A Structural Model of Homophily and Clustering in Social Networks
社交网络中同质性与聚类的结构模型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：摘要明确建立并估计网络形成的结构模型，研究双边连接、同质性与潜在社区，因此归入网络与结构估计。
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
社交网络中同质性与聚类的结构模型
- 研究问题
- 真实社交网络中常见的同质性与聚类如何共同形成？论文研究未观测社区及群体偏好差异能否解释这两类网络特征。
- 方法与思路
- 作者构建含异质参与者和潜在社区的网络形成模型：参与者依次相遇，在随机匹配冲击后决定是否形成双边连接，并估计参数与未观测异质性的后验分布。
- 材料陈述的贡献
- 摘要称，网络形成过程收敛至分层指数族随机图；Add Health友谊网络的后验预测能够复现同质性与总体聚类，并揭示社区间收益异质性。
- 阅读关注点
- 核对潜在社区与种族同质性如何区分、均衡和收敛所需条件，以及后验预测统计量与无社区结构模型比较的具体设定。
- 阅读边界
- 摘要未说明参数与社区划分的识别条件、先验敏感性或计算收敛诊断；学校友谊网络中的拟合表现不能直接推出其他网络中的适用性。
原文摘要
I develop and estimate a structural model of network formation with heterogeneous players and latent community structure, whose equilibrium homophily and clustering levels match those usually observed in real-world social networks. Players belong to communities unobserved by the econometrician and have community-specific payoffs, allowing preferences to have a bias for similar people. Players meet sequentially and decide whether to form bilateral links, after receiving a random matching shock. The model converges to a hierarchical exponential family random graph. Using school friendship network data from Add Health, I estimate the posterior distribution of parameters and unobserved heterogeneity, detecting high levels of racial homophily and payoff heterogeneity across communities. The posterior predictions of sufficient statistics show that the model is able to replicate the homophily levels and the aggregate clustering of the observed network, in contrast with standard exponential family network models without community structure.