学术相关
Staggered difference-in-differences in gravity settings: revisiting the effects of trade agreements1
采用引力模型对区域贸易协定RTA进行效应估计的汇总
区域贸易协定研究常用的引力模型
$Y_{ij,t}=e^{\delta_{ij,t}^{TWFE}RTA_{ij,t}+\pi_{i,t}+\chi_{j,t}+\tau_{ij}+\theta_{ii,t}}\times\epsilon_{ij,t}$
其中$Y_{ij,t}$为$t$年国家$i$向国家$j$ 的名义贸易流（含国内贸易流），考虑异方差且利用包含0贸易流的数据，作者采用PPML估计法
$\pi_{i,t}$ 为出口国年固定效应；$\chi_{j,t}$为进口国年固定效应；它考量了A&W(2003)提及的多变阻力条款及其他国家-时间决定对进/出口国贸易流的影响
$\tau_{ij}$ 方向配对directional pair 固定效应，可以减轻内生性问题，控制对称和非对称时变贸易成本
$\theta_{ii,t}$ 是否为国内贸易的哑变量
目标是估计$\delta_{ij,t}^{TWFE}$ RAT区域贸易协定的TWFE（双边固定效应）估计
Algorithmically mediating communication to enhance collective decision-making in online social networks2
这是一项失败的研究，作者试图通过社交网络结构重新布线实现利用社会影响提升群体决策水平，但他们设计的算法在真实环境中并不显著，研究缺乏理论解释，且实验设计和模型不够完善，不过有几个点还是挺有趣的。
- 研究设计
作者首先通过ABM进行了仿真模拟，建立了由16个智能体组成的网络，它们的任务是对特定事件进行布尔型判断。作者利用特定分布（实验中使用的是伯努利分布，但这一假设与真实环境由较大偏差，导致模拟失真）的抽样作为初始“证据”发送给每个智能体，模拟不同个体之间有差异的先验，此外还通过2个参数来控制发送给智能体的证据质量模拟还有虚假信息的真实环境。之后作者基于模拟的结果构建了真实环境实验，真人需要判别的问题是近期即将发生的客观事实，如下周的COVID-19死亡人数。
- 模型
DeGroot belief updating rule
$R_{t+1,i}=\alpha_i\times R_{t,i}+(1-\alpha_i)\times\bar{R}_{t,j\in N_i}$
$\bar{R}_{t,j\in N_i}$为近邻在t时刻的平均估值
根据Becker at al.(2017)实证研究，权重$\alpha_i=0.74-0.05\epsilon_i+\mathcal{N}$
$\epsilon_i$ 为智能体$i$的误差绝对值，$\mathcal{N}$为高斯噪声（$\mu=0\ \sigma=0.06$）
该随机过程意味着准确性与抵抗社会影响的能力有轻微的相关性 ($r\approx 0.21$)
- 重新布线算法
- mean-extreme algorithm
- 目的是增加网络中个体的平均准确度
- 计算给定时间点的网络平均估计，判断落于标尺中点(本实验中0.5)的哪一侧
- 若平均估计高（低）于中点，则将最高（低）估计的智能体向最低（高）估计的3个智能体添加直接的出边关系
- polarize algorithm
- 目的是保持网络中估计的多样性，防止潜在的同质化偏差
- 识别当前估计分布中两个最极端（高、低）的智能体，切断它们的所有入边，即保证社会影响不会干扰他们的极化观点
- 将最高和最低的2个极端智能体分别与在中位估计较高和较低的2个智能体构建出边关系（即2→4）
- scheduling algorithm
- 目的是最大化交互的多样性
- 它与混合二元组有关，而不管个体估计值
- 该算法在每个时间点配对智能体，保证每个智能体不会与相同的智能体配对2次，但原则上有机会暴露给网络上所有的可用信息
- 该算法会阻止所有多余的交互发生
- 注意：该算法假设所有的智能体能够高效、充分地交互所有拥有的信息，并充分整合接受的信息
- mean-extreme algorithm
-
Nagengast, A., & Yotov, Y. V. (2023). Staggered difference-in-differences in gravity settings: Revisiting the effects of trade agreements (SSRN Scholarly Paper 4646368). https://doi.org/10.2139/ssrn.4646368 ↩
-
Burton, J. W., Almaatouq, A., Rahimian, M. A., & Hahn, U. (2024). Algorithmically mediating communication to enhance collective decision-making in online social networks. Collective Intelligence, 3(2), 26339137241241307. https://doi.org/10.1177/26339137241241307 ↩