Identification and estimation of linear social interaction models
线性社会互动模型的识别与估计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。
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：摘要直接研究网络中的社会互动识别，并专门提出面板数据估计方法，因此对应网络与面板方向。
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
线性社会互动模型的识别与估计
- 研究问题
- 高阶线性社会互动模型在什么网络结构下能够识别，固定效应消除方式如何影响识别，并如何利用面板数据实现简便高效估计？
- 方法与思路
- 作者推导高阶互动模型的识别条件及不可识别网络的直径上界，比较固定效应消除方法，并为面板数据构造计算简便的估计量。
- 材料陈述的贡献
- 摘要称网络直径上界可推出文献中的多种不可识别网络性质；所提面板估计量在正态性条件下与最大似然估计具有相同渐近效率。
- 阅读关注点
- 应核对互动阶数、网络距离与直径上界的关系，比较固定效应消除后的识别条件，并查看效率等价所依赖的正态性及其他条件。
- 阅读边界
- 仅依据所给出版社摘要，无法给出具体直径界限或判断实际网络是否可识别；效率结论带有正态性限定，其他完整条件未说明。
原文摘要
This paper has two parts. The first part derives the identification conditions for higher-order social interaction models. In the case where social effects depend on the distance between individuals, the upper bounds on the network diameters for non-identified models are derived. Many network properties of non-identified models in the literature can be derived from these upper bounds. This part analyzes which fixed effect elimination methods require less restrictive identification conditions. The second part considers estimation with panel data. This part develops an estimator which is computationally simple and asymptotically as efficient as the maximum likelihood estimator under normality.