Social Networks and the Identification of Peer Effects
社会网络与同伴效应的识别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。
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：摘要直接讨论社会网络及同伴效应的识别，着重分析网络内生性、多网络和间接联系，对应网络与干扰及因果推断。
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…
社会网络与同伴效应的识别
- 研究问题
- 同伴效应的识别如何受网络形成内生性、链接定义与多重网络影响，以及传统线性均值模型与替代模型如何描述间接相连个体的相关性？
- 方法与思路
- 作者围绕 Manski 型线性均值模型，考察网络或同伴群组内生性，联合讨论不同链接定义与多网络效应，并比较自回归和移动平均表示。
- 材料陈述的贡献
- 摘要指出传统模型的自回归表示，并比较限制间接相连者相关性的移动平均替代模型；作者用 Add Health 友谊网络数据展示这些设定的经验相关性。
- 阅读关注点
- 阅读时应核对网络内生性的处理方式、多种链接定义如何进入模型，以及两类表示对间接联系的限制；检查友谊网络应用如何支持模型比较。
- 阅读边界
- 摘要未说明解决网络内生性的具体识别条件、估计程序或效应数值；友谊网络应用展示经验相关性，不能据此认定已经识别出因果同伴效应。
原文摘要
There is a large and growing literature on peer effects in economics. In the current article, we focus on a Manski-type linear-in-means model that has proved to be popular in empirical work. We critically examine some aspects of the statistical model that may be restrictive in empirical analyses. Specifically, we focus on three aspects. First, we examine the endogeneity of the network or peer groups. Second, we investigate simultaneously alternative definitions of links and the possibility of peer effects arising through multiple networks. Third, we highlight the representation of the traditional linear-in-means model as an autoregressive model, and contrast it with an alternative moving-average model, where the correlation between unconnected individuals who are indirectly connected is limited. Using data on friendship networks from the Add Health dataset, we illustrate the empirical relevance of these ideas.