Redes económicas
| Redes económicas | ||
|---|---|---|
| Campo de estudio | ||
|
| ||
|
| ||
Las Redes económicas constituyen el campo de estudio de la ciencia económica que analiza cómo las estructuras de relaciones interconectadas determinan los resultados económicos. A nivel microeconómico, esta disciplina provee el marco analítico fundamental para comprender cómo la topología de las redes sociales y de intercambio afecta el comportamiento individual, el poder de mercado, la difusión de la información y la formación endógena de agrupaciones en la sociedad.[1][2]
A nivel macroeconómico, el análisis de redes ha revolucionado la comprensión de los ciclos económicos, las cadenas de suministro y el riesgo sistémico financiero. Su importancia teórica radica en haber demostrado matemáticamente que los enfoques agregados clásicos —como la Ley de los grandes números y el Teorema de Hulten— fallan empíricamente al enfrentarse a la topología del mundo real. Estos teoremas asumen un comportamiento neutralizador (un régimen donde los choques microeconómicos idiosincrásicos actúan como contrapesos estadísticos que se cancelan o diluyen entre sí). Sin embargo, dado que las economías reales operan en redes altamente asimétricas y no lineales, las perturbaciones eluden este efecto neutralizador y, por el contrario, se amplifican a través de los vínculos mediante efectos en cascada, originando recesiones a gran escala.[3][4]
Microeconomía de Redes
[editar]La microeconomía de redes surgió como una generalización metodológica de los modelos clásicos de intercambio y teoría de juegos. En los marcos canónicos de equilibrio general o emparejamiento aleatorio (random matching), suele asumirse por tratabilidad que los agentes interactúan de manera global, ya sea a través de un sistema de precios unificado o mediante interacciones uniformes con toda la población. La introducción de la teoría de grafos permitió relajar estos supuestos para estudiar economías donde las interacciones estratégicas y los canales de información son locales, estructurados y heterogéneos.
El desarrollo formal de esta subdisciplina se cimentó sobre el análisis de cómo se forman los vínculos y cómo dicha estructura dicta el comportamiento estratégico:
La formación endógena de redes se modeló inicialmente a través de dos enfoques paralelos. Por un lado, Matthew O. Jackson y Asher Wolinsky (1996) introdujeron el concepto de «estabilidad por pares» (pairwise stability) para modelar la formación de vínculos bidireccionales donde ambas partes deben consentir, demostrando que las topologías que surgen del interés individual racional rara vez maximizan el bienestar social agregado.[5] Por otro lado, Venkatesh Bala y Sanjeev Goyal (2000) desarrollaron la teoría de la formación no cooperativa de redes. En su modelo, los agentes pueden formar vínculos unilateralmente (pagando el costo de conexión de forma individual), lo que permitió aplicar el equilibrio de Nash estricto para predecir arquitecturas emergentes, como la red en "estrella" (donde unos pocos nodos concentran las conexiones para minimizar los costos de enrutamiento del resto).[6]
Inferencia mecanística y el equilibrio grafo-juego
[editar]Para resolver la desconexión entre la descripción estadística de las redes y los fundamentos estratégicos de su formación, Christoph Riedl y Rory Smead (2026) establecieron un puente analítico directo e invertible entre los pagos de la teoría de juegos y la estructura a mesoescala mediante el concepto de «equilibrio grafo-juego» (game-graph equilibrium, GGE). Al modelar la red como el resultado de una dinámica de selección de socios (partner choice) donde los agentes buscan maximizar sus pagos manteniendo estrategias fijas, los autores demuestran que la topología macroscópica actúa como un «registro fósil» de los incentivos subyacentes. Bajo este marco, los juegos de dos tipos () colapsan exhaustivamente en cuatro fases termodinámicas (asortativa, disasortativa y dos configuraciones centro-periferia), generalizables a clases para interacciones de tipos. Este enfoque resuelve la equifinalidad estructural de los modelos de bloques tradicionales al discriminar si una arquitectura centro-periferia idéntica proviene de dinámicas cooperativas o de explotación asimétrica. Asimismo, la formulación permite la «inferencia mecanística» al proyectar modelos de bloques estocásticos sobre variedades de teoría de juegos para deducir directamente las funciones de pago a partir de redes empíricas (como el comercio internacional), definiendo formalmente a las comunidades como conjuntos de nodos con estricta «equivalencia estratégica».[7]
Intermediación y agujeros estructurales
[editar]Sanjeev Goyal y Fernando Vega-Redondo (2008) lograron matematizar el concepto sociológico de los «agujeros estructurales» propuesto originalmente por Ronald Burt. Demostraron teóricamente que en las redes de intercambio económico, los nodos que actúan como puentes exclusivos entre grupos desconectados logran extraer rentas monopólicas exorbitantes. Sin embargo, probaron que esta topología de intermediación es estructuralmente inestable a largo plazo: los altos beneficios del intermediario incentivan a los grupos periféricos a formar vínculos directos entre sí (cerrando el agujero estructural), lo que eventualmente colapsa el poder de monopolio del intermediario y transita la economía hacia topologías de libre comercio más equitativas.[8]
Teoría de juegos en redes
[editar]En la determinación de decisiones sobre redes preexistentes, Ballester, Calvó-Armengol y Zenou (2006) establecieron un puente analítico decisivo al vincular la topología directamente con el equilibrio de Nash. Demostraron que en juegos con complementariedades estratégicas, el esfuerzo de un agente es matemáticamente proporcional a su centralidad de Katz-Bonacich.[9]
Para escenarios donde las redes son demasiado grandes y los agentes carecen de información completa sobre la estructura total, Galeotti, Goyal, Jackson, Vega-Redondo y Yariv (2010) expandieron la teoría permitiendo que los jugadores interactúen conociendo únicamente su propio "grado" (número de vecinos directos). Probaron que las decisiones óptimas exhiben propiedades monótonas respecto al grado: en juegos de complementariedad (como aprender un idioma), tener más vecinos incentiva mayor esfuerzo, pero en juegos de sustitución (como comprar bienes públicos locales), estar altamente conectado desincentiva la inversión propia, ya que el agente puede parasitar (free-ride) el esfuerzo de sus múltiples vecinos.[10]
Expandiendo la tratabilidad empírica, Root y Sadler (2026) demostraron que las interacciones estratégicas bilaterales en redes son formalmente equivalentes a representaciones de utilidad aditivamente separables, estructurando el isomorfismo sobre dos preceptos fundamentales: la independencia de oponentes y la independencia estratégica. Este avance legitima el uso empírico de modelos lineales al tiempo que habilita la modelación de efectos de pares no lineales.[11]
Para superar la intratabilidad analítica que surge al calcular equilibrios de Nash en redes empíricas de gran escala, Motoki Otsuka (2025) formalizó los fundamentos de los «juegos de grafones» (graphon games) como el límite idealizado de los juegos en redes cuando el número de jugadores tiende a infinito.[12] Otsuka demostró un teorema unificado de existencia de equilibrio de Nash para espacios de estrategias de dimensión infinita bajo supuestos estándar de continuidad y cuasiconcavidad de las funciones de utilidad, permitiendo respuestas óptimas multivaluadas y equilibrios múltiples. Asimismo, caracterizó rigurosamente este límite demostrando que toda sucesión convergente de equilibrios aproximados (-Nash) en redes finitas colapsa en un equilibrio de Nash del juego de grafón continuo, y recíprocamente, que cualquier equilibrio de un juego de grafón puede ser aproximado por equilibrios de redes discretas de tamaño creciente.
Fundamentos microeconómicos del intercambio
[editar]En los procesos de intercambio descentralizado puro, Cassese y Pin (2022) demostraron que los intercambios tipo Edgeworth convergen a un conjunto estable de asignaciones eficientes (Pareto), evidenciando que la posición estructural de un agente, y no solo su dotación inicial, determina la distribución de las ganancias.[13] Andrade et al. (2021) interpolaron la capacidad de reventa en las economías gráficas, demostrando que los intermediarios financieros permiten el comercio de largo alcance incluso en redes con dotaciones dispersas.[14] Li, Zenou y Zhou (2026) examinaron estructuras de redes multiplex, probando que un Equilibrio de Lindahl con precios personalizados asimila la centralidad de red para restaurar la eficiencia de Pareto cuando las capas estructurales son asimétricas.[15] Finalmente, Gualdi y Mandel (2016) endogeneizaron la morfología productiva, demostrando que la formación de redes libres de escala (scale-free) es un atractor inevitable de la competencia monopolística.[16]
Homofilia, aprendizaje social y difusión de la información
[editar]Una de las ramificaciones más fértiles de la microeconomía de redes es su convergencia con la economía del comportamiento y la epistemología interactiva. Matthew O. Jackson matematizó el concepto de homofilia (la tendencia a relacionarse con personas similares), demostrando que esta propiedad altera profundamente los resultados del mercado, como perpetuar desigualdades de ingresos mediante redes de referidos laborales cerradas.[17] En difusión, Jackson formalizó la «Paradoja de la Amistad» (el hecho de que los amigos de una persona tienen en promedio más amigos que ella), lo que altera las normas sociales haciendo que comportamientos minoritarios ruidosos parezcan dominantes.[18]
Esta línea se conecta con los teoremas de actualización bayesiana. Acemoglu, Ozdaglar y coautores formalizaron cómo los agentes actualizan creencias al observar a sus vecinos. Identificaron que la presencia de «agentes obstinados» o cámaras de eco por homofilia rompen la convergencia asintótica hacia la verdad, condenando a la sociedad a la polarización permanente y a la vulnerabilidad frente a la desinformación.[19]
Diseño de políticas, intervenciones y resiliencia
[editar]La caracterización matemática de las redes posibilitó la formulación de políticas de intervención social precisas. Andrea Galeotti, Benjamin Golub y Sanjeev Goyal (2020) desarrollaron un marco formal para diseñar intervenciones óptimas (como subsidios a tecnologías verdes o estrategias de vacunación). Demostraron que el planificador social central no necesita medir cada lazo de la red; en su lugar, la intervención óptima debe dirigirse a los individuos según el componente principal (principal component) de la matriz de adyacencia de la red, garantizando así la máxima amplificación de la política pública con un presupuesto limitado.[20] En términos de seguridad y resiliencia, Goyal y Vigier (2014) estructuraron formalmente el juego del "defensor" contra un atacante estratégico, probando que para salvaguardar una red frente al contagio (como un virus informático), la inversión en protección debe concentrarse abrumadoramente en los nodos de mayor centralidad de grado.[21]
Macroeconomía de redes
[editar]El avance analítico de este campo se fundamenta en demostrar que las estructuras reticulares invalidan los postulados de dos grandes teoremas que históricamente sostuvieron a la macroeconomía tradicional: la Ley de los Grandes Números y el Teorema de Hulten.
El fracaso de la Ley de los Grandes Números
[editar]Durante décadas, el consenso en la teoría del equilibrio general multisectorial —fundamentado en modelos canónicos como los de Long y Plosser (1983)— sostuvo que los choques idiosincrásicos a nivel de empresa o sector se cancelaban mutuamente a nivel macroeconómico. Bajo el supuesto de simetría, la Ley de los Grandes Números sugería que las fluctuaciones microeconómicas eran incapaces de generar ciclos económicos agregados.[22]
La expansión teórica de este paradigma se produjo al relajar los supuestos de simetría a través de dos dimensiones fundamentales:
- La asimetría de tamaño (Granularidad): El primer ataque analítico al paradigma clásico fue liderado por Xavier Gabaix (2011). Gabaix demostró que la Ley de los Grandes Números asume implícitamente que las empresas tienen tamaños comparables (varianza finita), lo que permitiría que sus choques se promediaran a cero. Sin embargo, probó que en el mundo real la distribución del tamaño de las empresas tiene «colas pesadas» (fat-tailed). Al formular la «hipótesis granular», estableció matemáticamente que en una economía compuesta por entidades de tamaños tan dispares, la cancelación estadística se rompe. Para respaldar su teorema, Gabaix aportó una prueba empírica contundente: los choques idiosincrásicos (aislados) de las 100 empresas más grandes de Estados Unidos explican, por sí solos, alrededor de un tercio de todas las fluctuaciones agregadas en el crecimiento del PIB. Este hallazgo proporcionó una nueva microfundamentación para los choques macroeconómicos, evidenciando que el ciclo económico de un país puede originarse a partir de perturbaciones en un puñado de firmas desproporcionadamente grandes.[23]
- La asimetría estructural (Topología): La introducción formal de la teoría de grafos para explicar los ciclos económicos fue liderada por Vasco M. Carvalho (2010) en su investigación doctoral. Carvalho transformó el análisis clásico de las matrices de insumo-producto al demostrar empíricamente que la economía estadounidense no es una cuadrícula uniforme, sino una red dominada por «hubs» (sectores de propósito general como la energía o las finanzas que actúan como proveedores masivos para el resto del sistema). Esta evidencia empírica sentó las bases para que Acemoglu, Carvalho, Ozdaglar y Tahbaz-Salehi (2012) publicaran la prueba matemática definitiva que refutó la Ley de los Grandes Números en macroeconomía. Acuñando los «orígenes reticulares» (network origins), demostraron que la tasa a la que decae la volatilidad agregada está dictada enteramente por la topología de la red. En topologías asimétricas con "hubs", las perturbaciones en sectores clave generan un "efecto cascada" a través de interconexiones de orden superior (clientes indirectos aguas abajo) que arrastra a toda la economía. Al demostrar además que la densidad o escasez (sparseness) de los vínculos es irrelevante y que la vulnerabilidad sistémica depende en exclusiva de la asimetría de la red, esta línea de investigación consagró a las "redes de producción" como una herramienta indispensable de la macroeconomía moderna.[24][25]
La incorporación de la dinámica temporal revela además que, bajo un régimen de «ajustes superpuestos», las respuestas a los choques interfieren al viajar por la red. La volatilidad agregada deja de depender solo de la topología estática y pasa a depender de la tasa de disipación de la red, limitando el impacto empírico predicho por los enfoques puramente granulares (Mandel y Veetil, 2026).[26]
La refutación del Teorema de Hulten
[editar]El segundo pilar clásico refutado es el Teorema de Hulten (1978). Históricamente, este teorema postulaba que, bajo competencia perfecta y rendimientos constantes a escala, el impacto macroeconómico de un choque de productividad idiosincrásico equivalía exactamente a la participación de los ingresos de ese sector en el producto total (su peso de Domar). Esto implicaba tácitamente que la estructura de las cadenas de suministro carecía de importancia agregada.
Sin embargo, en su influyente trabajo "The macroeconomic impact of microeconomic shocks: Beyond Hulten's theorem" (2019), David Baqaee y Emmanuel Farhi demostraron que esta irrelevancia topológica es una ilusión matemática que solo se sostiene en modelos lineales de primer orden. Al introducir redes productivas no lineales y considerar cómo las empresas sustituyen insumos frente a escasez, probaron que los efectos de segundo orden dominan durante las crisis grandes. La topología de la red puede amplificar estructuralmente un choque local, convirtiendo, por ejemplo, una interrupción en el sector energético o logístico en recesiones agregadas asimétricas y severas.[27]
Adicionalmente, se ha comprobado que el Teorema de Hulten tiende a fallar sistemáticamente cuando se incorporan imperfecciones y fricciones realistas a la red:
- Efectos Cuello de Botella: Bombarde y Krause (2023) demostraron que industrias rezagadas en la cadena de insumo-producto frenan asimétricamente el crecimiento de todo el aparato económico.
- Fallas Contractuales y Financieras: Como et al. (2026) establecieron que ante rigideces de precios y riesgo de impago (default), los choques microeconómicos destructivos distorsionan los precios relativos en cascada a través de toda la red productiva, provocando caídas de bienestar muy superiores a las estimadas bajo competencia perfecta.
Modelos Neokeynesianos de Redes
[editar]Una extensión crucial en la macroeconomía de redes ha sido la integración de fricciones nominales en las estructuras de insumo-producto. En el contexto de la crisis por la pandemia de COVID-19, Baqaee y Farhi (2020) resolvieron un problema analítico central: explicar cómo un choque sectorial localizado se propaga a través de la red productiva. Su aporte demostró que las perturbaciones viajan en dos direcciones: originan caídas de oferta «aguas abajo» (downstream) para quienes dependen de los bienes afectados, y caídas de demanda «aguas arriba» (upstream) para los proveedores. Este mecanismo evidenció cómo las interrupciones logísticas pueden transformarse y amplificarse hasta convertirse en escasez de demanda agregada (fallas keynesianas).[28]
Dinámicas de suministro y fallas en cascada
[editar]Avanzando hacia el margen extensivo de desaparición de nodos, Acemoglu y Tahbaz-Salehi (2020) expandieron la teoría para incorporar el fracaso y cierre endógeno de empresas. Demostraron que cuando las empresas no pueden sustituir fácilmente a proveedores quebrados debido a especificidad técnica, se generan cuellos de botella críticos. Esto provoca fallas en cascada y discontinuidades matemáticas (caídas abruptas) en la producción agregada, resultando vital para entender las disrupciones globales de suministro observadas post-pandemia.[29]
Macroeconomía internacional de redes
[editar]El marco de redes cerradas se extendió al comercio internacional por Baqaee y Farhi (2019, 2024), integrando explícitamente las cadenas de valor globales en el equilibrio general. Demostraron que medir el comercio bilateral en términos brutos es insuficiente. La topología completa de la red productiva global dicta el costo real de los aranceles, probando que el impacto de una guerra comercial se amplifica no linealmente, ya que las fricciones arancelarias se acumulan repetidamente cuando los bienes intermedios cruzan múltiples fronteras.[30]
Redes financieras y riesgo sistémico
[editar]La crisis global de 2008 impulsó el desarrollo del subcampo de las redes financieras, el cual dejó de evaluar a las instituciones aisladamente para analizarlas como un tejido interconectado de pasivos cruzados. Acemoglu, Ozdaglar y Tahbaz-Salehi (2015) demostraron que las redes financieras exhiben una propiedad de «robusteza frente a fragilidad» (robust-yet-fragile). Un sistema muy interconectado absorbe eficientemente choques pequeños, pero al superarse un umbral crítico de pérdida, la interconectividad se transforma en un canal de contagio, desencadenando una cascada de quiebras y congelamientos de crédito.[31]
Este enfoque se complementa con las «espirales de liquidez» de Markus Brunnermeier (2009) y los «choques de incertidumbre» de Nicholas Bloom (2009), demostrando cómo el pánico fuerza ventas generalizadas que hunden el valor de los activos de toda la red, al tiempo que las empresas reales paralizan su inversión (wait-and-see). En conjunto, esta literatura fundamentó la creación de la regulación macroprudencial moderna, que vigila la topología del sistema y no solo la solvencia individual.
Economía política de redes
[editar]Redes de capacidad estatal y poder político
[editar]Acemoglu, García-Jimeno y Robinson (2015) rompieron con el paradigma del Estado monolítico al modelarlo como una red espacial de capacidades administrativas y coercitivas locales. Demostraron que la presencia del Estado, el recaudo y la provisión de bienes públicos exhiben fuertes externalidades de red. La consolidación de la capacidad burocrática en un nodo es complementaria a la de los nodos vecinos. Este modelo explica la persistencia de los «agujeros negros» de poder estatal: expandir la capacidad del Estado en un municipio aislado tiende a fracasar si está rodeado de debilidad administrativa, evidenciando que la construcción del Estado requiere intervenir la topología de la red subnacional completa.[32]
Econometría de redes
[editar]En el avance de la teoría asintótica para datos interconectados, Jiang et al. (2025) establecieron un marco para la obtención de teoremas límite (Ley de los Grandes Números y Teorema del Límite Central) que prescinde del requisito tradicional de un espacio métrico subyacente (como la distancia euclidiana), superando así las limitaciones de las condiciones de mezcla fuerte (strong mixing) típicas de la econometría espacial clásica. Su metodología generaliza el concepto de dependencia funcional a estructuras reticulares arbitrarias, permitiendo la validación rigurosa de modelos autorregresivos espaciales (SAR) donde la topología, y no la proximidad geográfica, determina la dependencia.[33]
En la evaluación estadística, Hounyo, Lin y Song (2026) desarrollaron el Teorema de Proyección Uniforme para reducir procesos diádicos (interacciones directas entre pares) a proyecciones de nodos latentes, evitando la doble contabilización de varianza en los métodos de remuestreo y permitiendo pruebas de especificación asintóticamente válidas.[34]
Para datos en redes bipartitas dispersas —como decisiones de compra entre muchos consumidores y productos donde cada agente interactúa con una fracción mínima del total—, Bryan S. Graham (2020) caracterizó las propiedades asintóticas de la regresión logística con dependencia diádica.[35] A diferencia del marco para redes densas, donde varios términos de covarianza se vuelven asintóticamente despreciables, el régimen disperso hace que el primer y el último término en la descomposición de varianza del gradiente (*score*) compartan el mismo orden de magnitud. Mediante un teorema central del límite de martingalas sobre arreglos triangulares, Graham demostró la normalidad asintótica de los coeficientes del logit incluso si el grafón subyacente degenera, conectando la econometría de redes con el análisis de eventos raros y permitiendo estimar matrices de covarianza robustas ante correlaciones diádicas.
En la identificación de efectos de pares en modelos de elección discreta con información incompleta, Oscar Volpe (2026) generalizó el marco clásico de Brock y Durlauf (2001) para permitir interacciones sociales no uniformes y de signo mixto, donde los individuos pueden exhibir complementariedad estratégica (conformismo) hacia ciertos miembros de la red y sustitución estratégica (diferenciación) frente a otros.[36] Para resolver la identificación frente a efectos contextuales no observados (como la calidad del docente en un aula), Volpe diseñó una estrategia de identificación parcial que explota la variación intra-red entre agentes expuestos al mismo entorno común. Asimismo, abordó el problema de endogeneidad derivado del error de medición cuando las expectativas latentes de los agentes se aproximan mediante las elecciones promedio observadas en redes finitas; demostró que este error induce sesgos severos que no desaparecen al aumentar el número de redes y propuso un estimador consistente basado en «instrumentos internos» (obtenidos mediante la partición aleatoria de cada red en dos subgrupos), superando la necesidad tradicional de requerir que el tamaño de las redes tienda a infinito.
Sobre la inferencia causal sobre topologías interconectadas, Yihui He y Eric J. Tchetgen Tchetgen (2026) desarrollaron un marco analítico para ensayos aleatorizados en dos etapas que prescinde formalmente del supuesto de mapeo de exposición (exposure mapping) y admite la interferencia cruzada entre clústeres (cross-cluster interference). Históricamente, la identificación de efectos causales con externalidades o spillovers requería especificar la función paramétrica exacta a través de la cual el tratamiento de los vecinos afectaba a un individuo, un supuesto altamente vulnerable a errores de mala especificación. Los autores superaron esta limitación al caracterizar la clase completa de estimadores lineales ponderados insesgados mediante el uso de derivadas marginales de Radón-Nikodym, logrando una identificación robusta basada exclusivamente en las asignaciones de los vecindarios de interferencia. Desde el punto de vista de la teoría asintótica, el estudio aportó nuevas técnicas basadas en el método de Stein para derivar Teoremas del Límite Central bajo esquemas de aleatorización completa con dependencia densa. Notablemente, demostraron que existe una subclase de estimadores «agnósticos al clúster» cuya varianza elude la dependencia del número de agrupaciones (), logrando acelerar la convergencia estadística hacia la cota paramétrica de , donde es el tamaño total de la muestra, expandiendo drásticamente la tratabilidad empírica de los experimentos en plataformas de dos lados y redes sociales.[37]
En el ámbito de la evaluación de políticas y la inferencia causal sobre redes, Kasy, Linos y Mobasseri (2026) introdujeron un enfoque basado en el diseño con variaciones exógenas en los vínculos iniciales, demostrando que la existencia de lazos indirectos tiene un efecto causal fuerte en la formación de nuevas conexiones endógenas.[38] De forma complementaria, para la estimación de políticas públicas contrafactuales, Loomba y Eckles (2026) desarrollaron la inferencia causal off-policy bajo interferencia estructurada. Demostraron que el efecto de una política de red puede predecirse rigurosamente desarrollando un Teorema del Límite Central fundamentado en martingalas de Doob. Esta innovación metodológica permite derivar varianzas identificables e intervalos de confianza conservadores para evaluar los efectos "contagio" de una nueva política sin requerir aislar a los agentes en grupos estadísticamente independientes.[39]
Autores destacados
[editar]Véase también
[editar]
Portal:Economía. Contenido relacionado con Economía.
Referencias y notas
[editar]- ↑ Jackson, Matthew O. (21 de noviembre de 2010). Social and Economic Networks (Princeton University Press; Illustrated edición edición).
- ↑ Newman, Mark (19 de septiembre de 2018). Networks (2nd edición edición). Oxford University Press.
- ↑ Goyal, Sanjeev (18 de abril de 2023). Networks: An Economics Approach (1st edición). The MIT Press. p. 824. ISBN 9780262048033.
- ↑ Sargent, Thomas J.; Stachurski, John (April 2024). Economic Networks: Theory and Computation (1st edición). Cambridge University Press. p. 266. ISBN 9781009456364.
- ↑ Jackson, Matthew O.; Wolinsky, Asher (1 de octubre de 1996). «A strategic model of social and economic networks». Journal of Economic Theory 71 (1): 44-74. doi:10.1006/jeth.1996.0108.
- ↑ Bala, Venkatesh; Goyal, Sanjeev (2000). «A Noncooperative Model of Network Formation». Econometrica 68 (5): 1181-1229. doi:10.1111/1468-0262.00155.
- ↑ Riedl, Christoph; Smead, Rory (17 de octubre de 2026). «Strategic Origins of Network Structure». arXiv: Physics and Society.
- ↑ Goyal, Sanjeev; Vega-Redondo, Fernando (2008). «Structural holes in social networks». Journal of Economic Theory 137 (1): 460-492. doi:10.1016/j.jet.2007.01.006.
- ↑ Ballester, Coralio; Calvó‐Armengol, Antoni; Zenou, Yves (2006). «Who's who in networks. Wanted: The key player». Econometrica 74 (5): 1403-1417.
- ↑ Galeotti, Andrea; Goyal, Sanjeev; Jackson, Matthew O.; Vega-Redondo, Fernando; Yariv, Leeat (2010). «Network Games». The Review of Economic Studies 77 (1): 218-244. doi:10.1111/j.1467-937X.2009.00570.x.
- ↑ Root, Joseph; Sadler, Evan (17 de febrero de 2026). «A Theory of Network Games Part 1: Utility Representations». arXiv: Theoretical Economics.
- ↑ Otsuka, Motoki (2 de abril de 2025). «Graphon games and an idealized limit of large network games». arXiv: Theoretical Economics.
- ↑ Cassese, Daniele; Pin, Paolo (23 de marzo de 2018). «Decentralized Pure Exchange Processes on Networks». arXiv: Econometrics, Computer Science and Game Theory.
- ↑ Andrade, Gabriel P.; Frongillo, Rafael; Gorokhovsky, Elliot; Srinivasan, Sharadha (28 de junio de 2021). «Graphical Economies with Resale». arXiv: Theoretical Economics, Computer Science and Game Theory.
- ↑ Li, Chengqing; Zenou, Yves; Zhou, Junjie (20 de mayo de 2026). «When Do Markets Work? Multiplex Networks and Efficiency». arXiv: Theoretical Economics.
- ↑ Gualdi, Stanislao; Mandel, Antoine (3 de septiembre de 2015). «On the emergence of scale-free production networks». arXiv: General Finance, Physics and Society.
- ↑ Currarini, Sergio; Jackson, Matthew O.; Pin, Paolo (2009). «An Economic Model of Friendship: Homophily, Minorities, and Segregation». Econometrica 77 (4): 1003-1045.
- ↑ Jackson, Matthew O. (2019). «The Friendship Paradox and Systematic Biases in Perceptions and Social Norms». Journal of Political Economy 127 (2): 777-818.
- ↑ Acemoglu, Daron; Ozdaglar, Asuman; Siderius, James (2021). «Misinformation: Strategic Sharing, Homophily, and Endogenous Echo Chambers». National Bureau of Economic Research. doi:10.3386/w29082.
- ↑ Galeotti, Andrea; Golub, Benjamin; Goyal, Sanjeev (2020). «Targeting Interventions in Networks». Econometrica 88 (6): 2445-2471. doi:10.3982/ECTA16545.
- ↑ Goyal, Sanjeev; Vigier, Antoine (2014). «Attack, Defence, and Contagion in Networks». The Review of Economic Studies 81 (4): 1518-1542. doi:10.1093/restud/rdu013.
- ↑ Long, Jr., John B.; Plosser, Charles I. (1983). «Real Business Cycles». Journal of political Economy 91 (1): 39-69.
- ↑ Gabaix, Xavier (2011). «The granular origins of aggregate fluctuations». Econometrica 79 (3): 733-772. doi:10.3982/ECTA8769.
- ↑ Carvalho, Vasco M. (2010). «Aggregate fluctuations and the network structure of intersectoral trade». PhD Dissertation, University of Chicago.
- ↑ Acemoglu, Daron; Carvalho, Vasco M; Ozdaglar, Asuman; Tahbaz‐Salehi, Alireza (2012). «The network origins of aggregate fluctuations». Econometrica 80 (5): 1977-2016. doi:10.3982/ECTA9623.
- ↑ Mandel, Antoine; Veetil, Vipin P. (5 de marzo de 2026). «Shock Propagation and Macroeconomic Fluctuations». arXiv: Theoretical Economics, Social and Information Networks: 54.
- ↑ Baqaee, David Rezza; Farhi, Emmanuel (2019). «The Macroeconomic Impact of Microeconomic Shocks: Beyond Hulten's Theorem». Econometrica 87 (4): 1155-1203. doi:10.3982/ECTA15649.
- ↑ Baqaee, David; Farhi, Emmanuel (2022). «Supply and Demand in Disaggregated Keynesian Economies with an Application to the Covid-19 Crisis». American Economic Review 112 (5): 1397-1436.
- ↑ Acemoglu, Daron; Tahbaz-Salehi, Alireza (2020). «Firms, Failures, and Fluctuations: The Macroeconomics of Supply Chain Disruptions». National Bureau of Economic Research. doi:10.3386/w27565.
- ↑ Baqaee, David Rezza; Farhi, Emmanuel (2024). «Networks, Barriers, and Trade». Econometrica 92 (2): 505-541.
- ↑ Acemoglu, Daron; Ozdaglar, Asuman; Tahbaz-Salehi, Alireza (2015). «Systemic Risk and Stability in Financial Networks». American Economic Review 105 (2): 564-608.
- ↑ Acemoglu, Daron; García-Jimeno, Camilo; Robinson, James A. (2015). «State Capacity and Economic Development: A Network Approach». American Economic Review 105 (8): 2364-2409.
- ↑ Jiang, Wen; Wang, Yachen; Wu, Zeqi; Xu, Xingbai (22 de noviembre de 2025). «Limit Theorems for Network Data without Metric Structure». arXiv: Econometrics, Statistics Theory.
- ↑ Hounyo, Ulrich; Lin, Jiahao; Song, Xiaojun (28 de julio de 2026). «Specification Testing for Dyadic Regression Models». arXiv: Econometrics.
- ↑ Graham, Bryan S. (9 de octubre de 2020). «Sparse network asymptotics for logistic regression». arXiv: Econometrics.
- ↑ Volpe, Oscar (19 de octubre de 2026). «Discrete Choice with Generalized Social Interactions». arXiv: Econometrics.
- ↑ He, Yihui; Tchetgen Tchetgen, Eric J. (3 de agosto de 2026). «A General Exposure-Mapping-Agnostic Framework for Causal Inference under Interference». arXiv: Econometrics.
- ↑ Kasy, Maximilian; Linos, Elizabeth; Mobasseri, Sanaz (20 Apr 2026). «Causal inference for social network formation». arXiv: Econometrics, Social and Information Networks.
- ↑ Loomba, Sahil; Eckles, Dean (2 de septiembre de 2026). «Off-policy causal estimation in networks». arXiv: Econometrics.
Enlaces externos
[editar]
Wikiversidad alberga proyectos de aprendizaje sobre Redes económicas.