发表机构
Princeton University; University of California - Berkeley; New York University（普林斯顿大学; 加州大学伯克利分校; 纽约大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文研究动态网络形成中同质性与传递性效应的识别问题，提出构造性识别方法及模拟估计量，并刻画其有限样本与大网络性质。
AI 中文摘要
在社会和经济网络中，相互连接的个体（agents）往往拥有共同的连接对象。对于这一现象，存在两种相互竞争的解释。其一，个体可能对传递性连接（transitive links）具有结构性偏好——如果两个个体拥有一个共同的连接对象，那么他们之间建立连接所带来的回报可能更高。其二，个体可能依据未观测到的属性进行同类匹配（assortatively match），这一过程被称为同质性（homophily）。我们在一个同时包含这两种效应的简单动态网络形成模型中，研究参数的可识别性（identifiability）。个体随时间形成、维持和解除连接，以最大化其效用。如果个体拥有共同的连接对象，那么建立连接所带来的回报可能更高。一个针对个体对的特定效用成分（pair-specific utility component）允许对时不变个体属性存在任意的同质性。我们推导出在存在基于不可观测特征的同类匹配时，能够检测到传递性偏好的条件。我们将初始网络和个体对特定效用成分的联合分布（两者均为高维冗余参数）保持不受限制。我们的识别结果是构造性的，由此提出一个模拟估计量（analog estimator），并刻画了其有限样本及单个大网络下的性质。我们通过示例展示了在单个（大）网络背景下信息积累的微妙性。
英文摘要
In social and economic networks linked agents often share connections in common. There are two competing explanations for this phenomenon. First, agents may have a structural taste for transitive links - the returns to linking may be higher if two agents share a common connection. Second, agents may assortatively match on unobserved attributes, a process called homophily. We study parameter identifiability in a simple model of dynamic network formation with both effects. Agents form, maintain, and dissolve links over time to maximize utility. The return to linking may be higher if agents share connections in common. A pair-specific utility component allows for arbitrary homophily on time-invariant agent attributes. We derive conditions under which it is possible to detect the presence of a taste for transitivity in the presence of assortative matching on unobservables. We leave the joint distribution of the initial network and the pair-specific utility component, both high dimensional nuisance parameters, unrestricted. Our identification result is constructive, suggesting an analog estimator, whose finite and (single) large network properties we characterize. We show, via examples, the delicacy of information accumulation in the single (large) network setting.
