BriefGPT - AI 论文速递
·
DySuse: 动态社交网络中的易感性估计
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文研究了使用单个社交网络的观测数据进行因果效应的估计和推断。考虑了样本大小增加时的依赖关系和信息传输。提出了对网络联系和结构的干预的新的因果效应，并重新分析了一个有争议的研究。在考虑网络结构后，没有发现因果同伴效应的证据。
🎯
关键要点
-
本文研究了使用单个社交网络的观测数据进行因果效应的半参数估计和推断。
-
考虑了样本大小增加时观测值之间的依赖关系和信息传输。
-
提出了在社交网络环境下对网络联系和结构的干预的新因果效应。
-
重新分析了Framingham Heart Study社交网络数据中肥胖症因果同伴效应的研究。
-
在考虑网络结构后，没有发现因果同伴效应的证据。
➡️
