Revealed Social Networks
显示性社会网络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：摘要研究同伴效应的均值线性模型，并讨论该行为模型的检验与识别，因此涉及网络与结构估计。
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…
显示性社会网络
- 研究问题
- 如何利用个体选择和外生群组变动检验同伴效应的均值线性模型，并判断结果变量的维度如何影响模型的识别能力？
- 方法与思路
- 作者构建显示偏好式检验，将均值线性模型的行为一致性表达为线性规划，再分别分析一维与多维结果下的识别性质。
- 材料陈述的贡献
- 摘要称，一维结果下识别失败具有一般性；多维结果下则给出使识别一般成立的条件，突出结果维度与识别之间的紧密关系。
- 阅读关注点
- 应核对外生群组变动的含义、线性规划约束与模型可检验性的关系、被识别对象，以及一般性结论和多维识别条件的定义。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未给出完整识别条件、检验的统计实施方式或外生群组变动的验证方法。
原文摘要
The linear-in-means model is the standard empirical model of peer effects and asks that an agent's choice or outcome is a combination of their ideal point and the mean outcome of their group. Using choice data and exogenous group variation, we develop a revealed preference style test for the linear-in-means model. This test is formulated as a linear program and can be interpreted as a condition about differentiating the behavior of each agent in a consistent manner. We then study the identification properties of the linear-in-means model. A key takeaway from our analysis is the close relationship between the dimension of the outcome variable and identification. When the outcome variable is one-dimensional, failures of identification are generic. When the outcome variable is multi-dimensional, we provide natural conditions under which identification is generic.