本文提出一种灵活的选民极化度度量方法,允许围绕任意中心点评估政治立场极化状况。通过美国2004-2020年选民调查数据,揭示右翼和左翼极化的不同演化路径,且选举后左翼极化下降、右翼极化上升。该方法还可发现极化变化最大的分界点,并显示意识形态极化与情感极化及分歧议题的重要关联 。
本文提出了一种针对选民意识形态极化的新型度量方法,强调该指标的灵活性,尤其是在“中心点”的选择与宽度上不做预设限制,从而允许研究者根据具体需求选定感兴趣的中心位置。作者基于此方法,利用2004年至2020年间美国选民调查数据,揭示了美国选民在不同意识形态中心位置附近逐渐呈现的极化趋势差异,同时探讨了该极化度量与情感极化(affective polarization)及议题敏感度提升的关联。最终,文章不仅提出理论模型和数值指标,也用实证数据验证了测量工具的效用,并提出了在选举前后动态追踪极化变化的新视角。, ,
核心贡献在于:
文中指出,政治极化经常被描述为“中间派消失”或“选民从中间向极端移动”,这一现象对政治体系影响深远。确切度量极化存在困难,因定义的不同导致学界对美国是否极化存在争议。常用测度包含组间同质性、组间距离,以及分布的统计量(方差、峰度、双峰系数等),但这些指标固定围绕某一中心点(如均值)展开,局限性明显。此外,传统方法往往依赖明确定义的组别身份,而实际选民身份认同常模糊。故需开发能跨组别、跨异质选民的极化度量。
作者提出一个无需固定中心点及中心区间宽度的极化测度模型,强调可灵活选择中心x∗。极化定义为下述递减性质:对于所有包含x∗的区间,选民的比例较小,则极化较高。
本质上即:极化等于“围绕x∗”的中间选民比例减少,极端选民比例增加,且不限制中间界限的明确界定。通过引入偏序关系,定义若分布F^的累计分布函数(CDF)在x<x∗处高于F,且在x≥x∗处低于F,则F^在x∗极化程度更高(命题1,Proposition 1)。, ,
进一步,设计数值指标P(F,x∗)(定义2),计算为两个积分的归一化差值加1,标准化消除了位置区间长度的影响,使得指标值在0至1之间,方便不同中心点之间直接比较。该指标严格遵守偏序定义,理论结合严密,数学证明详见附录。
基于美国国民选举研究(ANES)数据两组指标:
对比传统统计量如方差,这些常规极化指标多聚焦于分布中心(均值),而本文指标P(F,x∗)可针对任何感兴趣位置开展极化分析。
图1左侧显示,2004至2012年间,左及中间位置(1~5)的极化度数有所下降或平缓;2012年后迅速上升。右侧(x∗≥6)反映右翼及右中位置极化程度自2004年起缓慢持续上升,且趋势稳健。此揭示了不同意识形态区间极化存在明显非同步演化特点。
同理,图2显示自由侧(左侧)的极化度先波动后大幅上升,而保守侧(右侧)极化趋升平稳缓慢。总体而言,自由派的极化加速明显晚于保守派但增长更陡峭,形成不同极化动力格局。
例如,2008至2012年间,方差仍往下降,且中间区选民占比略增加(4~6位置从48.4%升至50.4%),依据传统指标判断极化下降。但P(F,x∗)显示此段时间左中及左翼极化度降低,右翼极化度上升,整体形成“以左翼减少极化抵消右翼增加极化”的复杂态势,传统指标因固定中心位置而掩盖此分化。
图3对2004年和2016年选举前后极化度进行比较,发现选举后,左翼(x∗≤4)极化略减,右翼(x∗>4)极化却上升。此揭示极化动态随政治事件发生分区性反向运动,无法以单一指标全面反映。
分析2012年后极化度百分比变化(图4)显示,最大极化上涨发生在左偏中心附近(x∗≈4),即社会分裂主要出现在中间偏左群体与其他选民之间,分裂焦点非传统概念中心点。自由-保守轴类似,分裂主要位于中间或左偏位置。
以x∗为左右分界,建模选民对对立群体的敌意与意识形态距离相关。命题3表明:在定义的极化偏序关系下,意识形态极化程度上升意味着情感极化水平也提升,但反向不必然成立。该结论为两类极化间关系提供形式证明,显示该极化度量具较强解释力。,
利用简单加权模型,定义选民立场由两个独立议题组成:共同价值议题(c,区间较窄)和分裂议题(d,分布广泛),权重为α。命题4指出,当共同价值议题集中时,分裂议题显著度提升(α增大)必然增加整体极化程度,继而触发情感极化的增加,为解释议题显著程度与极化上升的实证观察提供理论支撑。,
作者提出了一个具有较高灵活性和理论严密度的极化度量方法,实证揭示美国选民具复杂分区极化演化动态,且该方法有潜力将意识形态极化与情感极化、议题分裂度进行理论性衔接。该框架为政治极化研究提供了一种细致、可调节、且便于比较的工具。
内容描述: 展示了2004-2020年美国选民在左右轴围绕不同中心x∗点的极化程度变化,左图涵盖x∗在15之间的左翼及中间段,右图涵盖x∗在69之间的右翼及右中段。
数据解读与趋势:
联系文本:这张图清晰展现了传统指标无法捕捉的分区极化差异,支撑文章主张P(F,x∗)指标能揭示更精细的极化动态结构。
内容描述: 类似图1,展示自由-保守维度的x∗不同位置的极化演变,左图为自由侧x∗≤4,右图为保守侧x∗>4。
数据解读与趋势:
联系文本:表明不同意识形态阵营极化速度与模式有显著差异,传统方差无法准确反映这些细微动态。
内容描述: 2004和2016年选举前后不同x∗点的极化值对比图,左图为2004年数据,右图为2016年数据。
数据解读与趋势:
联系文本:反驳单一指标结论,强调针对不同意识形态位置分区分析重要性。
内容描述: 绘出2012至2020年不同中心位置x∗的极化百分比变化,蓝色三角表示2012-2016年,红色叉号表示2016-2020年。
数据解读与趋势:
联系文本:此图帮助研究者识别关键分裂裂痕,指导针对性政治或社会分析。
本文为政治学定量分析文献,不涉及传统金融估值方法。因此无相关现金流折现、估值倍数或敏感性分析等内容。
报告未明确针对测度方法提出风险评估,但隐含风险与方法特性相关:
本文通过构建一个围绕任意中心点x∗的灵活极化度量指标P(F,x∗),突破传统极化度量只能针对均值或中位数中心的局限,实现了对极化现象的更细粒度、多维度、多层次观察。通过对美国2004-2020年选举数据的实证分析,揭示了选民左右不同意识形态阵营的极化演化存在显著差异,右翼极化稳步递增,左翼极化在2012年后急剧上升。此外,分析显示选举事件后极化表现出复杂的左右波动趋势,无法用单一均值指标解释。利用模型进一步确定了主要的社会撕裂裂痕位于左偏中间位置,补充了当前极化研究中关于裂痕定位的实证与理论不足。
图表分析深刻反映了选民分布随时间与位置的变化动力,展示了P(F,x∗)作为极化指标在揭示极化细节上的独特优势。理论部分将意识形态极化与情感极化紧密关联,且将议题分裂显著度提升纳入极化演化机理,拓宽了极化现象的研究视角。整体而言,作者提出的测度体系不仅具备理论严谨性和实证适用性,也为政治极化监测和进一步研究提供了功能强大的工具框架和丰富视角。
最终,报告的主张和结论明确:极化是一个多中心、多维度现象,必须使用如P(F,x∗)这类灵活指标加以捕捉,才能充分展现社会政治极化的真实全貌及其动态演变。, , ,
综上所述,Boris Ginzburg提出的极化度量方案及其实证分析,对于深入理解美国政治极化的空间结构与时间演化具有重要意义,同时为政治学及经济学领域极化研究提供了理论与方法的新范式。
2507.07770.pdf