公共行政中的网络推断：因果性问题、挑战与模型
社会与信息网络
2024-09-02 v1
摘要
描述性与推断性社会网络分析在网络治理与公共行政研究中已变得普遍。大量文献发展出两大类别：网络结构的前因，以及网络效应与结果。网络干预这一新主题正在兴起，它应用网络形成与效应的知识来主动干预互动的社会情境。然而，学者们如何部署并确定网络干预的影响，这仍是一个问题。推断性网络分析主要集中于网络分布的统计模拟，以对观测网络中感兴趣的参数产生概率估计，例如 ERGMs。在网络情境中，对因果推断设计要素的关注较少，例如实验干预、随机化、控制与对照网络以及溢出效应。我们提出了网络研究的若干重要问题，考察了重要的推断挑战及与网络推断相关的其他问题，并聚焦于一组可能的网络推断模型。我们将网络推断模型分为以下几类：(i) 网络的观察性研究，使用缺乏干预、随机化或对照网络的描述性与随机方法；(ii) 利用计算资源生成推断的模拟研究；(iii) 具有无意网络干预的自然网络实验；(iv) 具有设计干预并伴随对照网络的网络现场实验；以及 (v) 设计并实施处理与控制网络随机化的实验室实验。本文为对公共行政中网络分析的问题、挑战及推断模型感兴趣的网络研究者提供了指南。
引用
@article{arxiv.2408.16933,
title = {Network Inference in Public Administration: Questions, Challenges, and Models of Causality},
author = {Travis A. Whetsell and Michael D. Siciliano},
journal= {arXiv preprint arXiv:2408.16933},
year = {2024}
}