Simple Science

Hochmoderne Wissenschaft einfach erklärt

# Statistik# Anwendungen# Soziale und Informationsnetzwerke

Analyse legislativer Zusammenarbeit durch bipartite Netzwerke

Ein neues Modell wirft Licht auf die Verbindungen in der gesetzlichen Mitunterstützung.

― 7 min Lesedauer


Bipartite Netzwerke imBipartite Netzwerke imKongressZusammenarbeit.Ein Modell zur Analyse der legislativen
Inhaltsverzeichnis

Bipartite Netzwerke sind eine spezielle Art von Netzwerk, in dem Verbindungen zwischen zwei verschiedenen Gruppen von Knoten bestehen, aber nicht innerhalb der gleichen Gruppe. Ein gängiges Beispiel für ein bipartites Netzwerk findet sich in legislativen Systemen, wo wir die Beziehungen zwischen Gesetzgebern und den Gesetzentwürfen, die sie unterstützen, betrachten können. In diesem Setting besteht die eine Gruppe aus Gesetzgebern und die andere aus Gesetzentwürfen. Eine Verbindung entsteht, wenn ein Gesetzgeber einen Gesetzentwurf mitunterzeichnet.

Das Verständnis dieser Netzwerke ist entscheidend, um zu analysieren, wie Entscheidungen in der Politik getroffen werden und wie Unterstützung für spezifische Gesetzgebung entsteht. Traditionelle Methoden wandeln oft diese bipartiten Netzwerke in unipartite Netzwerke um, was dazu führen kann, dass wichtige Details verloren gehen.

Die Probleme mit unipartiten Projektionen

Wenn Forscher bipartite Netzwerke in unipartite Netzwerke umwandeln, riskieren sie, nützliche Informationen über die Beziehungen, die innerhalb der ursprünglichen Struktur bestehen, zu verlieren. Ein häufiges Problem ist die Aggregationsverzerrung, bei der die Details individueller Verbindungen ignoriert werden, was zu irreführenden Ergebnissen führen kann. Zum Beispiel ist es beim Analysieren von Mitunterzeichnungsdaten wichtig zu erkennen, wie verschiedene Gruppen von Gesetzgebern verschiedene Arten von Gesetzentwürfen unterstützen.

In aktuellen Studien politischer Netzwerke verwendeten fast 40 % der analysierten Artikel bipartite Daten, projizierten sie jedoch auf unipartite Netzwerke. Diese verbreitete Praxis wirft Bedenken hinsichtlich der Gültigkeit von Schlussfolgerungen auf, die aus solchen Analysen gezogen werden. Wenn Forscher bipartite Netzwerke nicht richtig modellieren, könnten sie wichtige Faktoren übersehen, die das gesetzgeberische Verhalten beeinflussen.

Das vorgeschlagene statistische Modell

Um die Mängel bestehender Modelle zu beheben, stellen wir einen neuen statistischen Rahmen vor, der speziell für bipartite Netzwerke entwickelt wurde. Dieses Modell ermöglicht es Forschern, die Beziehungen zwischen verschiedenen Arten von Knoten zu analysieren, ohne wichtige Daten zu verlieren. Der Schlüssel besteht darin, die bipartite Struktur beizubehalten und gleichzeitig Flexibilität bei der Bildung von Mitunterzeichnerschaften zuzulassen.

Unser Modell unterteilt Knoten in unterschiedliche Gruppen, was hilft, gemeinsame Muster unter Gesetzgebern zu identifizieren, wenn sie verschiedene Arten von Gesetzentwürfen unterstützen. Ausserdem beinhaltet es verschiedene Faktoren, wie die Eigenschaften sowohl der Gesetzgeber als auch der Gesetzentwürfe, die helfen können, die Dynamik der Mitunterzeichnung zu erklären. Durch die Beibehaltung des bipartiten Rahmens stellt das Modell sicher, dass wichtige Nuancen erfasst werden, was zu genaueren Ergebnissen führt.

Methodologie und Implementierung

Das neue Modell hat mehrere Schritte, die das Finden von Verbindungen zwischen den beiden Knoten-Sets beinhalten. Der Datenbeschaffungsprozess umfasst das Sammeln von Informationen über die Gesetzgeber und die Gesetzentwürfe, die sie unterstützen. Nachdem ein Netzwerk auf Grundlage der Mitunterzeichnung erstellt wurde, ermöglicht das neue Modell den Forschern, Gruppen innerhalb der Kategorien Gesetzgeber und Gesetzentwürfe zu identifizieren.

Forschung zeigt, dass Gesetzgeber oft Gesetzentwürfe basierend auf Parteizugehörigkeit, Dienstalter und vergangenen Interaktionen mitunterzeichnen. Daher umfasst unser Modell Faktoren wie Parteizugehörigkeit und den Zeitpunkt der Gesetzgebung, was es ihm ermöglicht, ein klareres Bild davon zu geben, wie Gesetzgeber im Netzwerk agieren.

Fallstudie: Der 107. Kongress

Um die praktische Anwendung unseres Modells zu veranschaulichen, betrachten wir das Netzwerk der legislativen Mitunterzeichnung während des 107. US-Kongresses. Diese Kongresssession eignet sich perfekt als Fallstudie aufgrund ihrer einzigartigen Umstände, die einen signifikanten Wechsel in der Parteikontrolle und zahlreiche kritische Ereignisse umfassten, die die Gesetzgebung beeinflussten.

Während dieser Zeit erlebte der Senat Parteiverschiebungen und externen Druck durch wichtige Ereignisse, was ein komplexes Umfeld für die legislative Zusammenarbeit schuf. Die Analyse dieser Faktoren mit unserem bipartiten Modell offenbart ein tieferes Verständnis der Kooperationsdynamik, die am Werk ist.

Die Natur der Mitunterzeichnung im 107. Kongress

Im 107. Kongress wurden zahlreiche Gesetzentwürfe eingeführt, und die Mitunterzeichnungsbeziehungen unter den Senatoren boten Einblicke in ihre legislativen Interessen. Mitunterzeichnung spiegelt die Bereitschaft wider, bestimmte Gesetzgebung zu unterstützen und zeigt breitere Unterstützung für legislative Ideen an. Unser Modell hilft zu zeigen, wie Senatoren mit unterschiedlichen Dienstgraden und Parteizugehörigkeiten zusammenkamen, um bestimmte Gesetzentwürfe zu unterstützen.

Die bipartite Natur der Mitunterzeichnungsdaten zeigt, dass bestimmte Gesetzgeber über Parteigrenzen hinweg zusammenarbeiteten, und dieses Verhalten variierte je nach Art der Gesetzgebung. Indem wir die bipartite Struktur in unserer Analyse aufrechterhalten, deckt das Modell das Nebeneinander von parteipolitischen Bindungen und kollaborativen Bemühungen über die Parteigrenzen hinweg auf.

Ergebnisse aus der Analyse des 107. Kongresses

Die Analyse des 107. Kongresses durch unser Modell offenbart mehrere wichtige Muster im legislativen Verhalten. Erstens traten junge Senatoren als entscheidende Akteure beim Aufbau von parteiübergreifender Unterstützung auf. Diese Personen arbeiteten häufig über Parteigrenzen hinweg zusammen, um Gesetzgebung mitzuunterzeichnen, was ihre Bedeutung bei der Schaffung von Einheit während einer stark polarisierten Ära anzeigt.

Ausserdem identifiziert das Modell wichtige Trends in den Arten von Gesetzentwürfen, die Unterstützung erhielten. Gesetzentwürfe, die als 'uncontrovers' angesehen wurden, erhielten breite Rückendeckung von beiden Parteien, während umstrittenere Themen grössere Herausforderungen bei der Sicherung parteiübergreifender Unterstützung erlebten.

Durch die Untersuchung der Dynamik der Mitunterzeichnung über die Zeit sehen wir, wie wichtige Ereignisse, wie Wechsel in der Parteikontrolle und nationale Krisen, die Bereitschaft der Gesetzgeber zur Zusammenarbeit beeinflussten.

Verständnis der Rolle von Ausschüssen und Gegenseitigkeit

Ein wesentlicher Aspekt des Mitunterzeichnungsverhaltens ist die Rolle der Ausschüsse. Senatoren arbeiten oft innerhalb von Ausschüssen, die mit spezifischen Gesetzentwürfen verbunden sind, und ihre gemeinsamen Erfahrungen in diesen Ausschüssen können ihre Zusammenarbeit bei Gesetzen beeinflussen. Unser Modell erfasst diesen Effekt, indem es Informationen über Ausschussmitgliedschaften einbezieht, was hilft zu erklären, warum bestimmte Senatoren eher geneigt sind, spezifische Gesetzentwürfe zu unterstützen.

Ausserdem spielt Gegenseitigkeit eine entscheidende Rolle bei der legislativen Zusammenarbeit. Senatoren, die zuvor Gesetzentwürfe von einander mitunterzeichnet haben, tun dies in zukünftigen Sitzungen eher wieder. Durch die Berücksichtigung von Gegenseitigkeit in unserem Modell können wir besser verstehen, wie vergangene Kooperationen zukünftiges legislatives Verhalten prägen.

Implikationen für zukünftige Forschung

Die Entwicklung dieses neuen Modells zur Analyse bipartiter Netzwerke eröffnet zahlreiche Forschungsmöglichkeiten in der Politikwissenschaft und darüber hinaus. Da bipartite Netzwerke in vielen Bereichen, einschliesslich sozialer Netzwerke, Wirtschaft und öffentlicher Politik, verbreitet sind, kann unser Ansatz auf verschiedene Kontexte angewendet werden.

Für zukünftige Forschung könnte ein zusätzlicher Fokus darauf gelegt werden, wie Veränderungen in politischen Prioritäten und externen Ereignissen die legislative Zusammenarbeit im Laufe der Zeit beeinflussen. Erkenntnisse aus unserem Modell könnten Strategien zur Förderung der Bipartisanschaft in der heutigen gespaltenen politischen Landschaft informierten.

Fazit

Zusammenfassend bietet die Einführung eines neuen statistischen Rahmens zur Analyse bipartiter Netzwerke wertvolle Einblicke darin, wie Verbindungen zwischen unterschiedlichen Gruppen entstehen. Durch die Beibehaltung der Integrität der bipartiten Struktur ermöglicht es eine nuanciertere Erforschung des legislativen Verhaltens, insbesondere in politisch komplexen Umfeldern wie dem 107. Kongress.

Während wir unser Verständnis der bipartiten Netzwerke weiter verfeinern, werden Implikationen für breitere sozialwissenschaftliche Forschung und reale legislative Praktiken sichtbar. Die Ergebnisse heben die Bedeutung junger Gesetzgeber und der Arten von Gesetzentwürfen hervor, die eine Zusammenarbeit über Parteigrenzen hinweg erleichtern können und bieten eine Grundlage für weitere Studien, die darauf abzielen, Gräben in der zeitgenössischen Politik zu überbrücken.

Dieses Modell verbessert nicht nur die Analyse legislativer Netzwerke, sondern stattet Forscher auch mit den notwendigen Werkzeugen aus, um sinnvolle Einblicke aus komplexen relationalen Daten zu gewinnen. Durch das Verständnis der Komplexitäten bipartiter Beziehungen können wir ein tieferes Verständnis der sozialen Strukturen erlangen, die das politische Entscheidungs- und Kooperationsverhalten untermauern.

Originalquelle

Titel: A Statistical Model of Bipartite Networks: Application to Cosponsorship in the United States Senate

Zusammenfassung: Many networks in political and social research are bipartite, with edges connecting exclusively across two distinct types of nodes. A common example includes cosponsorship networks, in which legislators are connected indirectly through the bills they support. Yet most existing network models are designed for unipartite networks, where edges can arise between any pair of nodes. However, using a unipartite network model to analyze bipartite networks, as often done in practice, can result in aggregation bias and artificially high-clustering -- a particularly insidious problem when studying the role groups play in network formation. To address these methodological problems, we develop a statistical model of bipartite networks theorized to be generated through group interactions by extending the popular mixed-membership stochastic blockmodel. Our model allows researchers to identify the groups of nodes, within each node type in the bipartite structure, that share common patterns of edge formation. The model also incorporates both node and dyad-level covariates as the predictors of group membership and of observed dyadic relations. We develop an efficient computational algorithm for fitting the model, and apply it to cosponsorship data from the United States Senate. We show that legislators in a Senate that was perfectly split along party lines were able to remain productive and pass major legislation by forming non-partisan, power-brokering coalitions that found common ground through their collaboration on low-stakes bills. We also find evidence for norms of reciprocity, and uncover the substantial role played by policy expertise in the formation of cosponsorships between senators and legislation. We make an open-source software package available that makes it possible for other researchers to uncover similar insights from bipartite networks.

Autoren: Adeline Lo, Santiago Olivella, Kosuke Imai

Letzte Aktualisierung: 2024-12-10 00:00:00

Sprache: English

Quell-URL: https://arxiv.org/abs/2305.05833

Quell-PDF: https://arxiv.org/pdf/2305.05833

Lizenz: https://creativecommons.org/licenses/by-sa/4.0/

Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.

Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.

Mehr von den Autoren

Ähnliche Artikel