Flexible Imputation of Incomplete Network Data
不完整网络数据的灵活插补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：摘要以缺失网络连接的恢复及线性均值互动模型中的同伴效应估计为核心，直接对应网络数据与互动分析方向。
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
不完整网络数据的灵活插补
- 研究问题
- 网络抽样导致部分连接缺失时，如何在容纳协变量和不可观测异质性的同时补全网络，并支持后续经验分析的一致估计？
- 方法与思路
- 作者将协变量投影与局部双向固定效应回归结合，非参数插补缺失连接，并分析基于插补网络的 GMM 与同伴效应估计。
- 材料陈述的贡献
- 摘要称无需参数化或低秩限制即可获得逐元素收敛率和后续 GMM 一致性，并推导线性均值互动模型估计量的收敛率。
- 阅读关注点
- 全文应核对网络抽样与缺失机制条件、局部邻域构造、稀疏网络适用性，以及插补误差怎样传递到后续估计和推断。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列出一致性所需的抽样条件，也未说明后续标准误如何计算。
原文摘要
Sampled network data are widely used in empirical research because collecting complete network information is costly. However, empirical analyses based on sampled networks may lead to biased estimators. We propose a nonparametric imputation method for sampled networks and show that empirical analyses based on imputed networks yield consistent estimates. Our approach imputes missing network links by combining a projection onto covariates with a local two-way fixed-effects regression. The method avoids parametric assumptions, does not rely on low-rank restrictions, and flexibly accommodates both observed covariates and unobserved heterogeneity. We establish entrywise convergence rates for the imputed matrix and prove the consistency of generalized method of moments (GMM) estimators based on imputed networks. We further derive the convergence rate of the corresponding estimator in the linear-in-means peer-effects model. Simulations show strong performance of our method both in terms of imputation accuracy and in downstream empirical analysis. We illustrate our method with an application to the microfinance network data of Banerjee et al. (2013).