发表机构
University of Pennsylvania; National University of Singapore（宾夕法尼亚大学; 新加坡国立大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
针对依赖内生网络统计量的战略网络形成模型，开发无需均衡网络结构处理的单网络有限样本推断程序，可处理大规模网络并验证战略系数符号，在经验应用中证实正向链接相互依赖。
AI 中文摘要
针对链接决策依赖内生网络统计量（如共同好友数量）的战略网络形成模型，我们开发了一种有限样本有效的推断程序。仅需观察到单个网络，我们不限制其密度、战略互动诱导的依赖结构或均衡选择机制。我们利用“bounding-by-c”技术构造一组逐实现有效的三明治不等式，中间项仅涉及独立同分布的成对误差。随后，我们在外生协变量的单元格上对三明治不等式进行平均，在非标准路径极限公式下得到识别约束。为进行推断，我们构造了检验统计量，其有限样本不确定性可仅通过外生协变量和误差的统计量控制，在半参数和参数设置中，这些统计量的条件分布均可精确模拟。我们提出的推断程序计算上易处理，无需求解、模拟或枚举均衡网络结构。在模拟中，我们的程序可轻松扩展至10000个节点的网络，并生成能验证战略系数符号的置信集。在两个经验应用（网络规模约300~9500）中，我们在95%置信水平下发现了正向链接相互依赖的统计证据。
英文摘要
We develop a finite-sample valid inference procedure for strategic network formation models with endogenous network statistics, using only a single observed network. We impose no restrictions on network density, equilibrium selection, or the dependence structure induced by strategic interaction. Using a "bounding-by-c" technique, we obtain realization-wise sandwich inequalities whose middle term depends only on exogenous covariates and i.i.d. pairwise shocks. These inequalities deliver pathwise identifying restrictions and simulable finite-sample critical values in both parametric and semiparametric settings. Our proposed procedure is also computationally tractable: it does not involve solving, simulating, or enumerating equilibrium (sub)networks, and easily scales to networks with 10000 agents in simulations. In two empirical applications, we find statistical evidence for positive link interdependence at the 95% confidence level.
