Heterogeneous Peer Effects with Endogenous Network Formation
内生网络形成下的异质同伴效应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：摘要明确联合建模内生网络形成与结果决定，并估计异质同伴效应，直接对应网络与干扰及结构估计。
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
内生网络形成下的异质同伴效应
- 研究问题
- 当个体形成网络关系的过程与结果共同受到未观测因素影响时，如何估计异质同伴响应，并区分直接效应与网络溢出？
- 方法与思路
- 作者提出选择校正的异质空间自回归模型，联合建模连边和结果，以有限混合刻画异质性，并采用贝叶斯数据增广估计。
- 材料陈述的贡献
- 摘要称模拟支持该方法；美国企业创新网络应用显示，控制内生网络形成后，研发投资同伴效应为正且具有异质性。
- 阅读关注点
- 应核对连边与结果方程如何共享未观测因素、混合类别如何识别，以及政策冲击和直接、溢出效应的解释依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明完整识别限制、先验和模拟设定，经验效应依赖模型假设。
原文摘要
This paper introduces a new econometric framework for modeling social interactions with heterogeneous peer responses, addressing endogenous link formation. Our Selection-corrected Heterogeneous Spatial Autoregressive (SCHSAR) approach jointly models link formation and outcome determination. We incorporate a finite mixture structure to capture heterogeneity in peer effects and account for unobserved individual-specific factors driving both network formation and outcome equations, addressing network endogeneity for credible estimation of heterogeneous spillover effects. We propose a fully Bayesian data augmentation approach for estimation and inference, overcoming challenges posed to standard likelihood-based methods. A simulation study validates our approach. Our empirical application to an innovation network among U.S. firms reveals significant positive, yet heterogeneous, peer effects on corporate R&D investments, after accounting for endogenous network formation. The findings highlight varying firm behaviors in response to exogenous R&D policy shocks and and quantify firm-level direct and spillover effects, offering valuable insights for evidence-based and targeted policy design.