[論文レビュー] Identification and Inference of Network Formation Games with Misclassified Links

Luis E. Candelaria, Takuya Ura|arXiv (Cornell University)|Apr 26, 2018

Game Theory and Applications参考文献 18被引用数 4

ひとこと要約

本稿は、リンクの誤分類が生じる状況下でも、同定と推論が堅牢に機能するネットワーク形成ゲームのための手法を開発した。モーメント条件を用いて、同型性およびネットワーク外部性の好みパラメータの同定集合を特徴づける。この手法により、大規模ネットワークにおいても誤分類されたリンクがあっても漸近的に有効な推論が可能となり、インド南西部の農村貸し倒れネットワークへの実応用によって検証された。

ABSTRACT

This paper considers a network formation model when links are potentially misclassified. We focus on a game-theoretical model of strategic network formation with incomplete information, in which the linking decisions depend on agents' exogenous attributes and endogenous network characteristics. In the presence of link misclassification, we derive moment conditions that characterize the identified set for the preference parameters associated with homophily and network externalities. Based on the moment equality conditions, we provide an inference method that is asymptotically valid when a single network of many agents is observed. Finally, we apply our misclassification-robust method to study the preference parameters of a lending network in rural villages in southern India.

研究の動機と目的

• リンクの誤分類が生じる状況下で、戦略的ネットワーク形成モデルの構造的パラメータを同定・推論するための手法が不足しているという問題に取り組む。
• リンク誤分類を条件付きでランダムであるとモデル化し、結果（リンク形成）と均衡に用いられる信念体系の両方に影響を与える。
• 測定誤差に対して頑健であるように、誤分類下での好みパラメータの同定集合を特徴づけるモーメント条件を導出する。
• 単一の大規模ネットワークに対する漸近的に有効な推論手順を開発し、パラメータが部分的に同定される場合でもサイズを制御する。
• インド南部の実世界の貸し倒れネットワークにこの手法を適用し、誤分類が推定された好みに与える影響を評価する。

提案手法

• 観測されたリンク確率と未観測の信念、構造的パラメータを結ぶモーメント等式条件を導出し、誤分類下でも同定を可能にする。
• 真のリンク形成意思決定が観測可能な属性、ネットワーク統計、および未観測のショックに依存する潜在的インデックスモデルを用いる。
• 補題2を用いて、観測された（誤分類された）リンクとその背後にある信念体系との関係を特徴づけ、単一参加者意思決定モデルに還元可能であることを示す。
• 誤分類確率がリンク状態に依存するが、条件付きでランダムである（仮定3）という条件付き誤分類モデルを導入する。
• 部分同定下でもサイズを制御できる計算的に実行可能な信頼区間手順を提案し、プロファイル化された経験的尤度アプローチを用いる。
• 付録Bで、共変量に依存する誤分類を許容するモデルの一般化を行い、実用的応用性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 リンク誤分類は、戦略的ネットワーク形成モデルにおける好みパラメータの同定にどのように影響するか？
• RQ2 リンクが誤分類されている状況下で、構造的パラメータの同定集合を特徴づけるためにどのようなモーメント条件が利用可能か？
• RQ3 単一の大規模ネットワークが観測される状況下で、誤分類がある場合に漸近的に有効な推論が可能か？
• RQ4 リンクデータにおける偽陽性および偽陰性は、報酬の対応、同型性、およびネットワーク外部性の推定好みにどのように影響するか？
• RQ5 標準的な推論手法はどの程度リンク誤分類によって破綻し、どのように是正可能か？

主な発見

• たとえ顕著な誤分類（例：偽陽性が90％まで達する）であっても、本手法はインド南西部の農村ネットワークにおける貸し倒れ意思決定の主な駆動要因が、相互性、性別による同型性、および親族関係であることを正しく同定した。
• 偽陽性が90％に達する状況下でも、相互性パラメータの95％信頼区間は[0.500, 1.676]の範囲内に保たれ、頑健性が確認された。
• 偽陽性が90％に達する状況下で、「同じ家族」パラメータの信頼区間の長さは20.987倍に拡大し、このパラメータの不確実性が高まっていることを示している。
• 「支援された信頼」の信頼区間は、誤分類率が90％に達する状況で97.32から110.258に拡大したが、依然として真のパラメータ範囲をカバーしており、不正確さが増したが依然として妥当であることを示している。
• 部分同定下でも本手法は有効なカバレッジを維持しており、信頼区間のサイズは誤分類率の上昇に伴い体系的に増加した。
• 実証結果は、リンクデータがノイズを含んでも、性別および親族関係による同型性、および相互性が、貸し倒れ行動の最も重要な決定要因のままであることを確認した。