ℓ 1 -based Bayesian Ideal Point Model for Multidimensional Politics
用于多维政治定位的 ℓ1 贝叶斯理想点模型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：摘要利用唱名表决数据估计政治理想点，直接涉及投票选择的潜在偏好建模。
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
用于多维政治定位的 ℓ1 贝叶斯理想点模型
- 研究问题
- 如何识别多维政治理想点，处理现有方法中的旋转不变性问题，并描述同时存在党派分歧与跨党派地域分歧的政治位置？
- 方法与思路
- 作者以 ℓ1 距离构建贝叶斯多维理想点模型，改变旋转不变性的处理方式，并用多种党派模拟及历史唱名表决数据展示估计。
- 材料陈述的贡献
- 摘要称，该模型使后验估计集中于较小区域，在无党派、两党和多党模拟中恢复预设理想点，并应用于十九世纪末美国众议院。
- 阅读关注点
- 核对摘要中“signed perpendicular problem”的准确定义、剩余不变性及识别处理，并检查表决模型设定和后验集中含义。
- 阅读边界
- 所给为 OpenAlex 索引摘要，稿件版本未注明。摘要未清楚解释相关几何术语或完整识别约束，不能据此重构数学结论。
原文摘要
Ideal point estimation methods in the social sciences lack a principled approach for identifying multidimensional ideal points. We present a novel method for estimating multidimensional ideal points based on ℓ1 distance. In the Bayesian framework, the use of ℓ1 distance transforms the invariance problem of infinite rotational turns into the signed perpendicular problem, yielding posterior estimates that contract around a small area. Our simulation shows that the proposed method successfully recovers planted multidimensional ideal points in a variety of settings including non-partisan, two-party, and multi-party systems. The proposed method is applied to the analysis of roll call data from the United States House of Representatives during the late Gilded Age (1891-1899) when legislative coalitions were distinguished not only by partisan divisions but also by sectional divisions that ran across party lines.