Functional Differencing in Networks
网络中的函数差分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：摘要直接研究异质主体的经济网络与雇主—雇员匹配，并区分稠密和稀疏网络，因此归入网络与干扰方向。
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
网络中的函数差分
- 研究问题
- 在存在主体异质性、匹配与生产的经济网络中，如何避免要求网络稠密或严格限制异质性形式，仍获得参数与平均效应限制？
- 方法与思路
- 作者把源于面板数据的函数差分方法用于网络模型，推导参数与平均效应的矩限制，并以雇主—雇员匹配模型说明。
- 材料陈述的贡献
- 摘要称这些矩限制不依赖异质性的具体形式，且适用于稠密与稀疏网络，并展示在线性及非线性匹配模型中的应用。
- 阅读关注点
- 应核对函数差分如何消除异质性、网络形成仍需哪些条件，以及有效矩限制是否足以识别参数和平均效应。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出完整模型条件、识别强度或估计结果，不能把矩限制等同于点识别。
原文摘要
Economic interactions often occur in networks where heterogeneous agents (such as workers or firms) sort and produce. However, most existing estimation approaches either require the network to be dense, which is at odds with many empirical networks, or they require restricting the form of heterogeneity and the network formation process. We show how the functional differencing approach introduced by Bonhomme (2012) in the context of panel data, can be applied in network settings to derive moment restrictions on model parameters and average effects. Those restrictions are valid irrespective of the form of heterogeneity, and they hold in both dense and sparse networks. We illustrate the analysis with linear and nonlinear models of matched employer-employee data, in the spirit of the model introduced by Abowd, Kramarz, and Margolis (1999).