Semiparametric Analysis of Network Formation
网络形成的半参数分析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：摘要明确研究有向网络形成、节点度数异质性和同质性偏好，并应用于贸易与咨询网络，直接对应网络与干扰方向。
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
网络形成的半参数分析
- 研究问题
- 在同时包含节点度数异质性与同质性偏好的有向网络模型中，如何将节点参数视为固定效应，并对共同的同质性偏好参数进行有效推断？
- 方法与思路
- 作者利用充分统计量，将同质性偏好参数的推断与节点固定效应的估计分离，以处理联合估计导致的附带参数偏差和错误推断。
- 材料陈述的贡献
- 作者称估计量易于计算、适用于稠密和稀疏网络，并具备增长网络下的渐近性质；数值实验显示相较最大似然和偏差校正估计有所改善。
- 阅读关注点
- 核对充分统计量如何剥离节点固定效应、网络增长下的适用条件，以及数值比较和国家贸易、律师咨询网络应用的具体设计。
- 阅读边界
- 摘要未列出渐近条件、网络依赖限制或改善幅度；仅凭数值实验概述，不能断言该方法在所有网络结构中均优于其他估计方法。
原文摘要
We consider a statistical model for directed network formation that features both node-specific parameters that capture degree heterogeneity and common parameters that reflect homophily among nodes. The goal is to perform statistical inference on the homophily parameters while treating the node-specific parameters as fixed effects. Jointly estimating all parameters leads to incidental-parameter bias and incorrect inference. As an alternative, we develop an approach based on a sufficient statistic that separates inference on the homophily parameters from estimation of the fixed effects. The estimator is easy to compute and can be applied to both dense and sparse networks, and is shown to have desirable asymptotic properties under sequences of growing networks. We illustrate the improvements of this estimator over maximum likelihood and bias-corrected estimation in a series of numerical experiments. The technique is applied to explain the import and export patterns in a dense network of countries and to estimate a more sparse advice network among attorneys in a corporate law firm.