基于自我中心数据的网络自相关模型

网络自相关模型数十年来被广泛用于建模网络行动者属性的联合分布。这类模型可估计个体特征的影响以及网络效应（或社会影响）对感兴趣的行动者属性的作用。然而，若网络边界未知或难以界定，收集整个网络的数据通常不可行或不可能。获取自我中心网络数据克服了这些障碍，但迄今尚无明确方法能在与完整网络数据联合分布兼容的方式下建模此类数据并恰当捕捉网络对行动者属性的影响。本文调整了网络自相关模型类以处理自我中心数据。因此，所提方法纳入了网络引发的数据复杂依赖结构，而非简单地使用自我者网络的临时度量来建模均值结构，并可估计网络对感兴趣行动者属性的影响。关于网络的海量未知信息可被简洁表示，其仅依赖于自我中心网络数据中的 alters 数量，而不依赖于网络中行动者总数。估计在贝叶斯框架内完成。进行了模拟研究以评估估计性能，并分析了一个自我中心数据集，旨在确定环境掌控力（心理幸福感的重要方面）上是否存在网络效应。