کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7538268 1488845 2018 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Alternative estimation methods for identifying contagion effects in dynamic social networks: A latent-space adjusted approach
ترجمه فارسی عنوان
روش های برآورد جایگزین برای شناسایی اثرات مخرب در شبکه های اجتماعی پویا: رویکرد تعدیل نشده فضا
کلمات کلیدی
اثرات آلزایمر، نفوذ اجتماعی، روش های برآورد، رویکرد فضای نزدیکی،
ترجمه چکیده
اثرات آلودگی، همچنین به عنوان اثرات همتایان یا فرآیند تأثیر اجتماعی شناخته می شوند، به علم اجتماعی بیشتر و بیشتر متمرکز شده اند، به خصوص با در دسترس بودن داده های طولی شبکه اجتماعی. با این حال، اثرات انسداد معمولا شناسایی دشوار است، زیرا اغلب آنها با عوامل دیگر مانند هموفیلی در فرایند انتخاب، اولویت فرد برای تنظیمات اجتماعی مشابه و غیره غرق می شوند. روش هایی که در حال حاضر در دسترس هستند، این مشکلات را حل نمی کنند یا نیاز به قوی مفروضات به دنبال شالیزی و توماس (2011)، من این مشکل را به عنوان یک مسئله تعیین متغیر حذف کرده ام و چندین روش برآورد جایگزین را ارائه می دهم که پتانسیل درستی برای شناسایی اثرات مضر را دارد، در حالی که یک مشخصه غیرقابل مشاهده است که اثر و انتخاب را تعیین می کند. نتایج شبیه سازی مونته کارلو نشان می دهد که برآورد کننده تنظیم شده با فضای ناپایدار به ویژه امیدوار کننده است. این برآوردهای دیگر برتری دارد که به طور سنتی برای مقابله با متغیرهای غیرقابل کنترل استفاده می شود، از جمله برآوردگر مبتنی بر معادله ساختاری و برآورد کننده متغیر ابزار.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
پیش نمایش مقاله
روش های برآورد جایگزین برای شناسایی اثرات مخرب در شبکه های اجتماعی پویا: رویکرد تعدیل نشده فضا
چکیده انگلیسی
Contagion effects, also known as peer effects or social influence process, have become more and more central to social science, especially with the availability of longitudinal social network data. However, contagion effects are usually difficult to identify, as they are often entangled with other factors, such as homophily in the selection process, the individual's preference for the same social settings, etc. Methods currently available either do not solve these problems or require strong assumptions. Following Shalizi and Thomas (2011), I frame this difficulty as an omitted variable bias problem, and I propose several alternative estimation methods that have potentials to correctly identify contagion effects when there is an unobserved trait that co-determines the influence and the selection. The Monte-Carlo simulation results suggest that a latent-space adjusted estimator is especially promising. It outperforms other estimators that are traditionally used to deal with the unobserved variables, including a structural equation based estimator and an instrumental variable estimator.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Social Networks - Volume 54, July 2018, Pages 101-117
نویسندگان
,