Logical differencing in dyadic network formation models with nontransferable utilities
不可转移效用双边网络形成模型中的逻辑差分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：摘要直接研究需双边同意的网络形成、个体异质性消除及风险共担网络应用。
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
不可转移效用双边网络形成模型中的逻辑差分
- 研究问题
- 需要双方同意且具有加性非可分结构的网络形成模型中，如何在不要求加性可分的情况下消除不可观测个体异质性？
- 方法与思路
- 作者提出逻辑差分，利用弱多元单调性导出固定效应限制，再构造涉及互斥限制交集的可观测事件以开展识别与估计。
- 材料陈述的贡献
- 摘要称，该识别策略可消除个体异质性并得到一致估计量；模拟与 Nyakatoke 风险共担网络数据用于展示方法表现。
- 阅读关注点
- 应核对逻辑差分事件的构造、弱多元单调性的作用、网络依赖对估计理论的影响，以及一致性所需的其他条件。
- 阅读边界
- 依据所给 OpenAlex 摘要，具体识别与抽样条件未说明；应用中估计具有经济直觉，不能单凭这一点判断模型正确。
原文摘要
This paper considers a semiparametric model of dyadic network formation under nontransferable utilities (NTU). Such dyadic links arise frequently in real-world social interactions that require bilateral consent but by their nature induce additive non-separability. In our model we show how unobserved individual heterogeneity in the network formation model can be canceled out without requiring additive separability. The approach uses a new method we call logical differencing. The key idea is to construct an observable event involving the intersection of two mutually exclusive restrictions—derived based on weak multivariate monotonicity—on the fixed effects. Based on this identification strategy we provide consistent estimators of the network formation model under NTU. Finite-sample performance of our method is analyzed in a simulation study, and an empirical illustration using the risk-sharing network data from Nyakatoke demonstrates that our proposed method is able to obtain economically intuitive estimates.