[논문 리뷰] Identification and Inference of Network Formation Games with Misclassified Links

Luis E. Candelaria, Takuya Ura|arXiv (Cornell University)|2018. 04. 26.

Game Theory and Applications참고 문헌 18인용 수 4

한 줄 요약

이 논문은 링크 오분류 상황에서 네트워크 형성 게임에 대한 강건한 식별 및 추론 방법을 개발한다. 모멘트 조건을 사용하여 동질성 및 네트워크 외부효과의 선호도 파라미터의 식별 집합을 특징짓는다. 이 방법은 오분류된 링크가 존재하더라도 대규모 네트워크에서 점점 더 타당한 추론을 가능하게 하며, 인도 농촌 대출 네트워크에 대한 실증 적용을 통해 검증된다.

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.

연구 동기 및 목표

• 링크가 오분류될 경우 전략적 네트워크 형성 모델에서 구조적 파라미터를 식별하고 추론하는 데 필요한 방법의 부족을 해결하기 위해.
• 링크 오분류를 조건부로 랜덤한 것으로 모델링하여, 결과(링크 형성)와 균형에서 사용되는 신념 체계에 모두 영향을 미친다.
• 오분류 상황에서 선호도 파라미터의 식별 집합을 특징짓는 모멘트 조건을 도출하여 측정 오차에 강건함을 보장한다.
• 단일 대규모 네트워크에 대해 점점 더 타당한 추론 절차를 개발하며, 파라미터가 부분적으로 식별될 경우에도 크기를 제어한다.
• 실세계의 인도 남부 지역 농촌 대출 네트워크에 이 방법을 적용하여, 오분류가 추정된 선호도에 어떤 영향을 미치는지 평가한다.

제안 방법

• 관측된 링크 확률과 관측되지 않은 신념, 구조적 파라미터 사이의 모멘트 등식 조건을 유도하여 오분류 상황에서도 식별 가능하게 한다.
• 진짜 링크 형성 결정이 관측된 특성, 네트워크 통계 및 관측되지 않은 충격에 의존하는 잠재 인덱스 모델을 사용한다.
• 레마 2를 통해 관측된(오분류된) 링크와 기저의 신념 체계 간의 관계를 특징지며, 단일 기업자 결정 모델로 축소 가능하게 한다.
• 조건부 오분류 모델(가정 3)을 도입하여 오분류 확률이 링크 상태에 따라 달라지지만 조건부로 랜덤하다고 가정한다.
• 부분 식별 조건 하에서도 크기를 제어할 수 있는 계산적으로 실현 가능한 신뢰구간 절차를 제안하며, 프로파일링된 경험우도 방법을 사용한다.
• 부록 B에서 공변수에 의존하는 오분류를 允허하는 모델을 일반화하여 실용적 적용성을 높인다.

실험 결과

연구 질문

• RQ1 링크 오분류가 전략적 네트워크 형성 모델에서 선호도 파라미터의 식별에 어떤 영향을 미치는가?
• RQ2 링크가 오분류될 경우 구조적 파라미터의 식별 집합을 특징짓는 데 사용할 수 있는 모멘트 조건은 무엇인가?
• RQ3 단일 대규모 네트워크만 관측될 경우 오분류 상황에서 점점 더 타당한 추론을 수행할 수 있는가?
• RQ4 링크 데이터의 가짜 양성 및 가짜 음성은 복수성, 동질성, 네트워크 외부효과에 대한 추정된 선호도에 어떤 영향을 미치는가?
• RQ5 표준 추론 방법은 링크 오분류 상황에서 얼마나 깨지며, 어떻게 수정할 수 있는가?

주요 결과

• 심각한 오분류(예: 90%의 가짜 양성)가 존재하더라도, 이 방법은 인도 농촌 네트워크에서 대출 결정의 주요 동력으로 상호성, 성별 동질성, 친족 유대를 정확히 식별한다.
• 90%의 가짜 양성 오분류 상황에서도 상호성 파라미터의 95% 신뢰구간은 [0.500, 1.676] 범위 내에 유지되며, 이는 강건성을 보여준다.
• 90%의 가짜 양성 오분류 상황에서 '같은 가족' 파라미터의 신뢰구간 길이가 20.987배 증가하여 이 파라미터에 대한 불확실성이 더 높다는 것을 반영한다.
• 90% 오분류 상황에서 '지원받는 신뢰'의 신뢰구간은 97.32에서 110.258로 넓어졌으며, 이는 정밀도 저하를 보여주지만 여전히 진짜 파라미터 범위를 포함한다.
• 부분 식별 조건 하에서도 이 방법은 타당한 커버리지 유지하며, 오분류 비율이 증가할수록 신뢰구간 크기가 체계적으로 증가한다.
• 실증 결과는 링크 데이터가 노이즈가 있더라도 성별 및 친족 유대에 대한 동질성과 상호성이 대출 행동의 가장 중요한 결정 요인으로 남아 있음을 확인한다.