Identification and Estimation of Network Models with Nonparametric Unobserved Heterogeneity
具有非参数不可观测异质性的网络模型识别与估计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：摘要直接研究网络交互、潜在同质性偏好及网络模型中的不可观测异质性。
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
具有非参数不可观测异质性的网络模型识别与估计
- 研究问题
- 网络交互中存在不可观测同质性偏好及其他潜在异质性时，如何控制未指定函数形式的固定效应并识别可观测特征的作用？
- 方法与思路
- 作者利用交互结果辨识固定效应取值相同的个体，再利用这些个体之间可观测特征的差异识别参数，并构造若干估计量。
- 材料陈述的贡献
- 摘要提出允许固定效应作用形式未指定的网络识别与估计思路，刻画估计量的大样本性质，并用数值实验支持理论分析。
- 阅读关注点
- 应核对交互结果识别相同固定效应的条件、个体相似性的实际度量、协变量变异要求，以及网络依赖如何进入渐近分析。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明网络生成结构、具体识别限制或数值表现，不能认定任意潜在异质性可控。
原文摘要
Homophily based on observables is widespread in networks. Therefore, homophily based on unobservables (fixed effects) is also likely to be an important determinant of the interaction outcomes. Failing to properly account for latent homophily (and other complex forms of unobserved heterogeneity) can result in inconsistent estimators and misleading policy implications. To address this concern, we consider a network model with nonparametric unobserved heterogeneity, leaving the role of the fixed effects unspecified. We argue that the interaction outcomes can be used to identify agents with the same values of the fixed effects. The variation in the observed characteristics of such agents allows us to identify the effects of the covariates, while controlling for the fixed effects. Building on these ideas, we construct several estimators of the parameters of interest and characterize their large sample properties. Numerical experiments illustrate the usefulness of the suggested approaches and support the asymptotic theory.