Estimating Social Network Models with Link Misclassification
网络连边误分类下的社会网络模型估计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：摘要直接研究社会网络连边误分类及其对同伴效应估计的影响。
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
网络连边误分类下的社会网络模型估计
- 研究问题
- 当二元网络连边被错报为存在或不存在时，如何估计同伴效应，并处理误分类引入的解释变量与误差相关性？
- 方法与思路
- 作者提出调整后的两阶段最小二乘法，先估计连边误分类率，再修正内生同伴结果并构造新工具变量，无需结构化建模连边形成。
- 材料陈述的贡献
- 摘要称误分类会使模型中所有协变量内生，所提调整方法在模拟中纠正朴素估计的偏误，并用于印度村庄小额信贷参与研究。
- 阅读关注点
- 应核对误分类率如何识别、工具变量为何有效，以及哪些条件允许省略连边形成模型；同时检查应用中网络误报的处理依据。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明误分类机制限制、识别条件或实证效应数值。
原文摘要
We propose an adjusted 2SLS estimator for social network models when reported binary network links are misclassified (some zeros reported as ones and vice versa) due, e.g., to survey respondents' recall errors, or lapses in data input. We show misclassification adds new sources of correlation between the regressors and errors, which makes all covariates endogenous and invalidates conventional estimators. We resolve these issues by constructing a novel estimator of misclassification rates and using those estimates to both adjust endogenous peer outcomes and construct new instruments for 2SLS estimation. A distinctive feature of our method is that it does not require structural modeling of link formation. Simulation results confirm our adjusted 2SLS estimator corrects the bias from a naive, unadjusted 2SLS estimator which ignores misclassification and uses conventional instruments. We apply our method to study peer effects in household decisions to participate in a microfinance program in Indian villages.