Research Paper#Political Science, Machine Learning, Ideal Point Estimation🔬 Research分析: 2026年1月3日 08:51
使用L0正则化的鲁棒理想点估计
分析
本文解决了政治学中的一个关键问题:抗议投票导致的理想点估计失真。它提出了一种使用L0正则化的新方法来减轻这种偏差,提供了一种比现有方法更快、更准确的替代方案,尤其是在存在策略性投票的情况下。应用于美国众议院的案例展示了该方法的实际影响,通过正确识别参与抗议投票的立法者的意识形态立场,这是一个重要的贡献。
引用
“我们提出的方法即使在抗议投票比例很高的情况下也能保持估计精度,同时比基于MCMC的方法快得多。”