A Trimming Estimator for the Latent-Diffusion-Observed-Adoption Model
潜在扩散—观测采纳模型的修剪估计量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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究具有潜在扩散机制的网络互动模型，并通过近似似然进行模型估计，支持网络与结构估计分类。
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
潜在扩散—观测采纳模型的修剪估计量
- 研究问题
- 网络扩散不可观测且存在多轮互动时，潜在扩散状态组合和个体依赖使精确似然难以计算，能否通过修剪获得可优化的近似似然？
- 方法与思路
- 作者提出修剪估计量，借助减少潜在扩散状态的计算负担构建并最大化近似对数似然，以寻找真实对数似然峰值所在的位置。
- 材料陈述的贡献
- 摘要称当受修剪者不超过符合条件主体的三分之一时，近似对数似然能够几乎精确定位真实似然峰值，为潜在扩散估计提供方案。
- 阅读关注点
- 应核对符合条件主体与修剪规则的定义、三分之一界限的适用条件，以及峰值近似误差、估计量性质和实际计算节省程度。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明峰值接近的误差标准或完整条件，不能将三分之一视为普适保证。
原文摘要
Network diffusion models are applicable to many socioeconomic interactions, yet network interaction is hard to observe or measure. Whenever the diffusion process is unobserved, the number of possible realizations of the latent matrix that captures agents' diffusion statuses grows exponentially with the size of network. Due to interdependencies, the log likelihood function can not be factorized in individual components. As a consequence, exact estimation of latent diffusion models with more than one round of interaction is computationally infeasible. In the present paper, I propose a trimming estimator that enables me to establish and maximize an approximate log likelihood function that almost exactly identifies the peak of the true log likelihood function whenever no more than one third of eligible agents are subject to trimming.