本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
社會影響力無法從社交網路上的純粹觀察資料中識別出來，因為這種影響力通常與潛在同質性混淆，即節點的網路夥伴了解該節點的屬性及其行為。如果網路根據潛在社群（隨機區塊）模型或連續潛在空間模型成長，則可以從社會關係的全局模式中一致地估計潛在同質屬性。我們表明，對於這兩個網路模型的常見版本，這些估計的資訊量非常大，以至於控制估計屬性可以對線性模型中的社會影響效應進行漸近無偏且一致的估計。特別是，偏差縮小的速度直接反映了網路提供了多少有關潛在屬性的資訊。這些是在存在潛在同質性的情況下對社會影響效應進行一致的非實驗估計的第一個結果，我們討論了推廣它們的前景。