GMM estimation of social interaction models with centrality
利用中心性的社会互动模型 GMM 估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究网络结构下的社会互动、内生同伴效应及 Bonacich 中心性工具。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用中心性的社会互动模型 GMM 估计
- 研究问题
- 当社会网络模型同时含内生、情境、相关效应和组固定效应时，成员网络位置的差异如何帮助识别并估计内生社会效应？
- 方法与思路
- 作者利用节点度数不全相等时的 Bonacich 中心性构造工具变量，研究工具数量随组数增长情况下的 2SLS 与 GMM。
- 材料陈述的贡献
- 摘要称中心性提供额外识别信息；样本量相对工具数增长足够快时，两类估计量分别在指定 IV 类和线性、二次矩 GMM 类中有效。
- 阅读关注点
- 应核对中心性工具的有效性来源、网络与组效应限制，以及样本量和工具数的具体增长条件，区分各类效率结论的范围。
- 阅读边界
- 仅依据所给出版社摘要，节点度数不同不能被视为工具有效性的全部条件；外生性限制、识别证明及有限样本表现未说明。
原文摘要
This paper considers the specification and estimation of social interaction models with network structures and the presence of endogenous, contextual, correlated, and group fixed effects. When the network structure in a group is captured by a graph in which the degrees of nodes are not all equal, the different positions of group members as measured by the Bonacich (1987) centrality provide additional information for identification and estimation. In this case, the Bonacich centrality measure for each group can be used as an instrument for the endogenous social effect, but the number of such instruments grows with the number of groups. We consider the 2SLS and GMM estimation for the model. The proposed estimators are asymptotically efficient, respectively, within the class of IV estimators and the class of GMM estimators based on linear and quadratic moments, when the sample size grows fast enough relative to the number of instruments.