摘要翻译：
研究了一个回归模型，其中一个协变量是网络中链路形成的潜在驱动因素的未知函数。我提出了一种新的方法，该方法基于匹配具有平方邻接矩阵相似列的agents对，其中IJ项包含与agents I和J都链接的其他Agent的数量，而不是指定和拟合参数化的网络形成模型。这种方法背后的直觉是，对于一大类网络形成模型，平方邻接矩阵的列表征了关于个体链接行为的所有可识别信息。在本文中，我描述了模型，形式化了这种直觉，并为回归模型的参数提供了一致的估计量。Auerbach(2021)考虑了网络对等效应的推理和应用。
---
英文标题：
《Identification and Estimation of a Partially Linear Regression Model
  using Network Data》
---
作者：
Eric Auerbach
---
最新提交年份：
2021
---
分类信息：

一级分类：Economics        经济学
二级分类：Econometrics        计量经济学
分类描述：Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论，微观计量经济学，宏观计量经济学，通过新方法发现的经济关系的实证内容，统计推论应用于经济数据的方法论方面。
--

---
英文摘要：
  I study a regression model in which one covariate is an unknown function of a latent driver of link formation in a network. Rather than specify and fit a parametric network formation model, I introduce a new method based on matching pairs of agents with similar columns of the squared adjacency matrix, the ijth entry of which contains the number of other agents linked to both agents i and j. The intuition behind this approach is that for a large class of network formation models the columns of the squared adjacency matrix characterize all of the identifiable information about individual linking behavior. In this paper, I describe the model, formalize this intuition, and provide consistent estimators for the parameters of the regression model. Auerbach (2021) considers inference and an application to network peer effects.
---
PDF链接：
https://arxiv.org/pdf/1903.09679