通过联系进行促销：优惠还是信息？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Promotion through Connections: Favors or Information?》
---
作者：
Yann Bramoull\\\'e and Kenan Huremovi\\\'c
---
最新提交年份：
2020
---
英文摘要：
  Connections appear to be helpful in many contexts such as obtaining a job, a promotion, a grant, a loan or publishing a paper. This may be due to favoritism or to information conveyed by connections. Attempts at identifying both effects have relied on measures of true quality, generally built from data collected long after promotion. This empirical strategy faces important limitations. Building on earlier work on discrimination, we propose a new method to identify favors and information from classical data collected at time of promotion. Under natural assumptions, we show that promotion decisions look more random for connected candidates, due to the information channel. We obtain new identification results and show how probit models with heteroscedasticity can be used to estimate the strength of the two effects. We apply our method to the data on academic promotions in Spain studied in Zinovyeva & Bagues (2015). We find evidence of both favors and information effects at work. Empirical results are consistent with evidence obtained from quality measures collected five years after promotion.
---
中文摘要：
关系在很多情况下似乎都很有用，例如获得工作、晋升、补助金、贷款或发表论文。这可能是由于偏袒或关系传递的信息。确定这两种影响的尝试都依赖于真实质量的衡量，通常是根据升职后很久收集的数据构建的。这种经验性策略面临着重要的局限性。在早期歧视研究的基础上，我们提出了一种从晋升时收集的经典数据中识别偏好和信息的新方法。在自然假设下，我们发现，由于信息渠道的原因，有关联的候选人的晋升决策看起来更随机。我们获得了新的识别结果，并展示了如何使用具有异方差的probit模型来估计这两种效应的强度。我们将我们的方法应用于Zinovyeva&Bagues（2015）研究的西班牙学术晋升数据。我们在工作中发现了偏好和信息效应的证据。实证结果与晋升五年后收集的质量指标所获得的证据一致。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Promotion_through_Connections:_Favors_or_Information?.pdf (590.43 KB)

2022-6-1 06:56:50 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Quantitative information Connections Identifying Internation

通过联系促销：优惠或信息？Yann Bramoull\'e和Kenan Huremovi\'c*2018年1月14日AbstractConnections似乎在许多情况下都很有用，例如获得工作、晋升、补助金、贷款或发表论文。这可能是由于避讳或连接传递的信息。识别这两种影响的尝试都依赖于真实质量的衡量，通常是根据促销后很久收集的数据构建的。在早期歧视研究的基础上，我们提出了一种新的方法，从晋升时收集的数据中识别偏好和信息。在自然假设下，我们表明，由于信息渠道的原因，对于计量经济学家来说，关联候选人的晋升决策看起来更随机。我们得出了新的识别结果，并展示了如何使用异方差probit模型来估计这两种效应的强度。我们将我们的方法应用于Zinovyeva和Bagues（2015）研究的西班牙学术晋升数据。我们发现证据表明，联系既能传递信息，又能吸引青睐。我们的结果与晋升五年后收集的数据一致。关键词：推广、关系、社交网络、偏袒、信息。JEL分类：C3、I23、M51。*我们感谢研讨会和会议的参与者以及奥利维尔·香奈尔、罗素·戴维森、伯纳德·福廷、哈比巴·杰巴里、布鲁诺·德克鲁斯、马克·罗森茨威格、马克·桑尼尔、克里斯蒂安·施卢特、亚当·塞德尔、保罗·扎奇亚和娜塔莉亚·齐诺维耶娃的有益评论和建议。对于财政支持，Yann Bramoull\'e感谢欧洲研究理事会（Consolidator Grant n.616442）。

Bramoull\'e：艾克斯马赛大学（艾克斯马赛经济学院）和CNRS，yann。bramoulle@univ-阿穆。fr；胡雷莫维奇：基南IMT高等研究学院。huremovic@imtlucca.it.1介绍关系似乎在许多情况下都很有用，例如获得工作、晋升、补助金、贷款或发表论文。两种主要机制有助于解释这些广泛的影响。一方面，人际关系可以传递有关招聘、项目和论文的信息，帮助招聘人员、陪审团和编辑做出更好的决定。另一方面，决策者可能会过度偏爱有关联的候选人，从而导致更糟糕的决策。这两种机制具有相反的福利含义，实证研究人员一直试图梳理出联系影响背后的不同力量。现有的研究通常通过建立候选人“真实”素质的衡量标准来实现这一目标。然后，研究人员比较有联系和无联系的成功候选人的素质。如果有关联的成功候选人具有更高的质量，信息效应很可能占主导地位；如果有关系的成功候选人的素质较低，那么优势很可能占主导地位。例如，与编辑有关联的作者在顶级经济学和金融杂志上发表的文章往往会获得更多的引用，这表明编辑利用他们的关联来识别更好的论文（Brogaard et al.（2014））。相比之下，与晋升评审团成员有联系的英斯潘教授在晋升后发表的文章较少（Zinovyeva和Bagues（2015）），这与偏袒一致。这种经验性策略虽然被广泛使用，但有三个重要的局限性。首先，建立真正质量的衡量标准可能不容易，也不可行。查看研究人员的出版物或文章引用需要在晋升或出版后有足够长的时间延迟。这些措施在任何情况下都是不完善的。

其次，只有当成功对衡量质量的影响对于有联系和无联系的成功候选人相同时，识别才有效，见Zinovyeva和Bagues（2015，第283页）。这一假设很关键，但并非必要。有关就业和人际关系的文献很多，而且还在不断扩大。最近的参考文献包括Beaman和Magruder（2012）、Brown等人（2016）、Hensvik和Skans（2016）、Pallais和Sands（2016）。关于促销，请参见Combes et al.（2008），Zinovyeva and Bagues（2015）。关于赠款，见Li（2017）。关于贷款，见Engelberg等人（2012年）。关于出版物，请参见Brogaard等人（2014）、Colussi（2017）、Laband和Piette（1994）。群体内的利益交换可能会增加群体的福利，从而损害社会，见Bramoull\'e和Goyal（2016）。在这篇文章中，我们关注的是偏袒的直接负面影响。这似乎是合理的，通常无法测试。第三，关系既可以传递信息，也可以吸引青睐。这种经验策略可以让研究人员确定哪种影响占主导地位；它不允许他们估计他们的相对长度。我们开发了一种新的方法，在早期歧视研究的基础上，确定联系的重要性。我们的方法允许研究人员估计这两种影响的大小，而不依赖于真实质量的测量。我们的方法利用了申请时收集的数据：候选人的可观察特征以及他们是否成功。它寻找候选人的可观察性和成功之间关系的两种影响的间接迹象。考虑申请晋升的候选人。他们由陪审团评估，一些候选人碰巧与陪审团成员有联系。当关联传递信息时，陪审团对关联候选人的能力有一个额外的信号。计量经济学家无法观察到这一信号，可能是积极的，也可能是消极的。

因此，在计量经济学家看来，晋升决定对有关联的候选人来说更具随机性。我们展示了如何在适当的假设下，从关联候选者最近的错误中的过度方差中恢复信息通道的强度。然后，可以通过估计和比较有关联和无关联的候选人所面临的晋升阈值来恢复优势。偏好会导致评估中的系统性偏差，而激励阈值之间的差异衡量的是潜在偏好的大小。我们建立了一个基于正态性的计量经济学框架。我们利用具有异方差的probit模型来检测和估计超额方差。我们澄清了偏好和信息被识别的条件。如果这两种效果都以任意方式取决于候选人的观察结果，那么识别就不成立。在助学金申请的背景下，Li（2017）开发了一种新方法来恢复偏好和信息的各自优势。她的方法依赖于观察到的真实质量和陪审团评估。正如对连接影响背后原因的任何分析一样，我们的方法需要对连接进行某种外部冲击。换句话说，我们假设确定连接是否重要的问题已经解决，并将重点放在确定它们为什么重要的问题上。Lu（2016）的定理4也有类似的想法；下面我们将更详细地讨论这种关系。（提案1）。然而，在对这种依赖性有轻微限制的情况下，例如在存在排除限制或线性假设的情况下，识别仍然有效（定理1）。然后，我们重新分析了Zinovyeva和Bagues（2015）收集的西班牙学术晋升数据，其中包含了2002年至2006年间西班牙学术体系副教授和正教授晋升的所有候选人的信息。

为了升职，候选人必须通过竞争激烈的全国性考试。他们由一个陪审团进行评估，陪审团成员是从合格的评估人员中随机挑选出来的，这对关系产生了外部冲击。该数据涵盖候选人和评估者之间的六种类型的联系，分类为weakor strong。根据推广时的数据，Zinovyeva和Bagues（2015）估计了联系的因果影响。他们发现，弱关系和强关系对副教授和全教授级候选人的晋升都有积极和显著的影响。我们调查了对相同数据产生这些影响的原因。运用我们的新方法，我们发现了强有力的证据表明，在副教授级别，当候选人的学术能力仍然存在很大的不确定性时，信息效应与弱联系和强联系相关。我们还检测到在该级别上与强关系相关的偏好，但与弱关系无关。相比之下，当候选人的不确定性很低时，我们并没有检测到全教授级别的信息影响。我们发现，在这一层面上，无论是弱关系还是强关系，都会产生强烈的好感，这与当时西班牙学术体系中广泛存在的好感交流是一致的。这些结果是通过我们的间接方法从晋升时的数据中获得的，与从晋升五年后收集的数据中通过质量测量获得的结果一致，见第六节。我们的分析有助于增加关于联系的实证文献。我们开发了第一种实证方法，从升职时收集的数据中识别偏好和信息效应，并将其应用于分析西班牙的学术升职情况。

该方法可以应用于许多其他环境，并且不能用于交叉验证从质量度量中获得的结果。我们的分析基于有关歧视的文献中首次确定的观点。Heckman和Siegelman（1993）以及Heckman（1998）阐明了不同组间不可观测变量差异的关键含义。他们表明，差异使使用二元结果的标准模型来检测歧视无效。Neumark（2012）展示了异方差概率模型如何帮助解决这个问题。他重新分析了Bertrand和Mullainathan（2004）的数据，发现了比原始研究更有力的种族歧视证据，一旦考虑到不同种族群体的差异。我们将这些想法改编并扩展到联系的研究中。我们表明，方差差异有助于识别连接的信息内容，这一想法与Lu（2016）中的定理4一致。Lu（2016）提供了私人信息下随机选择的理论分析。他指出，更好的私人信息会产生对计量经济学家来说更分散的选择。据我们所知，我们是第一个在经验背景下实施这一观点的人。我们获得了新的识别结果。定理1的第一部分，关于排除限制，扩展了Neumark（2012）的识别论点。定理1的第二部分“非线性”表明，即使没有排除限制，识别也可能成立。我们首次将这些想法应用于联系影响的研究。论文进行如下。下一节将通过一个简单的模型说明识别策略。第三节介绍了一般模型，并建立了正式的识别结果。第四节介绍了数据。第五节讨论了实证实施的关键特征。

第六节介绍了经验结果。第七节结束。2简单模型在本节中，我们介绍一个简单模型来解释和说明我们的识别策略。该模型与Heckman和Siegelman（1993年，附录5.D）、Neumark（2012）和Zinovyeva和Bagues（2015年，第一节）中分析的模型相似。在第三节中，我们开发了我们的通用模型并得出了形式识别结果。候选人申请晋升，并由做出晋升决定的陪审团进行评估。我们假设陪审团对候选人进行评分，而评分更高的候选人会得到晋升。这些等级可能受到与陪审员关系的影响，如下所述。让aebe作为考试特定的提升阈值：如果成绩高于或等于ae，则会提升acandidate。这一阈值可能主要取决于申请该领域晋升的候选人数量。我们假设候选人i的真实能力可以分解为三部分：ai=βxi+ui+vi（1），其中xi∈ rm表示计量经济学人和陪审团观察到的m特征向量，uis不被计量经济学人和陪审团观察到，viiso被陪审团观察到，但不被计量经济学人观察到。我们假设E（ui | xi）=E（vi | xi）=0，这在线性上下文中不会失去一般性。因此，UID和VIREpresents部分未观察到的特征无法用可见物解释。进一步假设E（ui | vi）=0，且不可观测项正态分布：ui~ N（0，σu）和vi~ N（0，σv）。用Φ表示均值为0、方差为1的正态变量的累积密度函数。用ci表示∈ {0，1}一个二进制变量，描述候选人i是否与陪审团连接（ci=1）或未连接（ci=0）。首先考虑一个不相关的候选人。我们假设她的成绩等于陪审团对她的能力E的期望值（ai | xi，vi）=βxi+vi。

当且仅当βxi+vi时，非连接的candidatei才被提升≥ ae。从计量经济学家的角度来看，具有西柏宁特征的非关联候选人的概率我们在计量经济学家没有陪审团评估数据的假设下发展了我们的方法。如果E（ui | xi）=xiβu，则定义ui=ui- E（ui | xi）和类似的^vi。请注意，E（ui | xi）=E（^vi | xi）=0。这就产生了ai=xi（β+βu+βv）+^ui+^vi，然后与方程（1）等价。提升等于：p（yi=1 | ci=0，xi）=Φ（βxi- aeσv）（2）其中，如果候选人i获得晋升，则yi=1，否则为0。接下来，考虑一个有关联的候选人。在本节中，我们做两个简化假设。首先，我们假设与陪审团的联系是随机的。在经验应用中，这取决于预期的连接数，见第四节。这意味着连接和非连接候选具有相同的可观察和不可观察分布，尤其是E（ui | ci）=E（vi | ci）=0。其次，我们忽视了与连接的数量和类型相关的问题。这些问题在我们的一般模型中得到了解释，见第三节。与陪审团相关对成绩有两种不同的影响。一方面，陪审团获得有关候选人能力的更多信息。我们假设陪审团观察到噪声信号θi=ui+εi，其中εi~ N（0，σε），并根据此附加信息更新其对候选人能力的信念。另一方面，陪审团可能希望支持有关联的候选人。我们假设，由于连接，偏好a级优质B级的形状。因此，关联候选人的等级等于其预期能力E（ai | xi，vi，θi）=βxi+E（ui |θi）+vi加上偏好B的偏差。由于E（ui |θi）=σuσu+σεθi，当且仅当βxi+σuσu+σεθi+vi+B时，关联候选人i才会提升≥ ae。

从计量经济学的角度来看，信号θi包含在潜在误差中，并在陪审团的决定中产生极大方差。潜在误差的方差现在等于σv+σuσu+σε。设σ=1+σuσv（σu+σε）>1表示与未连接的候选项相比，连接的候选项的后误差的过度方差。关联候选人被提升的概率等于：p（yi=1 | ci=1，xi）=Φ（βxi+B- aeσσv）（3）比较方程式（2）和（3），我们发现信息和优惠对提升的可能性有不同的影响。当陪审团对有关联的候选人有更好的信息时，这就降低了可观察特征对晋升可能性的影响程度。相比之下，支持会导致有效提升阈值从AET转变为ae- B、 保持可观察到的影响不变。我们在图1中说明了这些影响。实心黑色曲线描绘了pu（yi=1 | xi），即一个不相关的候选人被提升为观察能力的函数的概率。虚线描绘了当仅涉及信息影响时，相关候选人被提升的可能性。请注意，整个曲线不太陡峭。观察到的晋升概率随观察到的能力变化较小。形式上，σ的增加导致整个曲线的二阶随机优势转移。这也意味着，对于βxi的非常好的候选者，连接的明显影响是负面的≥ ae。这种明显的负面影响是由于好消息和坏消息对候选人升职机会的影响不对称。虽然好消息并不能大大改善已经很好的机会，但坏消息显著降低了优秀候选人的机会。