通过联系进行促销：优惠还是信息？

括号中是考试级别的标准错误。*p＜0.1；**p＜0.05；***p＜0.01。表A2：模型（9）的估计：FP候选人偏好信息强弱强弱常数0.366***0.188***- （0.065）（0.058）-nS-0.058***-0.044-（0.017）（0.035）-西北-0.044-0.021-（0.035）（0.017）-出版物-0.054 0.037**0.071-0.061**（0.036）（0.019）（0.051）（0.028）博士委员会0.007 0.038*0.085***0.037（0.007）（0.020）（0.027）（0.026）AIS 0.078**0.140***-0.057-0.118***（0.032）（0.034）（0.047）（0.037）博士生-0.008-0.061**西班牙0.013 0.041（0.010）（0.024）（0.020）（0.025）女性0.017 0.005 0.021 0.009（0.025）（0.046）（0.047）（0.055）博士-0.009 0.064 0.085**-0.010（0.013）（0.040）（0.039）（0.049）年龄0.003**0.002-0.012***0.002（0.002）（0.004）（0.004）（0.005）过往经验-0.001-0.041-0.018 0.108***（0.006）（0.027）（0.025）（0.036）预计强劲0.048**0.006-0.069***0.002（0.022）（0.035）（0.012）（0.067）预计弱0.019-0.005 0.021 -0.117***（0.054）（0.031）（0.071）（0.034）注：模型估算（9）。观察值（行）对偏好的影响，以及强连接和弱连接（列）对信息的影响。所有规范包括对全套可观察特征、每种类型的预期连接数和基线异方差的控制。异方差概率估计。考试分组效果。括号中是考试级别的标准错误。*p＜0.1；**p＜0.05；***p＜0.01。表A3：稳健性：基线异方差：模型（7）All AP FPHom。首选Full Hom。首选Full Hom。

首选FullFavors（强）0.221***0.123***0.128**0.202***0.071 0.055 0.236***0.120*0.066（0.037）（0.047）（0.051）（0.052）（0.070）（0.067）（0.051）（0.068）（0.061）偏向（弱）0.031 0.038 0.046-0.093-0.338-0.369 0.085*0.141**0.135**（0.055）（0.069）（0.077）（0.174）（0.230）（0.228）（0.046）（0.058）（0.054）信息（强）0.089***0.157***0.165***0.124***0.240***0.250***0.066 0.142**0.182***（0.031）（0.044）（0.042）（0.041）（0.055）（0.057）（0.044）（0.064）（0.066）信息（弱）0.089**0.077 0.074 0.280**0.436***0.471***0.021-0.045-0.059（0.040）（0.068）（0.067）（0.129）（0.150）（0.154）（0.036）（0.059）（0.060）LogLik-10033.4-9949.9-9943.4-5910.1-5854.9-5851.1-4064.2-4041.0-4037.4df 90 100 111 54 63 71 63 71LR-166.91***13.01 - 110.26***7.70 - 46.34***7.08观察31243 31243 31243 17799 17799 17799 13499 13444 13444注：df行报告估计模型的自由度。LR行在前一栏中报告了无限制模型和限制模型比较的似然比统计值。异方差概率估计。examlevel上聚集的标准错误在括号中。*p＜0.1；**p＜0.05；***p<0.01表A4：连接的边际效应：模型（6）与logit cdfBaseline边际效应预测的总信息均为0.080***0.066***0.046***0.020**（0.002）（0.005）（0.010）（0.009）AP 0.088***0.082***0.061***0.021*（0.002）（0.007）（0.013）（0.012）FP 0.063***0.047***0.019 0.027**（0.003）（0.006）（0.014）（0.013）注：对于与陪审团无关但至少与合格评估人员有一个联系的候选人，计算出被联系的平均边际影响。括号中是聚集在XAM级别的标准错误。

使用delta方法计算标准误差。*p＜0.1；**p＜0.05；***p＜0.01。表A5：连接的边际效应：模型（8），带有logit cdfBaseline边际效应预测的总信息有利于强-弱-强-弱-强-弱-强WeakAll 0.081***0.061***0.023***0.026***0.016 0.035***0.008（0.002）（0.004）（0.005）（0.008）（0.011）（0.007）（0.010）AP 0.090***0.069***0.048***0.034***0.091***0.034***-0.043**（0.003）（0.006）（0.012）（0.010）（0.022）（0.010）（0.017）FP 0.068***0.049***0.014***0.028***-0.011 0.021**0.026***（0.003）（0.005）（0.005）（0.010）（0.01）（0.008）（0.009）注：计算与陪审团无关但与合格评估人员至少有一个强联系和一个弱联系的候选人的强联系和弱联系的平均边际效应。括号中是考试级别上聚集的标准错误。标准误差采用delta法计算。*p＜0.1；**p＜0.05；***p＜0.01。表A6：连接的边际效应：模型（9），带有logit cdfBaseline边际效应预测的总信息有利于强-弱-强-弱-强-弱-强WeakAP 0.090***0.078***0.055***0.039***0.058**0.040***-0.003（0.003）（0.006）（0.012）（0.011）（0.028）（0.011）（0.026）FP 0.066***0.058***0.017***0.018**-0.013*0.040***0.030***（0.003）（0.006）（0.005）（0.008）（0.006）（0.009）（0.007）注：计算与陪审团无关但与合格评估人员至少有一个强联系和一个弱联系的候选人的强联系和弱联系的平均边际效应。括号中是考试级别上聚集的标准错误。标准误差采用delta法计算。*p＜0.1；**p＜0.05；***p＜0.01。参考Beaman，L.和Magruder，J.（2012）。谁得到工作推荐？来自社交网络实验的证据。《美国经济评论》，102（7）：3574-3593。Bertrand，M.和Mullainathan，S.（2004年）。

emily和greg比lakisha和jamal更有就业能力吗？劳动力市场歧视的现场实验。《美国经济评论》，94（4）：991-1013。Bester，C.A.和Hansen，C.B.（2016）。固定效应模型中的分组效应估计器。计量经济学杂志，190（1）：197-208。Bramoull\'e，Y.和Goyal，S.（2016）。偏袒。《发展经济学杂志》，122:16–27。Brogaard，J.、Engelberg，J.和Parsons，C.A.（2014）。网络与生产力：来自编辑轮换的因果证据。《金融经济学杂志》，111（1）：251–270。Brown，M.、Setren，E.和Topa，G.（2016年）。非正式的推荐会带来更好的匹配吗？来自企业员工推荐系统的证据。《劳动经济学杂志》，34（1）：161–209。Colussi，T.（2017）。学术界的社会关系：朋友是财富。《经济和统计评论》，即将出版。库姆斯，P.-P.、林内默，L.和维瑟，M.（2008）。发布还是同级富？技能和人际网络在聘请经济学教授方面的作用。《劳动经济学》，15（3）：423–441。Davidson，R.和MacKinnon，J.G.（1984）。logitand probit模型的便捷规格测试。计量经济学杂志，25（3）：241-262。Engelberg，J.、Gao，P.和Parsons，C.A.（2012年）。有钱的朋友。《金融经济学杂志》，103（1）：169–188。Granovetter，M.S.（1973）。弱关系的强度。《美国社会学杂志》，78（6）：1360-1380。Heckman，J.（1998年）。检测歧视。《经济展望杂志》，12（2）：101-116。Heckman，J.和Siegelman，P.（1993年）。城市研究所审计研究：方法和发现。在M.Fix和R.Struyk编辑的《清晰和令人信服的证据：美国歧视的衡量：187–258》。Hensvik，L.和Skans，O.N.（2016）。社交网络、员工选择和劳动力市场结果。《劳动经济学杂志》，34（4）：825–867。Laband，D.N.和Piette，M.J.（1994年）。

偏袒与寻找好论文：关于期刊编辑行为的经验证据。《政治经济杂志》，102（1）：194–203。Li，D.（2017）。评估中的专业知识与偏见：来自nih的证据。美国经济杂志：应用经济学，9（2）：60–92。Lu，J.（2016）。随机选择和私人信息。《计量经济学》，84（6）：1983-2027年。Neumark，D.（2012年）。在审计和函授研究中发现歧视。《人力资源杂志》，47（4）：1128–1157。Pallais，A.和Sands，E.G.（2016）。为什么要参照处理？来自转介现场实验的证据。《政治经济学杂志》，124（6）：1793-1828。Wooldridge，J.M.（2010）。横截面和面板数据的计量经济学分析。麻省理工学院出版社。Zinovyeva，N.和Bagues，M.（2015）。关系在学术晋升中的作用。《美国经济杂志》：应用经济学，7（2）：264–292。