Identification in Dynamic Dyadic Network Formation Models with Fixed Effects
含固定效应的动态双边网络形成模型识别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：摘要研究动态网络形成，并明确将双边关系作为短面板处理固定效应，直接支持网络与面板数据分类。
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
含固定效应的动态双边网络形成模型识别
- 研究问题
- 在动态双边网络形成中，如何同时处理关系固定效应、协变量同质性偏好与局部网络反馈，并界定集合识别和点识别的条件？
- 方法与思路
- 作者将双边关系视为短面板，用不等式处理固定异质性，并以跨期带符号子图比较消去固定效应，再考察额外误差与效应结构。
- 材料陈述的贡献
- 摘要称，两类策略可形成并加强半参数识别限制；结合独立同分布 logit 冲击和加性个体固定效应，可得条件 logit 表示及点识别充分条件。
- 阅读关注点
- 应核对网络统计的时间顺序、固定效应消除步骤和识别集合构造，尤其检查已知误差分布与加性固定效应各自带来的限制。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核验。摘要未列出点识别充分条件、估计算法或有限样本结果，不能把一般框架均视为点识别。
原文摘要
This paper establishes (set) identification results in a dynamic dyadic network formation model with time-varying observed covariates, lagged local network statistics, and unobserved heterogeneity in the form of fixed effects. Our framework accommodates observed-covariate homophily, transitivity through common friends, second-order or indirect-friend effects, and more general local subgraph statistics within a single dynamic index model. The analysis combines two complementary ways of handling fixed effects: inequalities that integrate out time-invariant dyad heterogeneity by treating each dyad as a short panel, and signed-subgraph comparisons that difference out fixed effects algebraically through intertemporal variation within each dyad. We show that the semiparametric identifying restrictions can be sharpened using either or both of the following assumptions: (i) error distribution is serially independent with a known distribution, (ii) pairwise fixed effect takes the form of additive individual fixed effects. Combining (i) and (ii) under i.i.d. logit shocks, we obtain an exact conditional logit representation and provide sufficient conditions for point identification.