下帖的附件：

1.  Social Networks and Peer Effects: An Introduction (pages 1–6)
    Matthew O. Jackson and Xavier Vives

抱歉，上面第一篇AER的文章不是讲social network的。第二篇是对的。

social network方面的研究回答了一个问题：为什么会有peer effect？如果我没有理解错，其中一种方法的基本思路是，network其他人的行为是本人效用函数的一部分，然后用博弈论的方法给出均衡解。从均衡解推导出可验证的假设，然后收集数据来验证假设。比如说，考虑减肥的peer effect，为什么在一个network里大家竞相减肥？一个解释是博弈。假设如下的效用函数：


x代表减肥效果，前两项是标准的concave的效用函数，后一项是social network对i的效用的影响，即peer effect。直观的解释是，人们都希望在social network中得到好的评价，你减肥效果好，形体好，别人认为你美，给你带来效用。这一效用跟其他人的减肥效果是相关的，越关注减肥的人，给你的评价越高（说明你们是同类人）。


2010年第一期的Journal of the European Economic Association是关于social network和peer effect的专题，目录如下：

1.  Social Networks and Peer Effects: An Introduction (pages 1–6)
    Matthew O. Jackson and Xavier Vives

2. Bargaining and Cooperation in Strategic Form Games (pages 7–33)
    Sergiu Hart and Andreu Mas-Colell

3. Delinquent Networks (pages 34–61)
    Coralio Ballester, Yves Zenou and Antoni Calvó-Armengol

4. Peer Pressure (pages 62–89)
    Antoni Calvó-Armengol and Matthew O. Jackson

5. Keeping up with the Neighbors: Social Interaction in a Market Economy (pages 90–119)
    Christian Ghiglino and Sanjeev Goyal

6. What do we Expect from our Friends? (pages 120–138)
    Stephen Leider, Tanya Rosenblat, Markus M. Möbius and Quoc-Anh Do

7. Aspirations, Segregation, and Occupational Choice (pages 139–168)
    Dilip Mookherjee, Debraj Ray and Stefan Napel

8. Peer Effects and Peer Avoidance: The Diffusion of Behavior in Coevolving Networks (pages 169–202)
    Constanza Fosco, Fernando Vega-Redondo and Matteo Marsili

9. Matching and Network Effects (pages 203–231)
    Marcel Fafchamps, Marco J. van der Leij and Sanjeev Goyal

10. Adoption Curves and Social Interactions (pages 232–251)
    William A. Brock and Steven N. Durlauf

第一篇简介见附件：https://bbs.pinggu.org/z_liuliang.php?aid=1237760

附件为什么显示不了？代码是“[atta**]1237760[/atta**]”（**为ch），请版主帮忙一下。

这个帖子是不是发了两次？如果两次可能是因为附件有重复吧。
如果不是这种情况，我会向论坛咨询一下原因

是发了两次，第一次附件上传成功，但是要审核。第二次就没办法显示附件了。现在两个帖子都出来了

peer强调个体对个体，cohort强调群体对个体，social network更远了一些，是描述群体中的个体。

就同辈影响这个概念来说，cohort更接近一些。

对学生个体受群体影响的数据量化，这个需要收集大量的数据做统计分析，如果没有长时间抗战的的过程大概很难得出准确的结论。

建议找数学或者统计专业的做一个模型开始进行研究，在采集数据和定量分析的过程中不断改进模型，最后得出一个可以用数学公式描述的结论，这样更符合工程学研究的标准（可量化，可复制或可重现，可标准化）。

如果单是讨论成绩是否相互影响的话，就我曾经当学生的经验来讲，

1.跟学校整体的风气有关，学校整体的学习风气好——比如名牌大学和二本甚至三本比——这种影响发挥的作用越大

2.跟所在班级、宿舍——或者说个人所处的时间最长的那个同辈群体——的平均成绩或成就有关，如果好学生居多，大家会比成绩好；如果居多的是中等成绩，可能就不会那么积极；如果都是对成绩不在乎，纯粹来体验学校生活的，这种同辈影响会更多地体现在对吃喝玩乐等的追求上，在学习成绩上的影响会受到大幅的弱化

3.个人经历、家庭变故等等情况，就一般来说发生突变转折的概率偏小，对普适性结果的影响有限

要想超越别人，就不要纵容自己

贴一篇刚刚在AEA年后上宣讲的论文：

Peer Effects in Microenvironments: The Benefits of Homogeneous Classroom Groups   
Fangwen Lu (Renmin University of China)
Michael Anderson (University of California-Berkeley)                             

Abstract
Many believe that classroom interactions play an important role in students’ academic
achievement, but there is little evidence on peer effects within sub-classroom groups. We
exploit random seat assignment in a Chinese middle school to estimate how the gender of
neighboring students affects a student’s academic achievement. We find that being
surrounded by five females rather than five males increases a female’s test scores by 0.2 to
0.3 standard deviations but has no significant effects on a male’s test scores. These results
suggest a low-cost way to potentially improve performance within the world’s largest school
system.

那篇论文没有找到这个效用函数，估计你用的是其他论文的模型？
anyway，我不太确定aij的符号；或者intuitively解释：
dui/dxj=aij*xi >=<0?
假定别人减肥效果增加，那么自己减肥效果越好，对自己的效用越大，这个符合你的logic；但是有无数据给定aij的符合呢？

这个公式是我自己写的，在social network的研究中其实比较常见，比如：

Ballester, Coralio, Antoni Calv´o-Armengol,and Yves Zenou (2006): “Who’s who in networks wanted: The key player.” Econometrica 74 (5), pp. 1403–1417.

aij的直观解释是social closeness，符号为正。这部分可以理解为声誉带来的效用，你当然更关心与你更亲近的人对你的评价（比如说，你父母对你说：“你减肥效果不错啊”，跟你朋友的朋友的朋友这么说带来的效用是不可同日而语的），所以aij越大，这部分效用越大。所以，dui/dxj>0。

只能说这篇论文的sampling太优秀了，呵呵。
全文做的很精致，唯一的缺陷（不能发top journal）的话，就是样本size问题：既然可以做这么随机的实验，为什么不放大一下样本？

aij>0: strategic complements from i’s perspective
aij<0: strategic substitutes from i’s perspective

aij可以有不同的符号，不过在我的例子中，我认为aij>0更符合逻辑。如果你要考虑炫耀性消费，可能aij代表其他经济意义，<0更合适。

新出炉的AJAE Peer Effects 小专题

Why Peers Matter: Social Networks in Status, Learning, and Influence                     

•                                                          
  • Eeshani Kandpal and
  • Kathy Baylis
    
                                Expanding Horizons: Can Women’s Support Groups Diversify Peer Networks in Rural India? Am. J. Agr. Econ. (2013) 95(2): 360-367  doi:10.1093/ajae/aas052                              
                             
  
•                                                          
  • Muhammad Faress Bhuiyan
    
                                Relative Consumption: A Model of Peers, Status, and Labor Supply Am. J. Agr. Econ. (2013) 95(2): 368-375  doi:10.1093/ajae/aas053                              
  
• Kathryn Vasilaky
•                               Female Social Networks and Farmer Training: Can Randomized Information Exchange Improve Outcomes? Am. J. Agr. Econ. (2013) 95(2): 376-383  doi:10.1093/ajae/aas054
  
  

论文见附件。

进校前对学生进行第一次调查，获得尽可能多的个人信息，尤其是入学考试的分数。

进校后新生分配宿舍往往不会由大家自由组合，都不认识组合什么啊？这样就只能随机分配。

一学期后对之前的学生进行再调查，获得GPA、每周学习时间等信息。

然后就可以回归啦。

这不是我发明的，有论文就是这么做的。

在我国高校的确可以这样收集数据。
然而，研究难度实际上还是来源于数据：高考成绩、GPA都属于教务信息，很难通过官方途径拿到。
个人调查的话，样本的选取、问卷的发放和收集工作量还是很大的，需要课题组合作。

美国这样样做会有一些问题。因为美国高校会按照学生的偏好要求安排宿舍，所以分在舍友安排就不是随机的了。关键就是研究者如何看待和处理这种非随机性的宿舍安排。

做实证研究，搜集数据是题中之义，各个学校都有教务系统，给不给你就看你本事了，如果搞不到，还可以找学生去问嘛。做这种事琐碎而花功夫，也不一定有很好的收成，所以最好能之前申到个小fund。

lol,好久没有来过了。。。具体来说， 如果可以用quantitative的方法收集数据，建立model，得出regression之类的，然后以qualitative来以辅助。出发点是因为考虑到数据可能忽略到一些flexible的重要点。qualitative method在这个方面可以补全的赶脚。。建立questionare，合适的问卷，可以用譬如说qualitative的colaizzi的方法得出重要的point也不错。。的想法