Network Beliefs and Behavior with Peer Effects

Resumo Técnico: Crenças de Rede e Comportamento com Efeitos de Pares

Enunciado do Problema
Indivíduos frequentemente agem dentro de redes sociais sem possuir o conhecimento completo da estrutura global da rede. Embora a literatura existente sobre jogos de rede tipicamente assuma ou informação completa (onde os agentes conhecem toda a matriz de adjacência) ou informação incompleta homogênea (onde os agentes conhecem seu próprio grau, mas compartilham crenças idênticas sobre o restante da rede), esses frameworks falham em capturar a heterogeneidade sistemática nas crenças que surge de observações locais. Evidências empíricas sugerem que os indivíduos detêm representações subjetivas, muitas vezes divergentes, da conectividade da rede (ex: Krackstadt, 1987; Kilduff et al., 2008), as quais influenciam significativamente comportamentos como liderança, participação política e viralidade online. O artigo aborda a lacuna na formalização de como crenças heterogêneas e dependentes da posição moldam o comportamento de equilíbrio em jogos de interação de pares.

Metodologia
Os autores desenvolvem um framework de teoria dos jogos baseado na abordagem de Harsanyi (1967) para informação incompleta, aplicado a um jogo de rede linear-quadrático (Ballester et al., 2006).

1. Estrutura de Informação: Uma rede $g$ é extraída de uma distribuição a priori comum. Os agentes observam informações parciais sobre a rede (por exemplo, seus próprios links diretos, ou potencialmente os links de seus vizinhos) e atualizam suas crenças usando a regra de Bayes. O modelo permite distribuições a priori arbitrárias sobre redes, não apenas distribuições de grau.
2. Hierarquia de Crenças: Os agentes formam crenças não apenas sobre a estrutura da rede, mas também sobre o que outros agentes sabem e creem. Isso cria uma hierarquia de crenças de ordem superior (crenças sobre crenças).
3. Conceito de Equilíbrio: Os autores analisam o Equilíbrio de Nash Bayesiano (ENB) em estratégias puras. Eles estabelecem existência e unicidade sob condições padrão de complementaridade/substituibilidade estratégica $\lambda$ em relação ao grau máximo.
4. Ferramenta Analítica Principal: O equilíbrio é caracterizado via uma expansão infinita sobre caminhadas esperadas na rede. Isso leva à definição de Centralidade de Crença Iterativa, uma medida de influência percebida que agrega spillovers estratégicos esperados através de todas as distâncias, ponderados pela probabilidade de encontrar tipos específicos de agentes e suas crenças subsequentes.

Principais Contribuições e Resultados

• Centralidade de Crença Iterativa: O artigo caracteriza as ações de equilíbrio como uma função da Centralidade de Crença Iterativa. Diferente da centralidade de Katz–Bonacich em configurações de informação completa (que depende de caminhadas realizadas), esta métrica depende de caminhadas esperadas derivadas das observações locais do agente e de suas inferências sobre as inferências dos outros.

  • Resultado: Sob informação completa, a iteração de crença colapsa, e a Centralidade de Crença Iterativa coincide com a centralidade de Katz–Bonacich. Sob informação incompleta simétrica, ela colapsa para uma estatística baseada no grau. Em casos intermediários, gera comportamentos heterogêneos impulsionados por hierarquias de crenças.

• Amplificação de Diferenças Comportamentais: Os autores demonstram que a atualização bayesiana racional a partir de observações locais pode levar a diferenças comportamentais sistemáticas e amplificadas.

  • Mecanismo: Sob "Dominância Baseada em Linha" (uma condição onde maior conectividade observada desloca as crenças para uma maior conectividade em toda a hierarquia de crenças), agentes com maior grau realizado esperam spillovers mais fortes não apenas diretamente, mas em cada distância na cadeia de crença.
  • Resultado: Em jogos com complementariedade estratégica, agentes de alto grau exercem ações maiores e agentes de baixo grau exercem ações menores em relação aos benchmarks de crenças homogêneas. A lacuna entre o comportamento de alto e baixo grau é maior do que o previsto por modelos que assumem crenças homogêneas ou informação completa.

• Microfundação para Modelos Baseados em Grau: O artigo fornece condições sob as quais a complexa Centralidade de Crença Iterativa colapsa para uma representação simples baseada no grau.

  • Condição: Se os agentes observam apenas seus vizinhos diretos e a a priori sobre as redes é "isomórfica" (invariante à reetiquetagem de nós), então agentes com o mesmo grau possuem tipos isomórficos.
  • Resultado: Neste ambiente específico, o grau torna-se um estatístico suficiente para o comportamento. Isso oferece uma microfundação para os modelos existentes baseados em grau, mostrando que eles emergem como um caso especial de uma estrutura de informação mais geral onde as hierarquias de crença colapsam devido à simetria.

• Papel da Correlação e Mistura de Crenças: O artigo introduz uma matriz de transição de crença ($P$) que descreve como agentes de um determinado grau acreditam estar conectados a outros de vários graus.

  • Assortatividade: Os autores definem medidas de assortatividade baseadas em caminhos para quantificar como a informação de grau persiste ao longo dos caminhos de crença.
  • Taxa de Mistura: As propriedades espectrais da matriz de transição de crença (especificamente o segundo maior autovalor $\rho^*$) governam a persistência da heterogeneidade de crença.
  • Resultado: A mistura lenta (alto $\rho^*$) permite que as diferenças de crença ecoem e se ampliem, aumentando tanto a média quanto a variância das ações de equilíbrio. A mistura rápida faz com que as crenças converjam rapidamente para a distribuição estacionária, gerando resultados mais próximos do benchmark homogêneo. O artigo mostra que crenças heterogêneas podem levar a ações não monótonas em relação ao grau e ao aumento da dispersão nos resultados agregados, mesmo quando a distribuição de graus subjacente é fixa.

Significância e Alegações
O artigo afirma fornecer uma teoria tratável de comportamento de rede impulsionado por pares sob informação incompleta que unifica modelos de informação completa e baseados em grau como casos especiais. Sua principal significância reside em demonstrar que:

1. A racionalidade não implica homogeneidade: Mesmo agentes totalmente racionais com as mesmas a priorias podem formar crenças heterogêneas e exibir comportamentos divergentes unicamente devido às suas posições locais na rede.
2. Crenças amplificam efeitos estruturais: A interação entre observações locais e crenças de ordem superior pode amplificar as diferenças comportamentais além do que é explicado apenas pela posição na rede.
3. Microfundações para modelos existentes: Explica por que modelos baseados em grau funcionam (simetria colapsando hierarquias de crença) enquanto identifica as condições sob as quais eles falham (priors heterogêneas ou informação assimétrica).
4. Implicações Teóricas e de Política: O framework oferece um mecanismo teórico para fenômenos empíricos como o "paradoxo da amizade", o "paradoxo da viralidade" e variações na participação cívica, sugerindo que a influência percebida (moldada por hierarquias de crença) é um determinante chave do comportamento, distinto da influência estrutural real.

Os autores mantêm um escopo modesto, focando na formulação linear-quadrática para garantir a tratabilidade, mas observam que a lógica da Centralidade de Crença Iterativa se estende a jogos de rede mais amplos com spillovers estratégicos. Eles não pretendem resolver todos os problemas de incerteza de rede, mas sim estabelecer um framework geral de como a informação local se propaga em padrões comportamentais globais.