二部ネットワークを通じた立法協力の分析
新しいモデルが立法共著者間のつながりを明らかにしている。
― 0 分で読む
二部ネットワークは、異なる2つのノードグループ間に接続があるけど、同じグループ内にはない特別なタイプのネットワークだよ。たとえば、立法システムでよく見られるのが、法律家と彼らが支持する法案の関係だね。この場合、一方のグループは立法者で、もう一方は法案。立法者が法案を共同提案すると接続ができるんだ。
こういうネットワークを理解することは、政治での意思決定の仕組みや特定の立法に対する支持の形成を分析する上でめっちゃ重要なんだ。伝統的な手法はこの二部ネットワークを一部ネットワークに変換することが多くて、そこで重要な詳細が失われることがあるんだ。
一部投影の問題
研究者が二部ネットワークを一部ネットワークに変換する時、元の構造内に存在する関係についての有用な情報を失うリスクがあるんだ。よくある問題は集約バイアスで、個々の接続の詳細が無視されて誤った結果を招くことがある。たとえば、共同提案データを分析する時、異なる立法者グループがさまざまなタイプの法案をどのようにサポートするかを認識することが重要なんだ。
最近の政治ネットワークの研究では、分析された記事の約40%が二部データを使用していたけど、一部ネットワークに投影していたんだ。この普及した慣習は、そういった分析から引き出された結論の有効性に疑問を投げかけるね。二部ネットワークを適切にモデル化しないと、立法行動に影響を与える重要な要素を見逃すかもしれないんだ。
提案された統計モデル
既存のモデルの欠点を克服するために、二部ネットワーク専用に設計された新しい統計フレームワークを導入するよ。このモデルを使うと、重要なデータを失うことなく、異なるタイプのノード間の関係を分析できるんだ。鍵は、二部の構造を維持しつつ、共同提案の形成の柔軟性を持たせることだね。
このモデルはノードを明確なグループに分けて、立法者が異なるタイプの法案を支持する際の共通パターンを特定する手助けをする。さらに、立法者と法案の特性など、様々な要因を組み込むことで、共同提案のダイナミクスを説明するのに役立つよ。二部のフレームワークを維持することで、重要なニュアンスが捉えられて、より正確な結果が得られるんだ。
方法論と実施
この新しいモデルには、2つのノードセット間の接続を見つけるいくつかのステップがある。データ収集プロセスには、立法者と彼らが支持する法案に関する情報を集めることが含まれるよ。共同提案に基づいてネットワークを作成した後、新しいモデルを使うことで、立法者と法案のカテゴリ内でグループを特定できるんだ。
研究によると、立法者はしばしば政党の所属、年次、過去の相互作用に基づいて法案を共同提案するから、私たちのモデルには政党のメンバーシップや立法のタイミングなどの要因が含まれている。これによって、立法者がネットワーク内でどのように動いているかの明確なイメージを提供できるよ。
ケーススタディ:第107回議会
私たちのモデルの実用的な応用を示すために、107回アメリカ合衆国議会の立法共同提案ネットワークを見てみよう。この議会セッションは、政党のコントロールが変わったり、重要な出来事が立法に影響を与えたりしたユニークな状況があったから、完璧なケーススタディなんだ。
この時、上院は政党のシフトや大きな出来事からの外部圧力を経験して、立法協力のための複雑な環境が生まれた。この要素を私たちの二部モデルを使って分析することで、協力のダイナミクスについて深い理解が得られるんだ。
第107回議会における共同提案の性質
107回議会では、多くの法案が提出されて、上院議員間の共同提案関係が彼らの立法に対する興味を示す手がかりを提供した。共同提案は特定の立法を支持する意欲を反映していて、立法アイデアへの広範な支持を示してる。私たちのモデルは、異なる年次や政党の所属を持つ上院議員が特定の法案を支持するためにどのように集まったかを強調する手助けをしているよ。
共同提案データの二部性は、特定の立法者が政党の垣根を越えて協力していることを示していて、この行動は法案のタイプに応じて異なるんだ。私たちの分析で二部構造を維持することで、党派的な絆と協力的な努力の共存を明らかにしているよ。
第107回議会分析からの発見
私たちのモデルを通じて107回議会を分析した結果、立法行動におけるいくつかの重要なパターンが明らかになった。まず、若手上院議員が超党派支持を築くうえで重要な役割を果たしていたことがわかったんだ。こういう人たちはしばしば政党の垣根を越えて共同提案を行っていて、極端に分断された時代における団結を促すための重要性を示しているね。
さらに、モデルは支持を集めた法案のタイプにおける重要なトレンドを特定する。『論争のない』と見なされた法案は両政党から広範な支持を受けたけど、より議論を呼ぶ問題は超党派の支持を得るのに苦労したんだ。共同提案のダイナミクスを時間をかけて調べることで、政党のコントロールの変更や国家的危機などの重要な出来事が、立法者の協力意欲にどのように影響したかが見えてくるよ。
委員会と互恵性の役割を理解する
共同提案行動の重要な側面は、委員会の役割だ。上院議員は特定の立法に関連する委員会内で働くことが多く、これらの委員会での共有経験が法案の協力に影響を与えることがあるんだ。私たちのモデルは、委員会のメンバーシップに関する情報を含めることでこの効果を捉えていて、なぜ特定の上院議員が特定の法案を共同提案する可能性が高いかを説明するのに役立つよ。
また、互恵性も立法協力において重要な役割を果たす。これまでに互いに法案を共同提案したことがある上院議員は、将来のセッションでも再びそうする可能性が高いんだ。私たちのモデルで互恵性を考慮することで、過去の協力が未来の立法行動にどのように影響を与えるかをよりよく理解できるようになる。
将来の研究への影響
この二部ネットワークを分析するための新しいモデルの開発は、政治学やそれ以外の分野において多くの研究の可能性を広げるよ。二部ネットワークは、社会ネットワーク、経済学、公共政策など、さまざまな分野で一般的だから、私たちのアプローチはさまざまな文脈に適用できるんだ。
将来の研究では、政治の優先事項の変化や外部の出来事が、時間をかけた立法協力にどのように影響するかにさらに重点を置くことができるね。私たちのモデルから得られる洞察は、今日の分断された政治環境での超党派の促進戦略に役立つかもしれない。
結論
要するに、二部ネットワークを分析するための新しい統計フレームワークの導入は、異なるグループ間で接続が形成される仕組みに貴重な洞察を提供するよ。二部構造の完全性を維持することで、特に第107回議会のような政治的に複雑な環境における立法行動のより細かい探求が可能になるんだ。
二部ネットワークの理解を深め続けることで、社会科学研究や実際の立法実践にも影響が出てくるだろう。発見は、若手立法者の重要性や、政党の垣根を越えて協力を促進できる立法のタイプの重要性を強調していて、現代政治の分断を橋渡しするためのさらなる研究の基盤を提供するんだ。
このモデルは、立法ネットワークの分析を強化するだけでなく、研究者が複雑な関係データから意味のある洞察を抽出するためのツールも提供するよ。二部の関係の複雑さを受け入れることで、政治的意思決定や協力を支える社会構造についての理解が深まるんだ。
タイトル: A Statistical Model of Bipartite Networks: Application to Cosponsorship in the United States Senate
概要: 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.
著者: Adeline Lo, Santiago Olivella, Kosuke Imai
最終更新: 2024-12-10 00:00:00
言語: English
ソースURL: https://arxiv.org/abs/2305.05833
ソースPDF: https://arxiv.org/pdf/2305.05833
ライセンス: https://creativecommons.org/licenses/by-sa/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。