Analyser la collaboration législative à travers des réseaux bipartites
Un nouveau modèle éclaire les liens dans le cosponsoring législatif.
― 8 min lire
Table des matières
Les Réseaux bipartites sont un type spécial de réseau où les connexions existent entre deux groupes différents de nœuds, mais pas à l'intérieur du même groupe. Un exemple courant de réseau bipartite se trouve dans les systèmes législatifs, où on peut observer les relations entre les législateurs et les projets de loi qu'ils soutiennent. Dans ce contexte, un groupe est constitué de législateurs, et l'autre de projets de loi. Une connexion se forme quand un législateur cosponsorise un projet de loi.
Comprendre ces réseaux est essentiel pour analyser comment les décisions sont prises en politique et comment le soutien se forme autour de certaines législations. Les méthodes traditionnelles convertissent souvent ces réseaux bipartites en réseaux unipartites, ce qui peut faire perdre des détails importants.
Les problèmes avec les projections unipartites
Quand les chercheurs convertissent des réseaux bipartites en réseaux unipartites, ils risquent de perdre des infos utiles sur les relations qui existent dans la structure originale. Un souci commun est le biais d’agrégation, où les détails des connexions individuelles sont ignorés, menant à des résultats trompeurs. Par exemple, en analysant les données de cosponsorship, il est crucial de reconnaître comment différents groupes de législateurs soutiennent divers types de projets de loi.
Dans des études récentes sur les réseaux politiques, près de 40 % des articles analysés utilisaient des données bipartites mais les projetaient sur des réseaux unipartites. Cette pratique répandue soulève des inquiétudes sur la validité des conclusions tirées de telles analyses. En ne modélisant pas correctement les réseaux bipartites, les chercheurs peuvent manquer des facteurs clés qui influencent le comportement législatif.
Le modèle statistique proposé
Pour remédier aux lacunes des modèles existants, nous proposons un nouveau cadre statistique spécialement conçu pour les réseaux bipartites. Ce modèle permet aux chercheurs d'analyser les relations entre différents types de nœuds sans perdre de données importantes. Le secret est de maintenir la structure bipartite tout en permettant une flexibilité dans la manière dont les cosponsorships se forment.
Notre modèle divise les nœuds en groupes distincts, aidant à identifier des schémas communs parmi les législateurs lorsqu'ils soutiennent différents types de projets de loi. De plus, il intègre divers facteurs, comme les caractéristiques des législateurs et des projets de loi, ce qui peut aider à expliquer la dynamique de cosponsorship. En maintenant le cadre bipartite, le modèle s'assure que les nuances importantes sont capturées, menant à des conclusions plus précises.
Méthodologie et mise en œuvre
Le nouveau modèle comprend plusieurs étapes pour trouver des connexions entre les deux ensembles de nœuds. Le processus de collecte de données inclut la collecte d'infos sur les législateurs et les projets de loi qu'ils soutiennent. Après avoir créé un réseau basé sur le cosponsorship, le nouveau modèle permet aux chercheurs d'identifier des groupes au sein des catégories de législateurs et de projets de loi.
Les recherches montrent que les législateurs cosponsorisent souvent des projets de loi en fonction de l'affiliation politique, de l'ancienneté et des interactions passées. Donc, notre modèle inclut des facteurs comme l'appartenance politique et le moment de la législation, lui permettant de donner une image plus claire de comment les législateurs opèrent dans le réseau.
Étude de cas : Le 107e Congrès
Pour illustrer l'application pratique de notre modèle, on regarde le réseau de cosponsorship législatif pendant le 107e Congrès américain. Cette session du Congrès est un cas d'étude parfait à cause de ses circonstances uniques, qui incluaient une transition significative dans le contrôle des partis et de nombreux événements critiques influençant la législation.
Pendant cette période, le Sénat a connu des changements de partis et des pressions externes dues à des événements majeurs, créant un environnement complexe pour la collaboration législative. Analyser ces facteurs avec notre modèle bipartite révèle une compréhension plus profonde des dynamiques de collaboration en jeu.
La nature du cosponsorship dans le 107e Congrès
Dans le 107e Congrès, de nombreux projets de loi ont été introduits, et les relations de cosponsorship entre les sénateurs ont offert des aperçus sur leurs intérêts législatifs. Le cosponsorship reflète une volonté de soutenir des législations spécifiques et indique un soutien plus large pour des idées législatives. Notre modèle aide à mettre en avant comment des sénateurs avec différents niveaux d'ancienneté et affiliations politiques se sont réunis pour soutenir certains projets de loi.
La nature bipartite des données de cosponsorship montre que certains législateurs ont collaboré au-delà des lignes de parti, et ce comportement variait en fonction du type de législation. En maintenant la structure bipartite dans notre analyse, le modèle dévoile la coexistence des liens partisans et des efforts collaboratifs entre les partis.
Résultats de l'analyse du 107e Congrès
L'analyse du 107e Congrès à travers notre modèle révèle plusieurs schémas clés dans le comportement législatif. Premièrement, les sénateurs juniors se révélaient être des acteurs essentiels pour créer un soutien bipartisan. Ces individus collaboraient souvent au-delà des lignes de parti pour cosponsoriser des législations, montrant leur importance pour favoriser l'unité en période de forte polarisation.
De plus, le modèle identifie des tendances importantes dans les types de législations qui ont reçu du soutien. Les projets de loi jugés 'non controversés' ont bénéficié d'un large soutien des deux partis, tandis que les questions plus contentieuses faisaient face à plus de défis pour obtenir un soutien bipartisan.
En examinant les dynamiques de cosponsorship dans le temps, on voit comment des événements clés, comme les changements dans le contrôle des partis et les crises nationales, ont impacté la volonté des législateurs à collaborer.
Comprendre le rôle des comités et la réciprocité
Un aspect essentiel du comportement de cosponsorship est le rôle des comités. Les sénateurs travaillent souvent au sein de comités liés à des législations spécifiques, et leurs expériences partagées dans ces comités peuvent influencer leur collaboration sur des projets de loi. Notre modèle capte cet effet en incluant des informations sur les adhésions aux comités, ce qui aide à expliquer pourquoi certains sénateurs sont plus susceptibles de cosponsoriser des projets de loi spécifiques.
De plus, la réciprocité joue un rôle clé dans la collaboration législative. Les sénateurs qui ont déjà cosponsorisé les projets de loi de l'autre sont plus susceptibles de le faire à nouveau dans des sessions futures. En tenant compte de la réciprocité dans notre modèle, on peut mieux comprendre comment les collaborations passées façonnent le comportement législatif futur.
Implications pour la recherche future
Le développement de ce nouveau modèle pour analyser les réseaux bipartites ouvre de nombreuses possibilités de recherche en sciences politiques et au-delà. Comme les réseaux bipartites sont courants dans de nombreux domaines, y compris les réseaux sociaux, l'économie et les politiques publiques, notre approche peut être appliquée à divers contextes.
Pour les recherches futures, on pourrait insister davantage sur la manière dont les changements de priorités politiques et les événements externes affectent la collaboration législative dans le temps. Les insights de notre modèle pourraient éclairer des stratégies pour favoriser le bipartisme dans le paysage politique divisé d'aujourd'hui.
Conclusion
En résumé, l'introduction d'un nouveau cadre statistique pour analyser les réseaux bipartites offre des aperçus précieux sur la façon dont les connexions se forment entre des groupes distincts. En maintenant l'intégrité de la structure bipartite, cela permet une exploration plus nuancée du comportement législatif, particulièrement dans des environnements politiquement complexes comme le 107e Congrès.
Alors qu'on continue d'affiner notre compréhension des réseaux bipartites, des implications pour la recherche en sciences sociales plus larges et les pratiques législatives réelles émergeront. Les résultats mettent en avant l'importance des jeunes législateurs et des types de législations qui peuvent faciliter la collaboration entre les partis, offrant une base pour d'autres études visant à réduire les divisions dans la politique contemporaine.
Ce modèle non seulement améliore l'analyse des réseaux législatifs, mais fournit aussi aux chercheurs les outils nécessaires pour tirer des insights significatifs des données relationnelles complexes. En embrassant les complexités des relations bipartites, on peut obtenir une compréhension plus profonde des structures sociales qui sous-tendent la prise de décision politique et la collaboration.
Titre: A Statistical Model of Bipartite Networks: Application to Cosponsorship in the United States Senate
Résumé: 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.
Auteurs: Adeline Lo, Santiago Olivella, Kosuke Imai
Dernière mise à jour: 2024-12-10 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2305.05833
Source PDF: https://arxiv.org/pdf/2305.05833
Licence: https://creativecommons.org/licenses/by-sa/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.