Identifying Preferences in Networks With Bounded Degree
度数有界网络中的偏好识别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：摘要使用度数有界、局部网络结构与成对稳定性识别网络形成偏好，直接属于网络与干扰中的网络方向。
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…
度数有界网络中的偏好识别
- 研究问题
- 当网络连边相互依赖、间接联系影响收益时，如何从大规模网络的局部结构比例识别偏好参数，并利用成对稳定性限制参数范围？
- 方法与思路
- 作者假设均衡中个体度数有界，使收益相关的局部结构类型有限，再结合观测比例与成对稳定性构造限制，并以二次规划构建集合。
- 材料陈述的贡献
- 摘要给出参数属于识别集的必要条件；施加额外偏好限制后，这些条件也足以保证成对稳定，从而精确刻画识别集并降低维度。
- 阅读关注点
- 核对度数上界如何限制收益相关结构、必要条件与充分条件各需哪些偏好假设，以及二次规划输出何时构成精确识别集。
- 阅读边界
- 精确识别集刻画依赖额外偏好限制；摘要未说明度数上界的选取、网络抽样与统计推断，也未报告算法在实际规模下的表现。
原文摘要
This paper provides a framework for identifying preferences in a large network where links are pairwise stable. Network formation models present difficulties for identification, especially when links can be interdependent, for example, when indirect connections matter. We show how one can use the observed proportions of various local network structures to learn about the underlying preference parameters. The key assumption for our approach restricts individuals to have bounded degree in equilibrium, implying a finite number of payoff‐relevant local structures. Our main result provides necessary conditions for parameters to belong to the identified set. We then develop a quadratic programming algorithm that can be used to construct this set. With further restrictions on preferences, we show that our conditions are also sufficient for pairwise stability and therefore characterize the identified set precisely. Overall, the use of both the economic model along with pairwise stability allows us to obtain effective dimension reduction.