A jackknife bias correction for nonlinear network data models with fixed effects
含固定效应的非线性网络数据模型的刀切法偏差校正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：摘要明确研究双边网络、节点固定效应及互惠性和传递性等网络依赖。
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
含固定效应的非线性网络数据模型的刀切法偏差校正
- 研究问题
- 带有个体固定效应的双边网络模型如何校正附带参数偏差？校正能否覆盖平均效应、反事实结果以及涉及多个节点的网络统计量？
- 方法与思路
- 作者采用刀切法校正双边模型中的附带参数偏差，覆盖有向与无向网络及非二元结果，并扩展至三节点、四节点函数的固定效应平均值。
- 材料陈述的贡献
- 摘要称，该方法可校正多类网络效应与反事实估计，并用于互惠性、传递性等双边依赖设定检验，另展示国际进出口引力模型应用。
- 阅读关注点
- 应核对刀切法删减与重估的具体方案，网络依赖及稀疏性条件，偏差校正后推断如何进行，以及多节点统计量和设定检验的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核验；摘要未说明网络渐近框架、误差阶数和应用数值，尚不能判断小样本校正效果。
原文摘要
I introduce a new method for bias correction of dyadic models with agent-specific fixed effects, including the dyadic link formation model with homophily and degree heterogeneity. The proposed approach uses a jackknife procedure to deal with the incidental parameters problem. The method can be applied to both directed and undirected networks, allows for non-binary outcome variables, and can be used to bias correct estimates of average effects and counterfactual outcomes. I also show how the jackknife can be used to bias correct fixed-effect averages over functions that depend on multiple nodes, e.g. triads or tetrads in the network. As an example, I implement specifica- tion tests for dependence across dyads, such as reciprocity or transitivity. Finally, I demonstrate the usefulness of the estimator in an application to a gravity model for import/export relationships across countries.