Sparse Network Asymptotics for Logistic Regression under Possible Misspecification

Consider a bipartite network where N consumers choose to buy or not to buy M different products. This paper considers the properties of the logit fit of the N M array of i-buys-j purchase decisions, Y = [Yij ]1iN,1jM, onto a vector of known functions of consumer and product attributes under本文考虑一类二分网络（bipartite network），其中N名消费者可选择购买或不购买M种不同产品。针对由「消费者i购买产品j」的购买决策所构成的N×M维数组Y = [Y_ij]_{1≤i≤N,1≤j≤M}，本文研究将该数组的logit拟合（logit fit）到消费者与产品属性的已知函数向量时的相关性质，在

搜集汇总

背景与挑战

背景概述

该工作论文研究稀疏网络渐近性在逻辑回归中的应用，特别关注模型可能误设的情况。它分析了在消费者-产品二分网络中，当网络稀疏（即购买行为稀少）且存在依赖关系时，逻辑回归估计量的性质，包括伪真参数的表征和渐近正态性，并证明稀疏网络渐近比密集网络更优地近似有限样本分布。