估算网络连接的图形Lasso方法:以美国立法者为例
A Graphical Lasso Approach to Estimating Network Connections: The Case of U.S. Lawmakers
在本文中,我们提出了一种新的社会网络估计方法,并将其应用于美国国会生产力溢出的估计。社会网络,如立法者之间的社会联系,通常不会被直接观察到,它们只能使用它们有助于确定的可观察结果(例如,立法者的有效性)来恢复。此外,它们通常在相对较短的时间内是稳定的,因此只产生短的观测面板。我们的估计器有三个吸引人的特性,使它能够在这些环境中工作。首先,它是为“小”渐近性而构建的,因此只需要短的观察面板。其次,它需要相对无限制的稀疏性假设来进行识别,因此适用于具有(潜在)星形连接的密集网络。第三,它允许跨子网络的异构常见冲击。向美国国会提交的申请让我们对立法者之间社会互动的性质有了新的认识。我们估计,随着时间的推移,生产力溢出在个别立法者中的重要性会显著下降,而随着时间的流逝,政党层面的共同冲击会增加。这表明,党派之争的加剧不仅影响了立法者投票时的意识形态立场,而且更普遍地影响了立法人员在美国国会中的合作方式。
相关资源
Gary Charness
,Brian Jabarian
,John A. List
Kasey Buckles
,Adrian Haws
,Joseph Price
,Haley E.B. Wilbert
Marshall Burke
,Mustafa Zahid
,Noah Diffenbaugh
,Solomon M. Hsiang