Identification and Estimation of a Semiparametric Logit Model using Network Data

Dit artikel presenteert een methode voor de identificatie en schatting van een semiparametrisch logit-model met endogene netwerkgrenzen, waarbij de eindige steekproefprestaties en de toepassing op microfinanciering aantonen dat het rekening houden met de vorming van sociale netwerken essentieel is voor het verkrijgen van betrouwbare schattingen van covariaateffecten.

De kern

Stel je voor dat je probeert te begrijpen waarom mensen bepaalde keuzes maken, zoals het aannemen van een microkrediet, het kiezen van een studie of het beginnen met roken. Vaak denken economen: "Oké, laten we kijken naar hun inkomen, hun opleiding en hun leeftijd." Maar er is een groot probleem: mensen zitten niet in een vacuüm. Ze zitten in een sociaal netwerk van vrienden, buren en familie.

Het probleem is dat dit netwerk niet zomaar "toevallig" is. Mensen kiezen hun vrienden vaak op basis van dingen die we niet kunnen zien: hun karakter, hun vertrouwen, hun ambitie of hun angst. En precies diezelfde onzichtbare eigenschappen bepalen ook hun keuzes.

Dit is als het proberen te raden waarom iemand een paraplu koopt, terwijl je niet ziet dat het regent, maar je wel ziet dat hij met iemand loopt die ook een paraplu heeft. Als je denkt dat de vriend de reden is, terwijl ze beide gewoon een paraplu nodig hebben omdat het regent (en ze elkaar juist daarom hebben gekozen), maak je een fout.

Hier komt deze paper van Brice Romuald Gueyap Kounga om de hoek kijken. Hij heeft een slimme manier bedacht om dit "onzichtbare regensysteem" op te lossen, zonder dat je hoeft te gokken over hoe het precies werkt.

Het Probleem: De "Onzichtbare Vriend"

Stel je voor dat je een klaslokaal hebt. Sommige leerlingen kiezen wiskunde, anderen geschiedenis.

• De oude manier: De leraar kijkt alleen naar de cijfers en zegt: "Leuk dat ze wiskunde kiezen." Maar hij vergeet dat de leerlingen die wiskunde kiezen, ook allemaal in dezelfde vriendengroep zitten.
• Het probleem: Misschien zijn die leerlingen gewoon heel ambitieus (een onzichtbaar kenmerk). Ambitie zorgt ervoor dat ze elkaar als vrienden kiezen én dat ze wiskunde kiezen. Als de leraar dit niet ziet, denkt hij dat de vrienden de reden zijn, terwijl het eigenlijk hun ambitie is.

In de econometrie noemen we dit eindogeniteit: je vrienden beïnvloeden je, maar jij beïnvloedt ook wie je vrienden zijn, en er zit een onzichtbare "kern" in je karakter dat beide stuurt.

De Oplossing: De "Spiegel van Vrienden"

De auteur zegt: "Laten we niet proberen die onzichtbare kern (ambitie, vertrouwen) te meten. Laten we kijken naar het patroon van hun vrienden."

Hij gebruikt een creatieve analogie uit de wiskunde (gebaseerd op een theorie van Lovász):
Stel je voor dat elke persoon een visitekaartje heeft met daarop een lijst van wie ze allemaal kennen.

• Als persoon A en persoon B exact hetzelfde visitekaartje hebben (ze kennen precies dezelfde mensen op precies dezelfde manier), dan zijn ze voor het netwerk "identiek".
• Als ze identiek zijn qua netwerk, dan is het heel waarschijnlijk dat ze ook identiek zijn qua die onzichtbare eigenschappen (ambitie, vertrouwen).

De paper stelt voor: "Laten we mensen met elkaar vergelijken die exact hetzelfde vriendennetwerk hebben."
Als we twee mensen vinden die precies dezelfde vriendenkring hebben, maar verschillende keuzes maken (bijvoorbeeld: de één neemt een lening, de ander niet), dan kunnen we de "onzichtbare ambitie" weglaten. Want als hun netwerk hetzelfde is, is hun "onzichtbare karakter" ook hetzelfde. Het enige verschil is dan hun eigenlijke keuze, en dat kunnen we nu eerlijk meten.

De "Magische Formule" (Logit)

Om dit wiskundig te doen, gebruikt de auteur een specifieke formule (de logistische verdeling). Dit is als een speciale bril die je opzet.

• Zonder de bril zie je alleen chaos: vrienden, keuzes, onzichtbare eigenschappen, allemaal door elkaar.
• Met de bril (de logistische verdeling) kun je de "ruis" van de onzichtbare eigenschappen filteren, zolang je maar kijkt naar mensen met identieke vriendennetwerken.

Het is alsof je twee identieke tweelingen zoekt die in precies dezelfde groep vrienden zitten. Als de ene tweeling een baan vindt en de andere niet, en hun vriendenkring is identiek, dan weet je dat het verschil niet aan hun "sociale status" ligt, maar aan iets anders dat je kunt meten (zoals hun opleiding).

Wat zegt de test? (De Simulaties)

De auteur heeft dit getest in de computer (simulaties).

• De oude methoden: Ze gaven vaak verkeerde antwoorden. Het was alsof ze dachten dat "vrienden" de reden waren, terwijl het eigenlijk "karakter" was.
• De nieuwe methode: Deze gaf bijna perfecte antwoorden, zelfs als het netwerk heel complex was. Het werkte goed, of mensen nu vrienden werden omdat ze op elkaar leken (homofiele netwerken) of omdat ze in verschillende groepen zaten.

Het echte voorbeeld: Microkredieten in India

De auteur heeft zijn methode ook toegepast op echte data uit India, waar mensen microkredieten namen.

• De oude manier: Ze dachten dat bepaalde factoren (zoals elektriciteit of het aantal kamers) de reden waren, maar de resultaten waren wazig en soms zelfs tegenstrijdig.
• De nieuwe manier: Door te kijken naar het netwerkpatroon van de huishoudens, werden de resultaten veel scherper. Ze zagen bijvoorbeeld dat huishoudens met elektriciteit veel vaker een krediet namen, maar dat dit effect sterker was dan men dacht. Ze zagen ook dat "bedden per persoon" (drukte in huis) een negatief effect had, wat duidelijk zichtbaar werd nadat ze het netwerk hadden "opgehelderd".

Conclusie in één zin

Deze paper leert ons dat we niet hoeven te raden waarom mensen vrienden kiezen om hun keuzes te begrijpen. Als we kijken naar mensen die exact hetzelfde vriendennetwerk hebben, kunnen we die onzichtbare invloeden weglaten en precies zien wat de echte oorzaken van hun beslissingen zijn. Het is alsof je een spiegel gebruikt om de ruis te verwijderen en de waarheid te zien.

Technische samenvatting

Technische Samenvatting: Identificatie en Schatting van een Semiparametrisch Logit-model met Netwerkdata

1. Het Probleem: Endogeniteit in Sociale Netwerken

In veel economische toepassingen worden individuele uitkomsten (zoals adoptie van microfinanciering, schoolkeuze of gezondheidsgedrag) beïnvloed door sociale interacties. Een centraal econometrisch probleem is dat sociale netwerken zelden exogeen zijn.

• De Oorzaak van Bias: Ongeobserveerde individuele eigenschappen (zoals motivatie, vertrouwen, vaardigheid of risicobereidheid) beïnvloeden zowel de uitkomstvariabele als de vorming van sociale banden.
• Het Falen van Standaardmethoden: Standaard logit- of probit-modellen, zelfs die welke worden aangevuld met gemiddelde netwerkcontroles (zoals het gemiddelde van de kenmerken van buren), leveren geen consistente schattingen op. Dit komt omdat de latente eigenschappen die de netwerkvorming sturen, ook in de foutterm van de uitkomstvergelijking blijven zitten, wat leidt tot endogeniteitsbias.
• De Uitdaging: Bestaande methoden vereisen vaak parametrische aannames over het proces van netwerkvorming, wat in empirische settings met complexe en heterogene verbindingspatronen moeilijk te rechtvaardigen is.

2. Methodologie en Model

De auteur stelt een semiparametrisch logit-model voor dat endogene netwerken adresseert zonder parametrische restricties op het vormingsproces van het netwerk op te leggen.

Het Model:

• Uitkomstvergelijking: $y_i = 1\{X_i\beta + \lambda(\omega_i) - \varepsilon_i \geq 0\}$
  • $y_i$: Binair resultaat.
  • $X_i$: Waargenomen covariaten.
  • $\beta$: Onbekende slope-parameter (doel van schatting).
  • $\omega_i$: Ongeobserveerde index van sociale kenmerken (bijv. vertrouwen).
  • $\lambda(\cdot)$: Onbekende functie die de sociale invloed weergeeft.
  • $\varepsilon_i$: Logistisch verdeelde storingsterm.
• Netwerkvorming: De aanwezigheid van een link $D_{ij}$ wordt bepaald door $D_{ij} = 1\{f(\omega_i, \omega_j) \geq \eta_{ij}\}$, waarbij $f$ een onbekende, niet-parametrische functie is en $\eta_{ij}$ onafhankelijke storings termen zijn.

Identificatiestrategie:
De kern van de identificatie rust op twee pijlers:

1. Netwerk-Type Equivalentie: Agents met identiek netwerkgedrag (d.w.z. identieke kansen om verbindingen aan te gaan met anderen) worden als "netwerk-equivalent" beschouwd. Dit wordt gemeten via de codegree-functie (de kans dat twee agents een gemeenschappelijke verbinding hebben).
2. Conditionele Likelihood (Chamberlain/Auerbach):
   • Als twee agents $i$ en $j$ hetzelfde netwerktype hebben (d.w.z. $\rho_{ij} = 0$, wat impliceert dat hun netwerkverdelingen identiek zijn), dan is $\lambda(\omega_i) = \lambda(\omega_j)$.
   • Door agents met identiek netwerkgedrag te vergelijken, valt het ongeobserveerde term $\lambda(\omega)$ weg uit de vergelijking.
   • De logistische verdeling van de storingsterm is cruciaal. Dit maakt het mogelijk om de slope-parameter $\beta$ te identificeren via een conditionele likelihood-benadering, analoog aan het conditional logit-model, maar toegepast op paren van agents met identiek netwerkgedrag.

Schatting:
De auteur ontwikkelt een haalbare schatter gebaseerd op kernsmoothing (kernel smoothing):

• Omdat de ware netwerkafstand $\rho_{ij}$ niet waarneembaar is, wordt deze geschat door de codegree-afstand $\hat{\delta}_{ij}$, die berekend wordt uit de waargenomen adjacentiematrix.
• De schatter $\hat{\beta}$ minimaliseert een doelfunctie die gewogen wordt door een kernfunctie $K(\hat{\delta}_{ij}^2/h)$. Dit geeft meer gewicht aan paren agents die qua netwerkgedrag zeer vergelijkbaar zijn.
• De sociale invloed $\lambda(\omega_i)$ wordt vervolgens geschat door inversie van de geschatte uitkomstvergelijking.

3. Belangrijkste Bijdragen

1. Identificatie in Niet-Lineaire Modellen: Het artikel biedt identificatieresultaten voor semiparametrische binair keuzemodellen met endogene netwerken, een domein dat minder aandacht heeft gekregen dan lineaire modellen.
2. Vrije Netwerkvorming: Het stelt een methode voor die de endogeniteit van netwerken controleert zonder een specifiek parametrisch model voor de netwerkvorming ($f$) te specificeren.
3. Uitbreiding van Matching-technieken: Het breidt de ideeën van differencing en matching uit de lineaire netwerkliteratuur (zoals Auerbach, 2022) naar niet-lineaire (logit) settings, waarbij de logistische structuur essentieel is voor punt-identificatie.
4. Asymptotische Eigenschappen: De auteur bewijst consistentie en asymptotische normaliteit van de voorgestelde schatter onder zwakke regulariteitsvoorwaarden.

4. Resultaten

Monte Carlo Simulaties:

• Bias-reductie: Standaard logit-schattingen (naive logit) en logit-modellen met eenvoudige netwerkcontroles vertonen enorme bias die niet verdwijnt bij toenemende steekproefgrootte. De voorgestelde schatter reduceert deze bias aanzienlijk.
• Convergentie: De bias van de voorgestelde schatter neemt af naarmate de steekproefgrootte ($n$) toeneemt en convergeert naar de "infeasible" benchmark (waarbij de ware sociale invloed bekend zou zijn).
• Robuustheid: De methode werkt goed onder verschillende netwerkvormingsmechanismen (homofiele netwerken, beta-verdelingen en stochastische blokmodellen), hoewel de convergentiesnelheid varieert afhankelijk van hoe scherp netwerktypen kunnen worden onderscheiden.

Empirische Toepassing (Microfinanciering in India):

• Gebruikmakend van data van Banerjee et al. (2013) over de adoptie van microfinanciering in 43 dorpen.
• Vergelijking: De resultaten tonen dat het controleren voor endogene netwerkvorming de geschatte effecten van covariaten (zoals aantal kamers, elektriciteit, toilet) substantieel verandert ten opzichte van standaard modellen.
• Stabiliteit: De schatter levert stabiele en precieze schattingen op, zowel met als zonder dorp-vaste effecten. Dit suggereert dat netwerkgebaseerde controles unieke variatie binnen dorpen vangen die door vaste effecten alleen niet wordt opgevangen.

5. Significatie en Conclusie

Dit artikel levert een belangrijke bijdrage aan de econometrie van sociale interacties door aan te tonen dat netwerkdata kan dienen als een bron van identificatievariatie in niet-lineaire modellen.

• Praktische Relevantie: Het biedt economen een flexibel instrument om de causaliteit in binair keuzeproblemen te schatten waar sociale netwerken endogeen zijn, zonder te vertrouwen op vaak onrealistische parametrische aannames over hoe netwerken ontstaan.
• Theoretische Implicatie: Het benadrukt dat de logistische verdelingsaanneming cruciaal is voor identificatie in dit semiparametrische kader, wat een onderscheidend kenmerk is ten opzichte van andere niet-parametrische benaderingen.

Kortom, de paper bewijst dat het negeren van endogene netwerkvorming leidt tot ernstig misleidende inferenties, en biedt een wiskundig onderbouwde, haalbare oplossing die consistentie herstelt in de schatting van covariaateffecten.