An Econometric Model of Network Formation With Degree Heterogeneity
具有度异质性的网络形成计量模型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：摘要的模型和估计对象是无向网络中的连边与同质性匹配，并明确讨论稀疏及稠密网络，直接支持网络方向分类。
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
具有度异质性的网络形成计量模型
- 研究问题
- 如何在单个不断扩大的无向网络中，同时容纳可观察特征引起的同质性匹配和不受限制的个体度异质性，并估计共同的同质性参数？
- 方法与思路
- 作者建立无向成对连边模型；四元组 logit 对度异质性的充分统计量作条件化，联合最大似然则同时估计个体异质性参数。
- 材料陈述的贡献
- 摘要称四元组 logit 在稀疏与稠密图序列下均一致；联合最大似然的一致性仅在稠密序列下获证，并允许个体可观测与不可观测特征相关。
- 阅读关注点
- 应核对稀疏与稠密网络序列的定义、四元组条件化所保留的信息，以及附带参数问题对联合最大似然估计和后续推断的影响。
- 阅读边界
- 摘要未说明具体稀疏度条件、推断公式或有限样本表现；联合最大似然只在稠密序列下证明一致，不能据此断言所有稀疏情形均不一致。
原文摘要
I introduce a model of undirected dyadic link formation which allows for assortative matching on observed agent characteristics (homophily) as well as unrestricted agent‐level heterogeneity in link surplus (degree heterogeneity). Like in fixed effects panel data analyses, the joint distribution of observed and unobserved agent‐level characteristics is left unrestricted. Two estimators for the (common) homophily parameter, β0, are developed and their properties studied under an asymptotic sequence involving a single network growing large. The first, tetrad logit (TL), estimator conditions on a sufficient statistic for the degree heterogeneity. The second, joint maximum likelihood (JML), estimator treats the degree heterogeneity {Ai0}i = 1-super-N as additional (incidental) parameters to be estimated. The TL estimate is consistent under both sparse and dense graph sequences, whereas consistency of the JML estimate is shown only under dense graph sequences.