使用多项式数据的秩的有限样本与大样本推断及其在政党排名中的应用
计量经济学
2024-02-02 v1
摘要
通过选择数据所揭示的偏好来对不同类别进行排名是常见的做法。一个突出的例子是利用政治候选人或政党在关于政治态度的调查或民意测验中获得的估计支持份额对其进行排名。由于这些排名是使用支持份额的估计值而非真实支持份额计算的，因此关于政治候选人或政党的真实排名可能存在相当大的不确定性。在本文中，我们考虑通过为每个类别的秩构建置信集来解释这种不确定性的问题。我们既考虑为特定类别的秩构建边际置信集的问题，也考虑为所有类别的秩构建同时置信集的问题。我们分析的一个显著特征是，我们利用数据的多项式结构来开发在有限样本下有效的置信集。此外，我们还使用 bootstrap 开发了仅在大样本下近似有效的置信集。我们使用来自 2019 年澳大利亚选举调查的数据，应用我们的方法对澳大利亚的政党进行排名。我们发现，我们的有限样本置信集在政党的整个排名范围内都提供了丰富的信息，即使在调查受访者很少的澳大利亚领地，和/或仅被少数调查受访者选择的政党的情况下也是如此。相比之下，基于 bootstrap 的置信集有时可能提供的信息要少得多。这些发现促使我们在一项经验驱动的模拟研究中比较这些方法，在该研究中我们得出结论，我们的有限样本置信集通常优于其大样本、基于 bootstrap 的对应方法，尤其是在类似于我们经验应用的设置中。
引用
@article{arxiv.2402.00192,
title = {Finite- and Large-Sample Inference for Ranks using Multinomial Data with an Application to Ranking Political Parties},
author = {Sergei Bazylik and Magne Mogstad and Joseph Romano and Azeem Shaikh and Daniel Wilhelm},
journal= {arXiv preprint arXiv:2402.00192},
year = {2024}
}