TL;DR
- چکیده:.
- دادههای شبکه نمونهگیری شده در تحقیقات تجربی رایج هستند زیرا جمعآوری اطلاعات کامل شبکه پرهزینه است،.
- اما استفاده از شبکههای نمونهبرداری شده میتواند منجر به تخمینهای مغرضانه شود.
چه اتفاقی افتاد
چکیده:. دادههای شبکه نمونهگیری شده در تحقیقات تجربی رایج هستند زیرا جمعآوری اطلاعات کامل شبکه پرهزینه است،.
اما استفاده از شبکههای نمونهبرداری شده میتواند منجر به تخمینهای مغرضانه شود. ما یک روش انتساب ناپارامتری را برای شبکههای نمونه پیشنهاد میکنیم و نشان میدهیم که تحلیل تجربی مبتنی.
بر شبکههای انباشته تخمینهای پارامتری سازگار را به دست میدهد. رویکرد ما پیوندهای شبکه از دست رفته را با ترکیب یک پیشبینی روی متغیرهای کمکی با یک رگرسیون.
اثرات ثابت دو طرفه محلی،. که از مفروضات پارامتریک اجتناب میکند،.
بر محدودیتهای رتبه پایین تکیه نمیکند و بهطور انعطافپذیری متغیرهای کمکی مشاهدهشده و ناهمگنی مشاهدهنشده را در خود. جای میدهد،.
نسبت میدهد. ما نرخهای همگرایی ورودی را برای ماتریس منتسب ایجاد میکنیم و سازگاری برآوردگرهای GMM را بر اساس شبکه.
منتسب ثابت میکنیم. ما بیشتر نرخ همگرایی برآوردگر مربوطه را در مدل اثرات همتا خطی به میانگین بدست میآوریم.
شبیهسازیها عملکرد قوی روش ما را هم از نظر دقت انتساب و هم در تحلیل تجربی. پایین دستی نشان میدهد.
ما روش خود را با استفاده از دادههای شبکه مالی خرد Banerjee و همکاران نشان میدهیم. (2013).
اقتصاد سنجی (econ. EM) استناد بهعنوان: (یا v1 [econ.
EM] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Weisheng Zhang [مشاهده ایمیل] [v1] جمعه،. 3 آوریل 2026،.
ساعت 16:. 47:.
00 UTC (170 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.