.png){kind=icon}
返回
Explaining Differences in Voting Patterns across Voting Domains Using Hierarchical Bayesian Models
.png){kind=icon}
OA
AI
DOI：10.1017/pan.2025.10014.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
空间投票模型被广泛应用于政治学中，以分析立法者的偏好和投票行为。传统模型假设立法者的理想点在不同类型的投票中是静态的。本文将贝叶斯空间投票模型扩展为包含分层贝叶斯方法；允许识别解释立法者理想点在不同投票领域间差异的协变量。我们将该模型应用于美国众议院第93届至第113届议会的程序性投票和最终通过投票。我们的发现表明，少数党立法者以及代表温和选区的立法者更有可能在程序性投票和最终通过投票之间表现出不同的理想点。这项研究通过同时标定理想点并解释这些点的变异，推进了理想点估计的方法论；为立法投票行为提供了更细致的理解。
Keyword:
roll call votes
hierarchical model
U.S. House of Representatives
spatial voting models
Bayesian analysis
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.4
论文数:
80
被引数:
6.7K
机构
引用论文
Strategic institutional choice: Voters, states, and congressional term limits战略性制度选择：选民、国家与国会任期限制
PREAI
分享收藏分享收藏Ideological Moderates Won't Run: How Party Fit Matters for Partisan Polarization in Congress.png)
JOURNAL OF POLITICS
JOURNAL OF POLITICSIF3.8
PREAI
分享收藏
分享收藏
查看更多内容