利用聚合关系数据在无网络数据情况下可行地识别网络结构
统计方法学
2018-08-03 v3
摘要
社会网络数据的收集成本往往高得令人望而却步，限制了实证网络研究。典型的经济网络映射需要：(1) 进行普查，(2) 获取每个个体所有网络链接的名称，(3) 将社会关系列表与普查数据匹配，以及 (4) 在多个网络中重复步骤 (1)-(3)。在需要实地调查的情境中，步骤 (2)-(3) 可能非常昂贵。在金融中介或高风险群体等其他网络总体中，专有数据和隐私问题可能使步骤 (2)-(3) 无法实施。两者都限制了只有拥有相当资源的研究者才能进行高质量网络研究。我们提出一种廉价且可行的网络获取策略，即使用聚合关系数据 (ARD)——对“你的社会关系中有多少人具有特征 k？”这类问题的回答。我们的方法利用 ARD 来恢复一般网络形成模型的参数，进而允许估计任意节点级或图级统计量。该方法在模拟中表现良好，并能匹配来自 75 个印度村庄的真实世界图的一系列网络特征。此外，我们复现了两个涉及收集网络数据的实地实验的结果。我们表明，研究者仅使用 ARD 就能得出类似的结论。最后，利用来自 J-PAL 实地工作的计算，我们表明，例如在印度农村，ARD 调查比完整网络调查便宜 80%。
引用
@article{arxiv.1703.04157,
title = {Using Aggregated Relational Data to feasibly identify network structure without network data},
author = {Emily Breza and Arun G. Chandrasekhar and Tyler H. McCormick and Mengjie Pan},
journal= {arXiv preprint arXiv:1703.04157},
year = {2018}
}