天津財經大學統(tǒng)計系吳敬-資料下載頁
2025-10-08 17:46本頁面
【導讀】貝葉斯機理與計算。貝葉斯方法在政治學中的應用。政治學中貝葉斯方法研究。統(tǒng)計學作為一種科學的方法論,廣泛應用于自然、社會、二次大戰(zhàn)后,隨著行為主義在政治。為時尚,研究成果大量出現。自20世紀70年代開始,統(tǒng)計方法作為政治活動的數量化研。重要組成部分,從而開始形成政治統(tǒng)計學體系。我國政治學研究主要還是規(guī)范分析，基本沒有統(tǒng)計實證分。對許多從事經驗政治學的人來說，貝葉斯統(tǒng)計學可能像一個怪異的分。支，只是偶爾出現在雜志和書里邊，但是并沒占據一個中心地位。種看法看來正在改變，事實上，改變很迅速。貝葉斯統(tǒng)計思想在二十世紀八十年代開始引入政治學領域。從2020年至2020年這12年中，在《politicalanalysis（政治分。得到了充分應用。
【正文】 Senate press releases[J]（一個政治環(huán)境分層主題貝葉斯模型：測度參議院新聞發(fā)布的時間安排） . Political Analysis, 2020, 18(1): 135. ? Park D K, Gelman A, Bafumi J. Bayesian multilevel estimation with poststratification: statelevel estimates from national polls[J]（事后分層貝葉斯多層估計：從國家民調得到州層次估計） . Political Analysis, 2020, 12(4): 375385. ? Quinn K M. Bayesian factor analysis for mixed ordinal and continuous responses[J]（混合順序連續(xù)因變量的貝葉斯因子分析） . Political Analysis, 2020, 12(4): 338353. ? Bafumi J, Gelman A, Park D K, et al. Practical issues in implementing and understanding Bayesian ideal point estimation[J]（實施和理解貝葉斯理想點估計的實際問題） . Political Analysis, 2020, 13(2): 171187. ? Jackman S. Estimation and inference are missing data problems: Unifying social science statistics via Bayesian simulation[J]（缺失值問題的估計和推斷：通過貝葉斯模擬統(tǒng)一社會科學統(tǒng)計學） . Political Analysis, 2020, 8(4): 307332. ? Jackman S. Multidimensional analysis of roll call data via Bayesian simulation: identification, estimation, inference, and model checking[J]（通過貝葉斯模擬進行點名投票數據多維分析：識別、估計、推斷和模型檢驗） . Political Analysis, 2020, 9(3): 227241. ? Buckley J. Simple Bayesian inference for qualitative political research[J]（定性政治研究簡單貝葉斯推斷） . Political Analysis, 2020, 12(4): 386399. ? Shor B, Bafumi J, Keele L, et al. A Bayesian multilevel modeling approach to timeseries crosssectional data[J]（一個時間截面數據的貝葉斯多層模型方法） . Political Analysis, 2020, 15(2): 165181. 其他雜志發(fā)表的貝葉斯方法方面的論文。 ? Martin A D, Saunders K L. Bayesian Inference for Political Science Panel Data[C]（政治學 Panel數據貝葉斯推斷） //American Political Science Association. 2020. ? Darmofal D. Bayesian spatial survival models for political event processes[J]（政治事件進程貝葉斯空間生存模型） . American Journal of Political Science, 2020, 53(1): 241257. ? Gill J, Walker L D. Elicited priors for bayesian model specifications in political science research[J]（政治學研究貝葉斯模型設定的引致先驗分布） . Journal of Politics, 2020, 67(3): 841872. 將來的發(fā)展 ? 貝葉斯方法提供比所知其他方法更靈活的概率模型和推斷的基本方法。 ? 將來需要在時間序列方面加強貝葉斯方法研究，要在誤差結構和多層組成中增加結構特征和聯立性。數目不確定的多變點模型還沒充分解決。由于語言本身就是多層次，對于文本分析中應該擴展貝葉斯多層設定改善結果。另一個激動人心的領域是貝葉斯非參數方法。另一個應該更注意的貝葉斯一般領域是先驗分布的設定，或者通過所處的環(huán)境信息或者合適數學性質。第一種情況，在一些學科，比如醫(yī)藥，已經成功將以前的知識轉化成先驗分布改善后驗分布的質量，第二種情況，稱為“客觀貝葉斯”組促進了替代信息少扁平先驗分布的研究工作。 ? Gill J. Bayesian Methods in Political Science: Introduction to the Virtual Issue. ? 歡迎批評指正！
教學課件相關推薦
鄂ICP備17016276號-1