依赖性至关重要：识别经济网络中连接形成驱动因素的统计模型
统计方法学
2023-07-10 v3 应用统计
摘要
网络在关于组织、贸易及许多其他领域的经济研究中无处不在。然而，尽管经济理论对网络进行了广泛探讨，但尚未出现用于其经验建模的通用框架。为此，我们引入了两种不同的统计模型——指数随机图模型（ERGM）和加性与乘性效应网络模型（AME）。这两类模型都能考虑观测之间的网络相互依赖性，但它们的方式有所不同。ERGM 允许显式地指定和测试特定网络结构的影响，如果研究者实质上对估计内生网络效应感兴趣，它便是一个自然的选择。相比之下，AME 通过引入影响参与者形成连接倾向的特定参与者潜变量来捕获这些效应。如果研究者希望在没有关于起作用的内生依赖结构的特定理论的情况下，捕获外生协变量对连接形成的影响，则后者是一个不错的选择。在介绍这两类模型之后，我们通过将其应用于源自国际武器贸易和外汇活动的网络来展示它们。我们进一步提供了完整的复现材料，以促进这些方法在经验经济研究中的应用。
引用
@article{arxiv.2210.14860,
title = {Dependence matters: Statistical models to identify the drivers of tie formation in economic networks},
author = {Giacomo De Nicola and Cornelius Fritz and Marius Mehrl and Göran Kauermann},
journal= {arXiv preprint arXiv:2210.14860},
year = {2023}
}