Ağ Ekonometrisi (Akran Etkileri)
Network Econometrics (Peer Effects) · Ayrıca şöyle bilinir: Social Interactions Model, Peer Effects Model, Social Network Regression, Ağ Ekonometrisi
Ağ ekonometrisi, bireylerin sonuçlarının sosyal ağ komşularının davranışları ve özelliklerinden nasıl nedensel olarak şekillendiğini tahmin eder. Bramoullé, Djebbari ve Fortin (2009) tarafından biçimlendirilen çerçeve, doğrusal bir regresyona satır-normalleştirilmiş bir komşuluk matrisi yerleştirerek, endojen akran etkilerini (sonuçların taklit edilmesi), dışsal bağlamsal etkileri (komşuların özelliklerinin etkisi) ve ilişkili etkileri (paylaşılan çevre) ayırır, aynı zamanda geçerli araç değişkenler oluşturmak için ağ topolojisini kullanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Ağ ekonometrisini, gözlemlenen bir sosyal veya ekonomik ağınız, bireysel düzeyde sonuç verileriniz ve akranların birbirlerini nedensel olarak etkileyip etkilemediği ve nasıl etkilediği üzerine odaklanan bir araştırma sorunuz olduğunda uygulayın. Yöntem, geçerli araç değişkenler oluşturmak için yeterli geçişsizliğe sahip bilinen, önemsiz olmayan bir ağ topolojisi gerektirir. Ağ tam bağlı olduğunda, grup sınırları ikili bağlantıların yerini aldığında (bunun yerine uzamsal gecikme veya çok düzeyli modeller kullanın) veya sonuç değişkeni çözülebilir bir dönüşüm olmadan doğrusallık varsayımlarını ihlal ettiğinde uygun değildir.
Güçlü yönler & sınırlılıklar
- Endojen akran etkilerini, bağlamsal etkileri ve ilişkili etkileri temiz bir şekilde ayırır — sosyal bilimlerde klasik bir tanımlama sorunu.
- Harici dışsal varyasyon gerektirmeden, araç değişkenleri dahili olarak oluşturmak için gözlemlenen ağ yapısını kullanır.
- Dinamik, ağırlıklı veya yönlendirilmiş ağlara ve doğrusal olmayan sonuç modellerine doğal olarak genişler.
- Cebirsel doğrusal (sıra koşulları) dayalı titiz bir tanımlama teoremi sağlar, varsayımları açık ve test edilebilir hale getirir.
- Ağın tam veya tama yakın gözlemini gerektirir; eksik bağlantılar tahminleri yanlı hale getiren ölçüm hatası getirir.
- Tam grafiklerde ve düzenli kafeslerde G²X'in X ve GX'in kapsamı dahilinde olduğu tamamlama başarısız olur.
- Ortalamalara göre doğrusal belirtim, homojen akran etkileri dayatır; düğümler veya bağlantı türleri arasındaki heterojenlik, uzantılar olmadan yakalanmaz.
- Büyük ağlar yüksek boyutlu araç değişken kümeleri üretir, birçok araç değişken yanlılığı yükseltir; dikkatli seçim veya LIML gereklidir.
SSS
Ağ ekonometrisi uzamsal ekonometriden nasıl farklıdır?
Uzamsal ekonometri tipik olarak coğrafya tabanlı ağırlık matrisleri (ters mesafe, komşuluk) kullanır ve uzamsal yayılmalara odaklanır. Ağ ekonometrisi açıkça gözlemlenen sosyal veya ekonomik bağlantı yapılarını kullanır, asimetrik ve seyrek bağlantıya izin verir ve araç değişkenleri coğrafi bir bozunma fonksiyonu varsaymak yerine ağ topolojisinden türetir. Temel cebir benzerdir, ancak tanımlama stratejisi ve ağırlık matrisinin yorumlanması önemli ölçüde farklılık gösterir.
Bu tahminciyi hangi yazılım paketleri uygular?
R'da, 'PartialNetwork' paketi (Boucher & Houndetoungan), ağ tabanlı araç değişkenlerle Bramoullé ve ark. IV tahmincisini uygular. Stata kullanıcıları tipik olarak G matrisini manuel olarak kodlar ve ivreg2 veya xtivreg2'yi kullanır. Python uygulamaları, komşuluk matrisi oluşturmak için NetworkX ve IV aşaması için statsmodels veya linearmodels kullanan özel betikler aracılığıyla mevcuttur.
Güvenilir tahmin için hangi örneklem büyüklüğü ve ağ yoğunluğu gereklidir?
Evrensel bir eşik yoktur, ancak güvenilir tahmin genellikle yüzlerce düğüme sahip bir ağ, orta düzeyde yoğunluk (araç değişken uygunluğu için çok seyrek değil, geçişsizliği korumak için tam değil) ve düğümler arasında derecede varyasyon gerektirir. Bramoullé ve ark. (2009) ve sonraki çalışmalardaki simülasyonlar, yıldız şeklinde veya yerel olarak kümelenmiş geçişsiz üçlülere sahip ağların en güçlü tanımlamayı sağladığını, aşırı düzenli veya tam bağlı ağların ise tanımlamayı kırılgan hale getirdiğini öne sürmektedir.
Kaynaklar
- Bramoullé, Y., Djebbari, H., & Fortin, B. (2009). Identification of peer effects through social networks. Journal of Econometrics, 150(1), 41–55. DOI: 10.1016/j.jeconom.2008.12.021 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Network Econometrics (Peer Effects). ScholarGate. https://scholargate.app/tr/econometrics/network-econometrics
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Merkeziyet AnaliziAğ analizi↔ karşılaştır
- Nedensel Çıkarım için Enstrümantal Değişkenler (IV) YöntemiSağlık ekonomisi↔ karşılaştır
- Mekansal Gecikme Modeli (SAR / Mekansal Otokorelatif)Mekânsal analiz↔ karşılaştır