論文の概要: Peer Effects in Signed Networks: Separating Influence Through Positive and Negative Ties

• arxiv url: http://arxiv.org/abs/2610.02872v1
• Date: Fri, 02 Oct 2026 06:10:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 09:54:32.237989
• Title: Peer Effects in Signed Networks: Separating Influence Through Positive and Negative Ties
• Title（参考訳）: 署名ネットワークにおけるピアエフェクト:肯定的および否定的ティーを通しての影響を分離する
• Abstract要約: 信号の無視が2種類のネクタイの効果とどのように混ざり合っているかを示す。 そこで我々は,サイン固有結果モデルと個別処理によって誘発される露光確率を組み合わせたSiDE(Signed-Exposure Duubly robust Estimator)を提案する。
• 参考スコア（独自算出の注目度）: 29.48611392714692
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evaluating network interventions requires understanding how treatment affects people through their social relationships. Counting treated neighbors without distinguishing supportive and antagonistic ties can conceal opposing influences. We define effects through positive and negative ties, their interaction, and a sign-composition effect of reallocating treatment between the two types at a fixed total, and give their identification formulas. Under sign-blind assignment, we show how ignoring signs mixes the effects of the two tie types. We propose SiDE (Signed-exposure Doubly robust Estimator), which combines sign-specific outcome models with exposure probabilities induced by individual treatment assignment. We establish double robustness of its score and assess approximate intervals that account for overlapping neighborhoods. Semi-synthetic experiments on six real signed networks demonstrate accurate effect estimation and examine the limits of interval coverage. An exploratory reanalysis of published school-experiment data yields a positive estimate of the peer effect through spend-time ties on wristband wearing, but the intervals for all four effects include zero after adjustment for multiple comparisons. This framework can inform network intervention design by showing when influences through the two tie types reinforce or offset one another.
• Abstract（参考訳）: ネットワーク介入を評価するには、治療が社会的関係を通じて人々にどのように影響するかを理解する必要がある。 支援的・敵対的な結びつきを区別せずに隣人を数えることは、対立する影響を隠蔽することができる。 本研究は, 正と負の結びつき, 相互作用, および, 両タイプの再配置処理のサイン・コンポジション効果を一定総和で定義し, それらの識別式を与える。 符号-盲点割当では, 信号無視が2種類のタイの効果をどう混合するかを示す。 そこで我々は,サイン固有結果モデルと個別処理によって誘発される露光確率を組み合わせたSiDE(Signed-Exposure Duubly robust Estimator)を提案する。 我々は、そのスコアの二重ロバスト性を確立し、重複する地区を考慮に入れた近似間隔を評価する。 6つの実符号ネットワーク上の半合成実験は、正確な効果推定を示し、間隔範囲の限界を調べる。 学校実験データの探索的再分析は、リストバンド着用の時間的結びつきを通じてピア効果の正の見積もりを得るが、これら4つの効果の間隔は、複数の比較の調整後のゼロを含む。 このフレームワークは、2つのネクタイタイプによる影響が相互に強化またはオフセットされているかを示すことで、ネットワークの介入設計を通知することができる。

関連論文リスト

• When Interference Graphs Evolve: Doubly Robust Estimation of Dynamic Peer Effects [1.049126606580198]
  我々は,自己治療,時間的に集約されたピア露光,および課題後の進化の要約によって潜在的な結果をインデックスする制御されたコントラストフレームワークを導入する。 時間分解確率と正規化オーグメンテーションを組み合わせた動的ネットワーク二重ロバスト推定器DynaNet-DRを開発した。
  論文  参考訳（メタデータ） (2026-08-27T14:32:40Z)
• Contagion Effect Estimation Using Proximal Embeddings [17.483428990993744]
  感染効果は、ソーシャルネットワークにおける個人の結果に対する仲間の行動の因果効果を指す。 既存のプロキシベースの感染効果推定法は、プロキシが高次元である場合、非常に高いばらつきを持つ。 本稿では,変分オートエンコーダと対向ネットワークを統合した新しいフレームワーク Proximal Embeddings (ProEmb) を提案する。
  論文  参考訳（メタデータ） (2023-06-04T20:55:13Z)
• Neighborhood Adaptive Estimators for Causal Inference under Network Interference [109.17155002599978]
  ネットワークに接続された単位による古典的非干渉仮定の違反について考察する。 トラクタビリティでは、干渉がどのように広がるかを記述する既知のネットワークを考える。
  論文  参考訳（メタデータ） (2022-12-07T14:53:47Z)
• Fair Effect Attribution in Parallel Online Experiments [57.13281584606437]
  A/Bテストは、オンラインサービスで導入された変更の影響を確実に特定する目的で役立ちます。 オンラインプラットフォームでは,ユーザトラフィックをランダムに分割して多数の同時実験を行うのが一般的である。 異なるグループ間の完全なランダム化にもかかわらず、同時実験は互いに相互作用し、平均的な集団の結果に負の影響をもたらす。
  論文  参考訳（メタデータ） (2022-10-15T17:15:51Z)
• What's the Harm? Sharp Bounds on the Fraction Negatively Affected by Treatment [58.442274475425144]
  我々は,これらの関数がどの程度の速さで学習されたかに関わらず,効率の良い頑健な推論アルゴリズムを開発した。 シミュレーション研究および失業者のキャリアカウンセリングのケーススタディにおいて,本手法を実証する。
  論文  参考訳（メタデータ） (2022-05-20T17:36:33Z)
• Identifying Peer Influence in Therapeutic Communities Adjusting for Latent Homophily [1.6385815610837167]
  薬物乱用や犯罪行為に対する対人的役割モデルの影響について検討した。 観測データに観測されていないホモフィリーが存在する場合のピアの影響を同定するために,潜時変動モデルを用いてネットワークをモデル化する。 以上の結果から,友人の卒業が住民の卒業に与える影響は,性別,人種,役割モデルの効果の定義によって異なることが示唆された。
  論文  参考訳（メタデータ） (2022-03-27T06:47:28Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)
• Interference and Generalization in Temporal Difference Learning [86.31598155056035]
  時間差学習における一般化と干渉の関係について検討する。 教師付き学習ではTDが容易に低干渉,低一般化パラメータにつながり,その効果は逆のように見える。
  論文  参考訳（メタデータ） (2020-03-13T15:49:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。