Identification of Heterogeneous Peer Effects
异质性同伴效应的识别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。
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：摘要直接研究网络中的同伴溢出及其识别，并讨论学生影响的反事实分析，支持网络与因果推断分类。
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…
异质性同伴效应的识别
- 研究问题
- 同伴的影响如何随其在同伴结果分布中的排名变化，这种异质性如何被识别，又会怎样改变网络反事实分析？
- 方法与思路
- 作者建立按同伴结果排名区分效应的模型，利用同伴外生特征识别参数，并提出分位数依赖的简化设定与检验。
- 材料陈述的贡献
- 摘要称模型具有唯一均衡；Add Health 学生数据应用显示异质且常非单调的溢出，同伴影响还取决于结果排名。
- 阅读关注点
- 应核对唯一均衡与参数识别的具体条件、外生特征的作用，以及排名内生性、设定检验和反事实计算的处理。
- 阅读边界
- 这是预印本，同行评审与期刊接收均未核实。摘要未说明识别条件、检验性质及估计数值，不能据此判断结论稳健性。
原文摘要
We develop a model of peer effects where each peer has a separate effect depending on their rank in the distribution of peers' outcomes. Our model admits a unique equilibrium, and model parameters can be identified using peers' exogenous characteristics. To obtain a more parsimonious model of peer effects, we introduce a tractable specification based on quantile-dependent peer effect coefficients, and develop a specification test. Applying the model to several student outcomes in the Add Health data, we uncover heterogeneous and often non-monotonic spillovers that cannot be captured by existing models. Our results have direct implications for counterfactual analysis, suggesting that a student's influence in a network depends not only on network structure, but also on that student's position in the outcome distribution of their peers.