Estimating Policy Effects in a Social Network with Independent Set Sampling
利用独立集抽样估计社会网络中的政策效应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：摘要明确研究政策因果效应，并以网络干扰及独立集抽样为核心。
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…
利用独立集抽样估计社会网络中的政策效应
- 研究问题
- 社会网络中的处理可能向其他成员溢出，使政策直接效应与网络干扰混合；研究如何通过样本设计辅助区分这些效应。
- 方法与思路
- 作者将网络独立集抽样与随机行动者导向模型结合，向独立集成员施加处理，并通过反事实方法估计政策直接及净效应。
- 材料陈述的贡献
- 摘要称，基于真实与生成网络的虚构政策模拟展示了策略的有效性，并说明网络抽样设计会影响政策效应的评估。
- 阅读关注点
- 应核对独立集如何限制直接溢出、该限制维持的时间，以及间接路径、网络演化和模型设定如何影响效应解释。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；应用为虚构政策模拟，独立集设计不能据此视为消除全部干扰。
原文摘要
Evaluating the impact of policy interventions on respondents who are embedded in a social network is often challenging due to the presence of network interference within the treatment groups, as well as between treatment and non-treatment groups throughout the network. In this paper, we propose a novel empirical strategy that combines network sampling based on the identification of independent sets with a stochastic actor-oriented model (SAOM) to infer the direct and net effects of a policy. By assigning respondents from an independent set to the treatment, we are able to block direct spillover of the treatment among the treated respondents for an extended period of time, during which the direct effect of the treatment can be isolated from the associated network interference. We empirically demonstrate this using a simulation-based evaluation of a fictitious policy implementation using both real-life and generated networks, and use a counterfactual approach to estimate the treatment effect of the policy. Our results highlight the effectiveness of our proposed empirical strategy, and notably, the role of network sampling techniques in influencing the evaluation of policy effects. The findings from this study have the potential to help researchers and policymakers with planning, designing, and anticipating policy responses in a networked society.