天津財(cái)經(jīng)大學(xué)統(tǒng)計(jì)系吳敬-資料下載頁(yè)
2025-10-08 17:46本頁(yè)面
【導(dǎo)讀】貝葉斯機(jī)理與計(jì)算。貝葉斯方法在政治學(xué)中的應(yīng)用。政治學(xué)中貝葉斯方法研究。統(tǒng)計(jì)學(xué)作為一種科學(xué)的方法論,廣泛應(yīng)用于自然、社會(huì)、二次大戰(zhàn)后,隨著行為主義在政治。為時(shí)尚,研究成果大量出現(xiàn)。自20世紀(jì)70年代開始,統(tǒng)計(jì)方法作為政治活動(dòng)的數(shù)量化研。重要組成部分,從而開始形成政治統(tǒng)計(jì)學(xué)體系。我國(guó)政治學(xué)研究主要還是規(guī)范分析，基本沒有統(tǒng)計(jì)實(shí)證分。對(duì)許多從事經(jīng)驗(yàn)政治學(xué)的人來(lái)說(shuō)，貝葉斯統(tǒng)計(jì)學(xué)可能像一個(gè)怪異的分。支，只是偶爾出現(xiàn)在雜志和書里邊，但是并沒占據(jù)一個(gè)中心地位。種看法看來(lái)正在改變，事實(shí)上，改變很迅速。貝葉斯統(tǒng)計(jì)思想在二十世紀(jì)八十年代開始引入政治學(xué)領(lǐng)域。從2020年至2020年這12年中，在《politicalanalysis（政治分。得到了充分應(yīng)用。
【正文】 Senate press releases[J]（一個(gè)政治環(huán)境分層主題貝葉斯模型：測(cè)度參議院新聞發(fā)布的時(shí)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(jì)：從國(guó)家民調(diào)得到州層次估計(jì)） . 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(shí)施和理解貝葉斯理想點(diǎn)估計(jì)的實(shí)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(jì)和推斷：通過貝葉斯模擬統(tǒng)一社會(huì)科學(xué)統(tǒng)計(jì)學(xué)） . 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(jìn)行點(diǎn)名投票數(shù)據(jù)多維分析：識(shí)別、估計(jì)、推斷和模型檢驗(yàn)） . Political Analysis, 2020, 9(3): 227241. ? Buckley J. Simple Bayesian inference for qualitative political research[J]（定性政治研究簡(jiǎn)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(gè)時(shí)間截面數(shù)據(jù)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(xué) Panel數(shù)據(jù)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(jìn)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(xué)研究貝葉斯模型設(shè)定的引致先驗(yàn)分布） . Journal of Politics, 2020, 67(3): 841872. 將來(lái)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(lái)需要在時(shí)間序列方面加強(qiáng)貝葉斯方法研究，要在誤差結(jié)構(gòu)和多層組成中增加結(jié)構(gòu)特征和聯(lián)立性。數(shù)目不確定的多變點(diǎn)模型還沒充分解決。由于語(yǔ)言本身就是多層次，對(duì)于文本分析中應(yīng)該擴(kuò)展貝葉斯多層設(shè)定改善結(jié)果。另一個(gè)激動(dòng)人心的領(lǐng)域是貝葉斯非參數(shù)方法。另一個(gè)應(yīng)該更注意的貝葉斯一般領(lǐng)域是先驗(yàn)分布的設(shè)定，或者通過所處的環(huán)境信息或者合適數(shù)學(xué)性質(zhì)。第一種情況，在一些學(xué)科，比如醫(yī)藥，已經(jīng)成功將以前的知識(shí)轉(zhuǎn)化成先驗(yàn)分布改善后驗(yàn)分布的質(zhì)量，第二種情況，稱為“客觀貝葉斯”組促進(jìn)了替代信息少扁平先驗(yàn)分布的研究工作。 ? Gill J. Bayesian Methods in Political Science: Introduction to the Virtual Issue. ? 歡迎批評(píng)指正！
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1