using for our epidemic modeling studies.<br>
<br>
Two refs of interest:<br>
<br>
Theory:<br>
Krivitsky, P. N., & Morris, M. (2017). Inference for social network models <br>
from egocentrically sampled data, with application to understanding <br>
persistent racial disparities in hiv prevalence in the us. Annals of <br>
Applied Statistics, 11(1), 427-455. doi:10.1214/16-aoas1010<br>
<br>
Tutorial for our software:<br>
<a href="https://statnet.github.io/Workshops/ergm.ego_tutorial.html" rel="noreferrer" target="_blank">https://statnet.github.io/Workshops/ergm.ego_tutorial.html</a><br>
<br>
<br>
<br>
<br>
hth,<br>
Martina<br>
<br>
<br>
On Tue, 12 May 2020, Tom Kraft wrote:<br>
<br>
> Hi Zack,<br>
> Thank you for this helpful reference. I had come across this paper in my literature search but should have<br>
> given it more attention.<br>
> <br>
> Is there a place where the source code associated with your paper is available? It remains a bit unclear to me<br>
> how several of the strategies you used (Shat approximation) might be implemented in R.<br>
> <br>
> I suppose an alternative is to use multiple imputation as discussed here:<br>
> Wang, C., Butts, C. T., Hipp, J. R., Jose, R., & Lakon, C. M. (2016). Multiple imputation for missing edge<br>
> data: a predictive evaluation method with application to add health. Social networks, 45, 89-98.<br>
> <br>
> Thank you!<br>
> Tom<br>
> <br>
> On Tue, May 12, 2020 at 1:26 PM Zack Almquist <<a href="mailto:zalmquist@uw.edu" target="_blank">zalmquist@uw.edu</a>> wrote:<br>
>       Hi Thomas,<br>
> My paper on missing data for TERGM style analysis might be helpful; take a look at it and see if it is<br>
> addressing your problem of interest:<br>
> <br>
> Almquist, Zack W., and Carter T. Butts. "Dynamic network analysis with missing data: theory and<br>
> methods." Statistica Sinica 28.3 (2018): 1245-1264.<br>
> <br>
> Best,<br>
> <br>
> Zack<br>
> ---<br>
> Zack W. Almquist<br>
> Assistant Professor<br>
> Department of Sociology<br>
> Senior Data Scientist Fellow, eScience Institute<br>
> University of Washington<br>
> <br>
> <br>
> On Tue, May 12, 2020 at 8:25 AM Tom Kraft <<a href="mailto:kraft.tom@gmail.com" target="_blank">kraft.tom@gmail.com</a>> wrote:<br>
>       Dear statnet,<br>
> Thank you for all your wonderful work. I am looking for advice on methods applicable to network<br>
> data that doesn't fit neatly into the types of data that regularly appear in statnet tutorials. I<br>
> have a list of sequential discrete time networks involving the same set of actors. At each<br>
> timepoint, however, I only observe some percent of actors in the whole network (~30%). For all<br>
> actors observed I have complete knowledge of their ties, including the identity of alters. I would<br>
> like construct a model of these empirical data with relatively basic terms that can be used to<br>
> simulate full temporal networks with similar network structures. <br>
> <br>
> Given the temporal nature of the networks, it seems that a standard tergm could appropriately be<br>
> used to model the formation and dissolution of ties. Yet given the nature of the sampling, for any<br>
> given network I'm inclined to think that the data are essentially egocentric with known alter info<br>
> because if I have information on a node I can be sure that I know all the connections of that<br>
> individual. Thus, I am wondering if it is possible to conduct a temporal version of the ergm.ego<br>
> model. From the materials I have found online, it seems this should be possible:<br>
> <br>
> "The principles of egocentric inference can be extended to temporal ERGMs (TERGMs). While we will<br>
> not cover that in this workshop, an example can be found in another paper that sought to evaluate<br>
> the network hypothsis for racial disparities in HIV in the US (Morris et al. 2009)."<br>
> - <a href="http://statnet.org/Workshops/ergm.ego_tutorial.html#6_example_analysis" rel="noreferrer" target="_blank">http://statnet.org/Workshops/ergm.ego_tutorial.html#6_example_analysis</a><br>
> <br>
> However, I am unable to find worked examples to follow up on that reference/approach and it is not<br>
> clear to me how to implement this. Additionally, it seems like ergm.ego is not designed to<br>
> incorporate information on identifiable alters -- in which case the methods developed in Kosikinen<br>
> and Robins (2010) perhaps would be more appropriate so that this useful information is not ignored.<br>
> <br>
> Alternatively, I could imagine that this analysis is best conceived of as a tergm with missing data<br>
> at each time step. In this case info on alter ids could be fully utilized I think.<br>
> <br>
> I would be very grateful if anyone could comment on whether one of these approaches seems feasible,<br>
> or if there are other options I might consider. Any materials or references to<br>
> vignettes/tutorials/papers on the topic would also be appreciated. Thank you in advance! Best,<br>
> <br>
> Tom<br>
> <br>
> Thomas Kraft<br>
> Postdoctoral Scholar<br>
> Department of Anthropology<br>
> University of California, Santa Barbara<br>
> _______________________________________________<br>
> statnet_help mailing list<br>
> <a href="mailto:statnet_help@u.washington.edu" target="_blank">statnet_help@u.washington.edu</a><br>
> <a href="http://mailman13.u.washington.edu/mailman/listinfo/statnet_help" rel="noreferrer" target="_blank">http://mailman13.u.washington.edu/mailman/listinfo/statnet_help</a><br>
> <br>
> <br>
><br>
<br>
****************************************************************<br>
  Professor Emerita of Sociology and Statistics<br>
  Box 354322<br>
  University of Washington<br>
  Seattle, WA 98195-4322<br>
<br>
  Office:        (206) 685-3402<br>
  Dept Office:   (206) 543-5882, 543-7237<br>
  Fax:           (206) 685-7419<br>
<br>
<a href="mailto:morrism@u.washington.edu" target="_blank">morrism@u.washington.edu</a><br>
<a href="http://faculty.washington.edu/morrism/" rel="noreferrer" target="_blank">http://faculty.washington.edu/morrism/</a></blockquote></div>
_______________________________________________<br>
statnet_help mailing list<br>
<a href="mailto:statnet_help@u.washington.edu" target="_blank">statnet_help@u.washington.edu</a><br>
<a href="http://mailman13.u.washington.edu/mailman/listinfo/statnet_help" rel="noreferrer" target="_blank">http://mailman13.u.washington.edu/mailman/listinfo/statnet_help</a><br>
</blockquote></div>