Functional Differencing in Networks

Résumé Fr En

Les interactions économiques se produisent souvent dans des réseaux où des agents hétérogènes (tels que des travailleurs ou des entreprises) s’associent et produisent. Cependant, la plupart des approches d’estimation existantes nécessitent que le réseau soit dense, ce qui est en contradiction avec de nombreux réseaux empiriques, ou elles imposent des restrictions sur la forme de l’hétérogénéité et la formation du réseau. Nous montrons comment l’approche des différences fonctionnelles introduite par Bonhomme [2012] dans le contexte des données de panel peut être appliquée dans des environnements de réseau pour dériver des restrictions de moment sur les paramètres du modèle et les effets moyens. Ces restrictions sont valables indépendamment de la forme de l’hétérogénéité et de la densité du réseau. Nous illustrons l’analyse avec des modèles linéaires et non linéaires de données d’employeurs et d’employés appariées, dans l’esprit du modèle introduit par Abowd, Kramarz et Margolis [1999].

Economic interactions often occur in networks where heterogeneous agents (such as workers or firms) sort and produce. However, most existing estimation approaches either require the network to be dense, which is at odds with many empirical networks, or they require restricting the form of heterogeneity and the network formation process. We show how the functional differencing approach introduced by Bonhomme [2012] in the context of panel data, can be applied in network settings to derive moment restrictions on model parameters and average effects. Those restrictions are valid irrespective of the form of heterogeneity, and they hold in both dense and sparse networks. We illustrate the analysis with linear and nonlinear models of matched employer-employee data, in the spirit of the model introduced by Abowd, Kramarz and Margolis [1999]. JEL Codes: C18, C23, C33, C35.