Identifying Socially Disruptive Policies
社会关系扰动政策的识别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：摘要研究实验政策对个体网络连接的影响及其部分识别，直接涉及因果推断与网络。
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
社会关系扰动政策的识别
- 研究问题
- 政策通过建立或破坏个体间网络联系造成社会扰动时，实验数据能够识别多少扰动，不能点识别时如何构造信息界？
- 方法与思路
- 作者利用实验识别的个体对网络联系边际分布，通过重排其特征值构造社会扰动的界，并用于已有实验研究。
- 材料陈述的贡献
- 摘要称社会扰动通常不能点识别，但可得到有信息的界；应用中发现较大扰动，而原研究的回归估计未揭示这一结果。
- 阅读关注点
- 应核对社会扰动的定义、实验随机化与网络观测要求，以及边际信息如何形成界、界是否锐利及应用中的不确定性。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未给出界的公式和效应幅度，无法判断福利影响大小。
原文摘要
Social disruption occurs when a policy creates or destroys many network connections between agents. It is a costly side effect of many interventions and so a growing empirical literature recommends measuring and accounting for social disruption when evaluating the welfare impact of a policy. However, there is currently little work characterizing what can actually be learned about social disruption from data in practice. In this paper, we consider the problem of identifying social disruption in an experimental setting. We show that social disruption is not generally point identified, but informative bounds can be constructed by rearranging the eigenvalues of the marginal distribution of network connections between pairs of agents identified from the experiment. We apply our bounds to the setting of Banerjee et al. (2021) and find large disruptive effects that the authors miss by only considering regression estimates.