Robust Inference in Locally Misspecified Bipartite Networks
局部误设双部网络中的稳健推断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：摘要直接讨论双部网络、成对关系模型及稀疏网络推断，并以科学合作网络说明方法，对应网络与干扰方向中的网络建模。
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
局部误设双部网络中的稳健推断
- 研究问题
- 当双部网络模型的条件矩限制存在随样本量变化的局部误设时，如何兼顾估计误差控制与稀疏网络下的区间覆盖？
- 方法与思路
- 作者采用局部渐近误设框架，在误设邻域内构造均方误差意义下的极小极大估计量，并建立显式考虑偏差的置信区间。
- 材料陈述的贡献
- 摘要称估计量在指定误设邻域内具有极小极大最优性，区间在稀疏网络渐近下覆盖正确，并以经济学家合作网络作说明。
- 阅读关注点
- 核对误设邻域及其尺度、双部网络的依赖结构、稀疏渐近方案，以及最优性与区间覆盖是否针对同一参数和模型范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核验；摘要未给出邻域设定、正则条件和模拟数值，稳健性范围仍需全文核对。
原文摘要
This paper introduces a methodology to conduct robust inference in bipartite networks under local misspecification. We focus on a class of dyadic network models with misspecified conditional moment restrictions. The framework of misspecification is local, as the effect of misspecification varies with the sample size. We utilize this local asymptotic approach to construct a robust estimator that is minimax optimal for the mean square error within a neighborhood of misspecification. Additionally, we introduce bias-aware confidence intervals that account for the effect of the local misspecification. These confidence intervals have the correct asymptotic coverage for the true parameter of interest under sparse network asymptotics. Monte Carlo experiments demonstrate that the robust estimator performs well in finite samples and sparse networks. As an empirical illustration, we study the formation of a scientific collaboration network among economists.