Specification and estimation of network formation and network interaction models with the exponential probability distribution
采用指数概率分布的网络形成与互动模型：设定与估计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：摘要联合研究网络形成与互动，并以博弈均衡构造和估计结构模型。
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…
采用指数概率分布的网络形成与互动模型：设定与估计
- 研究问题
- 当个体建立友谊时预期网络互动的效用，如何联合建模网络形成与同伴影响，并处理友谊选择对互动效应估计的偏差？
- 方法与思路
- 作者以两阶段博弈的子博弈精炼均衡提供微观基础，构造统一统计模型，采用贝叶斯 MCMC 估计并分析 Add Health 数据。
- 材料陈述的贡献
- 摘要称学业互动效用对友谊形成重要，而吸烟互动效用不重要；成绩与吸烟频率在模型中均呈现显著同伴效应。
- 阅读关注点
- 应核对两阶段决策和均衡假设、网络形成与互动效应的识别来源，以及 MCMC 计算和友谊选择偏差的处理。
- 阅读边界
- 所给 Crossref 摘要未说明具体识别条件、先验及计算诊断，模型中的同伴效应结论不能直接外推，也不推断刊本变化。
原文摘要
We model network formation and interactions under a unified framework by considering that individuals anticipate the effect of network structure on the utility of network interactions when choosing links. There are two advantages of this modeling approach: first, we can evaluate whether network interactions drive friendship formation or not. Second, we can control for the friendship selection bias on estimated interaction effects. We provide microfoundations of this statistical model based on the subgame perfect equilibrium of a two‐stage game and propose a Bayesian MCMC approach for estimating the model. We apply the model to study American high school students' friendship networks using the Add Health dataset. From two interaction variables, GPA and smoking frequency, we find that the utility of interactions in academic learning is important for friendship formation, whereas the utility of interactions in smoking is not. However, both GPA and smoking frequency are subject to significant peer effects.