Nonparametric identification in index models of link formation
连边形成指数模型的非参数识别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：摘要直接研究双边连边形成、同质性效应与网络度异质性。
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
连边形成指数模型的非参数识别
- 研究问题
- 在同时包含同质性偏好与个体连边倾向异质性的双边连边模型中，哪些函数、个体效应和冲击分布能够被识别？
- 方法与思路
- 作者设置同质性效应指数与度异质性指数，采用任意分位数间距进行尺度归一化，并以递归填充和向外扩展算法证明识别。
- 材料陈述的贡献
- 摘要称，在归一化意义下，可非参数识别同质性效应函数、不可观测个体固定效应的实现值，以及个体特异冲击的未知分布。
- 阅读关注点
- 应核对归一化保留了哪些经济含义、连边与协变量支持需要满足什么条件，以及递归算法在识别论证中的具体作用。
- 阅读边界
- 仅据所给出版社摘要，不能判断识别所需的完整条件、有限网络中的估计可行性或误差大小；摘要未提供估计与推断结果。
原文摘要
We consider a dyadic link formation model with a homophily effect index and a degree heterogeneity index. We provide nonparametric identification results for the potentially nonparametric homophily effect function, the realizations of unobserved individual fixed effects and the unknown distribution of idiosyncratic shocks, up to normalization. We propose a novel form of scale normalization on an arbitrary interquantile range, which is not only theoretically general but also proves particularly convenient for the identification analysis. We then use an inductive “in-fill and out-expansion” algorithm to establish our main results.