Fixed‐Effect Regressions on Network Data
网络数据的固定效应回归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：摘要以匹配网络的结构和固定效应推断为核心，并明确列举雇主与雇员、学生与教师面板，因此对应网络与面板数据方向。
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
网络数据的固定效应回归
- 研究问题
- 在雇主与雇员、学生与教师等匹配数据中，网络结构如何影响固定效应估计精度，何种结构允许一致估计和有效渐近推断？
- 方法与思路
- 作者在线性网络回归框架中分析固定效应与网络结构的关系，涵盖双向固定效应、一般网络以及稠密和稀疏情形，并考虑矩的估计。
- 材料陈述的贡献
- 摘要称，论文刻画网络结构对固定效应估计精度的影响，给出一致估计与渐近有效推断的充分条件，并提供教师增值等数值结果。
- 阅读关注点
- 重点核对网络条件的具体含义与可检验性、稀疏网络下的渐近设定，以及固定效应和相关矩的估计是否需要不同条件。
- 阅读边界
- 摘要未列出网络充分条件、误差结构或数值结果的幅度，因而无法判断特定匹配数据是否满足要求，或不同网络下的实际估计精度。
原文摘要
This paper considers inference on fixed effects in a linear regression model estimated from network data. An important special case of our setup is the two‐way regression model. This is a workhorse technique in the analysis of matched data sets, such as employer–employee or student–teacher panel data. We formalize how the structure of the network affects the accuracy with which the fixed effects can be estimated. This allows us to derive sufficient conditions on the network for consistent estimation and asymptotically valid inference to be possible. Estimation of moments is also considered. We allow for general networks and our setup covers both the dense and the sparse case. We provide numerical results for the estimation of teacher value‐added models and regressions with occupational dummies.