Two-step Estimation of Network Formation Models with Unobserved Heterogeneities and Strategic Interactions
含未观测异质性与策略互动的网络形成模型两步估计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。
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：摘要同时包含网络形成博弈、模型原始参数估计及条件选择概率，支持网络、结构估计与离散选择分类。
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
含未观测异质性与策略互动的网络形成模型两步估计
- 研究问题
- 如何仅凭一个大型网络，估计含策略互动的网络形成模型，并允许个体未观测属性通过固定效应与观测属性相关？
- 方法与思路
- 作者将连边决策建模为不完全信息静态博弈，先估计均衡选择概率信念，再代入条件选择概率，以联合最大似然估计参数及固定效应。
- 材料陈述的贡献
- 摘要称，观测属性离散时第一步以 N 的负四分之一次方速率一致，第二步在同一速率下渐近正态；N 为连边提议总数。
- 阅读关注点
- 应核对均衡信念的识别与选择、单网络下的依赖处理、离散属性条件，以及第一步误差和个体固定效应如何进入第二步推断。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未完整说明博弈均衡、参数识别和渐近正态性的正则条件。
原文摘要
In this paper, I characterize the network formation process as a static game of incomplete information, where the latent payoff of forming a link between two individuals depends on the structure of the network, as well as private information on agents' attributes. I allow agents' private unobserved attributes to be correlated with observed attributes through individual fixed effects. Using data from a single large network, I propose a two-step estimator for the model primitives. In the first step, I estimate agents' equilibrium beliefs of other people's choice probabilities. In the second step, I plug in the first-step estimator to the conditional choice probability expression and estimate the model parameters and the unobserved individual fixed effects together using Joint MLE. Assuming that the observed attributes are discrete, I showed that the first step estimator is uniformly consistent with rate $N^{-1/4}$, where $N$ is the total number of linking proposals. I also show that the second-step estimator converges asymptotically to a normal distribution at the same rate.