我们通过分析共同犯罪网络来研究犯罪中的同伴效应。我们首先提供了一个可信的估计，这些网络中的同伴效应等于0.17。这一估计意味着，与一名共犯有关联的个人的社会乘数为1.2，与三名共犯有关联的个人的社会乘数为2。然后，我们在现实世界环境中提供了关键参与者政策的首批实证测试之一。该策略定义了从每个网络中删除罪犯的微观策略，以最大限度地减少犯罪总量。利用纵向数据，我们能够将关键参与者政策的理论预测与现实世界的结果进行比较。通过关注关键参与者随着时间的推移而消失的网络，我们表明理论预测的犯罪减少接近于在现实世界中观察到的情况。我们还表明，关键参与者策略优于其他合理的警察策略，如针对最活跃的罪犯或针对网络中具有最高中介性或特征向量中心性的罪犯。这表明，基于行为的政策在减少犯罪方面比那些基于没有微观基础的算法的政策更有效。