Identification and Estimation of a Partially Linear Regression Model using Network Data: Inference and an Application to Network Peer Effects
利用网络数据识别和估计部分线性回归：推断与网络同伴效应应用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：题名与摘要明确涉及网络数据及网络同伴效应估计，直接支持网络与干扰分类，但不足以细分其他计量方向。
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
利用网络数据识别和估计部分线性回归：推断与网络同伴效应应用
- 研究问题
- 在所引用研究的网络数据部分线性回归设定中，估计量具有怎样的大样本性质，模型扩展又如何用于估计网络同伴效应？
- 方法与思路
- 摘要说明本文补充既有模型与估计量的结果，依次讨论大样本性质、模型扩展、网络同伴效应应用及模拟研究。
- 材料陈述的贡献
- 作者提供所引用研究框架下的进一步推断结果和模型扩展，并加入网络同伴效应应用与模拟；摘要未列出具体结论。
- 阅读关注点
- 应结合所引用研究核对基础模型、网络形成与识别条件，再检查新增渐近结果的适用范围、同伴效应设定和模拟设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要主要是章节说明，未提供估计式、具体假设或实证结果。
原文摘要
This paper provides additional results relevant to the setting, model, and estimators of Auerbach (2019a). Section 1 contains results about the large sample properties of the estimators from Section 2 of Auerbach (2019a). Section 2 considers some extensions to the model. Section 3 provides an application to estimating network peer effects. Section 4 shows the results from some simulations.