具有指数概率分布的网络形成和网络交互模型的规范和估计-研究论文

在本文中，我们在统一框架下对网络形成和网络交互进行建模。 我们模型的关键特征是允许个人在选择朋友（网络链接）时对源自某些活动的互动收益的激励做出React，同时根据网络形成和活动中未观察到的特征变量来捕捉同质性。 这种建模方法有两个优点：第一，可以评估来自某些交互的激励是否是友谊形成的重要因素。 其次，除了在未观察到的特征方面的同质效应之外，在网络公式中包含激励效应还纠正了网络交互下活动结果可能存在的友谊选择偏差。 这种统一模型的理论基础是基于两阶段博弈的子博弈完美均衡。 提出了一种易于处理的贝叶斯 MCMC 方法来估计模型，我们在模拟研究中证明了其有限样本性能。 我们应用该模型从 Add Health 数据集中对美国高中生的友谊网络进行实证研究。 我们考虑了 GPA 和吸烟频率这两个活动变量，并发现 GPA 对友谊形成有显着的激励作用，而不是吸烟。 这些结果表明，学术学习中互动的好处是友谊形成的重要因素，而吸烟的互动好处则不然。 另一方面，从网络交互的角度来看，GPA和吸烟频率都受到显着的正向交互（peer）效应的影响。