Homophily and transitivity in dynamic network formation
动态网络形成中的同质性与传递性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：摘要以效用最大化的动态网络形成模型区分传递性偏好与潜在同质性，并研究参数识别。
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…
动态网络形成中的同质性与传递性
- 研究问题
- 网络中共同连接既可能源于偏好传递性，也可能源于未观测同质性时，如何利用动态连边行为识别对传递性连接的偏好？
- 方法与思路
- 作者建立效用驱动的动态网络形成模型，以配对特定效用容纳时不变同质性，不限制初始网络与该效用的联合分布。
- 材料陈述的贡献
- 摘要称给出可检测传递性偏好的构造性识别结果，提出相应估计量并刻画有限样本及单个大网络性质，揭示信息积累的复杂性。
- 阅读关注点
- 应核对效用和连边动态条件、时不变同质性的限制，以及单个大网络中识别信息如何增长、何时无法支持有效估计。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未给出完整识别和渐近条件，不能推广到任意时变同质性或网络过程。
原文摘要
In social and economic networks linked agents often share connections in common. There are two competing explanations for this phenomenon. First, agents may have a structural taste for transitive links - the returns to linking may be higher if two agents share a common connection. Second, agents may assortatively match on unobserved attributes, a process called homophily. We study parameter identifiability in a simple model of dynamic network formation with both effects. Agents form, maintain, and dissolve links over time to maximize utility. The return to linking may be higher if agents share connections in common. A pair-specific utility component allows for arbitrary homophily on time-invariant agent attributes. We derive conditions under which it is possible to detect the presence of a taste for transitivity in the presence of assortative matching on unobservables. We leave the joint distribution of the initial network and the pair-specific utility component, both high dimensional nuisance parameters, unrestricted. Our identification result is constructive, suggesting an analog estimator, whose finite and (single) large network properties we characterize. We show, via examples, the delicacy of information accumulation in the single (large) network setting.