网络分析的计量经济学方法。
netrics的Python项目详细描述
netrics:python 2.7包,用于对网络进行经济计量分析
作者:Bryan S.Graham,加州大学伯克利分校,电子邮件:bgraham@econ.berkeley.edu
这个包包括两个经济计量的Python2.7实现 Graham(2014,NBER)介绍的网络形成模型。
本套餐按“原样”提供,不作任何担保、暗示或其他。尽管我会 感谢错误报告、改进建议等,我无法提供任何 有意义的用户支持。请在bgraham@econ.berkeley.edu给我发电子邮件
请在使用此代码时同时引用下面列出的代码和基础源文章 你研究中的代码。
一个简单的脚本示例如下:
>>>> # Import numpy in order to correctly read test data >>>> import numpy as np >>>> # Import urllib in order to download test data from Github repo >>>> import urllib >>>> # Append location of netrics module base directory to system path >>>> # NOTE: only required if permanent install not made >>>> # NOTE: edit path to location on netrics package on local machine >>>> import sys >>>> sys.path.append('/Users/bgraham/Dropbox/Sites/software/netrics/') >>>> # Load netrics module >>>> import netrics as netrics >>>> # Download Nyakatoke test dataset from GitHub >>>> download = '/Users/bgraham/Dropbox/' # Edit to location on your machine >>>> url = 'https://github.com/bryangraham/netrics/blob/master/Notebooks/Nyakatoke_Example.npz?raw=true' >>>> urllib.urlretrieve(url, download + "Nyakatoke_Example.npz") >>>> # Open dataset >>>> NyakatokeTestDataset = np.load(download + "Nyakatoke_Example.npz") >>>> # Extract adjacency matrix >>>> D = NyakatokeTestDataset['D'] >>>> # Initialize list of dyad-specific covariates as elements >>>> # W = [W0, W1, W2,...WK-1] >>>> W = [] >>>> # Initialize list with covariate labels >>>> cov_names = [] >>>> # Construct list of regressor matrices and corresponding variable names >>>> for matrix in NyakatokeTestDataset.files: >>>> if matrix != 'D': >>>> W.append(NyakatokeTestDataset[matrix]) >>>> cov_names.append(matrix) >>>> # Apply tetrad logit procedure to dataset >>>> [beta_TL, vcov_beta_TL, tetrad_frac_TL, success] = \ netrics.tetrad_logit(D, W, dtcon=None, silent=False, W_names=cov_names)
代码引用
- 格雷厄姆,布莱恩S.(2016)。“netrics:python 2.7包,用于对
- 网络,“(0.0.1版)[计算机程序]。可在 https://github.com/bryangraham/netrics(2016年9月4日访问)
论文引文
- 格雷厄姆,布莱恩S.(2014)。“具有度的联系形成计量模型
- 异质性,“NBER第W20341号工作文件。