本文提出了一种灵活定义选民在特定中枢点周围意识形态极化程度的方法,通过美国调查数据验证了该方法的有效性,能判断极化是否发生及极化围绕何处展开,并进一步揭示了意识形态极化与情感极化和分裂议题显著性增加之间的联系,为理解政治极化提供了新的理论框架和实证工具。
| 政治位置 | 1996年比例 | 2004年比例 | 2016年比例 |
|---|---|---|---|
| 0 (左翼) | 1.002% | 1.169% | 2.734% |
| 5 (中间) | 37.365% | 28.280% | 29.167% |
| 10 (右翼) | 5.207% | 7.956% | 9.090% |
| 平均位置 | 5.620 | 5.875 | 5.803 |
| 方差 | 4.133 | 5.336 | 6.108 |
标题:Comparing Electoral Polarization Levels
作者:Boris Ginzburg
发布日期:2024年11月27日
研究主题:选举极化,特别是意识形态极化的测量方法和其与情感极化、议题显著性关系的分析,基于美国选民调查数据的实证分析。
报告核心内容聚焦于提出一种新的意识形态极化的定义和测量方式,围绕一个可灵活设定的中心点,通过对选民政治立场分布的比较来判断极化是否存在及其聚焦的位置。报告进一步阐释了该激进程度定义与情感极化(即对立团体的负面情绪增加)和有争议议题重要性上升之间的联系。报告利用美国国家选举研究(ANES)数据作为示例,展示其测量框架的应用。核心结论包括:我们不应固定极化的中心点,而应灵活界定;该测量框架能更敏感捕捉极化动态及其政治社会学影响,且为理解情感极化提供理论支持。
报告开篇回顾了当前极化研究与测量的核心难题。常见观点如“中心消失”或“从中心向极端转移”虽被广泛认可,但操作上却缺乏统一的极化定义,导致研究结果不一,如是否美国选民确实意识形态极化依然存在分歧。现有方法多依赖固定的群体身份(党派等),通过测量不同群体间的平均距离和组内一致性或分布重叠程度判断极化。
然而这种以群体为单位的测量对于缺乏明显群体界线或寻求对整体选民进行极化衡量时存在局限。另一类方法转向考察选民立场分布的统计特征如方差、峰度、双峰性指标,但都基于以均值为中心的离散程度,忽视了实际政策空间中中心点不一定是均值的复杂性。报告指出,中心点可能是中位数、信息不完全下的无偏选民立场、或问卷中被视作“中立”的回答,这种多样性需纳入极化测量的灵活定义范围。
此外,关于如何界定“中间派选民”的不同标准(具体区间的选取)也影响极化测度,现有做法缺乏一致性,带来结果解释上的不确定性。
报告介绍了核心贡献:一套基于某一政策空间中的中心点x∗,定义极化的度量方法。关键是将极化界定为围绕x∗的“中间区间选民比例的减少”,这里中间区间不需事先固定边界,而是对于包含x∗的任何区间,极化都反映为该区间内选民比例较低。
形式化定义提出:两个分布F和F^相比,若对任何包含x∗的区间[x,x],F^对应区间内选民比例不大于F,则F^在x∗点上的极化更高。
这一定义的灵活性显著优于传统统计量,允许研究者根据实际情境选择中心点,例如中位数或某一特定政策立场,衡量围绕该点的极化程度。此外,报告证明了极化判断的必要充分条件(命题1):极化提升当且仅当差异累计分布函数(CDF)F^(x)−F(x)在x∗处由正转负且仅此一次。换句话说,F^在x<x∗时被F第一阶随机支配,在x>x∗时则相反。此简化条件为实际数据的极化测量提供了易于检验的标准。
利用美国国家选举调查的0-10左-右自我定位数据,报告对1996、2004、2016年的选民分布进行分析。附录A1展示了细化的频率分布,报告计算了平均位置和方差。
图1左侧显示2004与1996年之间CDF差的变化,在4到5附近交叉零,符合命题1条件,表明2004年相比1996年围绕大约5的中间位置极化增强。响应者自认处于中间位置的比例减少,分布方差增加,是传统极化指标支持的结论。
但2004与2016年数据之间的对比呈现复杂局面:中点5的选民比例略有上升,4-6区间选民比例也略增,暗示极化有所下降;但方差进一步上升,提示极化增加。图1右侧CDF差异曲线的零点位于6-7之间,按照新定义则表明极化实际上是围绕较右的位置增强,而非中间点。这表明,极化可能不是单纯的左-右两极分化,而是某个特定区间段的分化,尤其是右派内部及其与其他群体的界限变得更加显著。
报告进一步探讨意识形态极化与情感极化的关联。设定x∗为区分左、右两政治团体的界线,定义每位选民对对立团体的敌意为其与该团体平均立场的距离的单调递增函数。命题2证明了意识形态极化围绕x∗的提升必然伴随总体情感极化(即群体间敌意平均值)增加,提供了意识形态极化导致情感极化的理论依据。
关于议题显著性,报告构建了选民立场由两类议题加权组成的模型,其中一类议题为“共同价值”(共识大,波动小),另一类为“分裂性议题”(立场差异大)。用参数α表示分裂性议题权重,证明当共同价值议题的观点趋于一致时,提高分裂性议题的权重必然提升整体极化(命题3)。对此,进一步推断情感极化会相应加剧,解释了社会分裂议题加剧时的情感两极化现象。
此外,报告提出了极化的连续度量指标P(F,x∗),基于积分差异并通过函数a[⋅],b[⋅]加权,兼容多种极化测度。该指标既保持了前述定义所体现的极化趋势,又克服部分极化定义的排序不全问题,为未来极化度量提供了一个宽泛框架。
报告总结了意识形态极化的多元测量挑战和创新贡献,提出的定义和方法灵活且具有较强的理论解释力,能结合选民实际分布特征选取中心点,测出极化动态。该方法强化了理解意识形态极化和情感极化间关联的机制,且揭示了议题特性的关键作用。
不足之处在于,新的极化比较定义仅构成分布的部分序,不是完全可比较序列。尽管提出了连续性扩展方案,但具体函数选择尚未确定,未来研究可探究最优形式。
两图均体现了该极化定义下,极化变化围绕不同中心点发生,图形特征直观体现了命题1的判定条件,有助于识别极化“中心”的动态转移。
表中详细罗列1996/2004/2016年选民在0-10政治光谱中每个位点的占比,及整体平均位置和方差。显著趋势包括:
这些数据和趋势与图1所示CDF差别曲线互为佐证,说明极化测量指标兼具统计严谨性和政策解读力。
本报告并未涉及财务估值分析,故无相关内容。
报告识别了极化测量中的若干潜在风险或限制:
报告提出的方法论具备理论严谨性,但未来需对方法稳定性与适用边界进行更多实证检验和调整,以减缓上述风险带来的影响。
综上,报告方法论创新且理论清晰,但在实证多样性与模型复杂性方面仍有发展空间。
本研究报告以Boris Ginzburg提出的“基于中心点的意识形态极化测量”框架为核心贡献,针对当前极化测量缺乏统一标准的挑战,发展出一种灵活且具必要充分条件判别的极化比较方法。其关键创新在于不强制选定传统意义上的中心点(均值或中位数),而是允许任意点作为“极化中心”x∗,并以换言之围绕该点的“中间区间选民减少”为极化定义。
结合美国选民自我定位的数据,实证揭示1996至2004年极化围绕传统中间点5增加,而2004至2016年极化则向右偏移到6-7之间发生,支持了选民分布极化焦点随时间变化的理论预期。该分析同时展示了极化与情感极化增加之间的机制联系,通过引入基于政策距离的敌意函数,证明意识形态极化上升必然伴随群体间敌意增强。此外,报告创新性地通过两议题加权模型阐释了“争议议题重要性提升”如何推升极化程度,进一步指向情感极化的激化来源。
图1直观表现了不同年度CDF差值的符号变化,有效支撑了命题1的理论框架;附录数据表详细说明了选民立场分布及其关键统计特征如均值和方差,为理论分析注入坚实的数据基础。
尽管本方法在理论设计和数据应用上均表现出较强的科学性,但仍面临部分分布难以排序、中心点选择易致差异、以及函数选取缺乏规范等局限,提示未来研究需针对极化度量的连续化和多维化展开深入探索。
总体而言,该报告为政治学和行为科学中的极化研究提供了一种全新且灵活的测量范式,不仅丰富了理论工具箱,也为实务中监测和理解选举极化提供了重要参考框架。其对连接意识形态极化、情感极化与议题争议性的阐释尤其具有现实意义,对应当前政治环境中复杂极化现象的多维解读需求。
(全文引用页码标识均已于文中体现,方便后续溯源和交叉验证。)
2411.04072.pdf