Estimating Candidate Valence
候选人综合素质的估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要通过识别与估计潜在候选人素质，并开展消除素质差异的反事实分析。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
候选人综合素质的估计
- 研究问题
- 如何从美国众议院选举得票份额中识别候选人的综合素质，并区分其与竞选支出内生性及候选人进入选择的影响？
- 方法与思路
- 作者借鉴生产函数估计的识别思路，处理竞选支出内生性与候选人内生进入造成的样本选择，并开展素质差异反事实分析。
- 材料陈述的贡献
- 摘要称，在任者的素质优势平均对应约3.5个百分点得票差；消除素质差异后，挑战者获胜概率由6.5%升至12.1%。
- 阅读关注点
- 应核对候选人素质的定义与尺度、借鉴生产函数方法所需的识别限制，以及反事实如何处理支出和进入行为。
- 阅读边界
- 仅据所给Crossref版本摘要，上述数字属于作者的估计与反事实结果；识别假设、样本范围及后续版本变化未说明。
原文摘要
We estimate valence measures of candidates running in U.S. House elections from data on vote shares. Our identification and estimation strategy builds on ideas developed for estimating production functions, allowing us to control for possible endogeneity of campaign spending and sample selection of candidates due to endogenous entry. We find that incumbents have substantially higher valence measures than challengers running against them, resulting in about 3.5 percentage‐point differences in the vote share, on average. Eliminating differences in the valence of challengers and incumbents results in an increase in the winning probability of a challenger from 6.5% to 12.1%. Our measure of candidate valence can be used to study various substantive questions of political economy. We illustrate its usefulness by studying the source of incumbency advantage in U.S. House elections.