统计学 > 应用
[提交于 2011年1月5日
]
标题: 退出民调与种族集团投票:结合个体层面和R$\times$C生态数据
标题: Exit polling and racial bloc voting: Combining individual-level and R$\times$C ecological data
摘要: 尽管存在不足之处,跨层级推断或生态推断仍然是定量推断某些领域(包括美国投票权诉讼)的必要组成部分。 生态推断存在识别问题,大多数人认为,通过将个体层面数据纳入模型可以最好地解决这一问题。 本文通过尝试结合出口民调和选区层面的生态数据来推断种族投票模式,测试了这种纳入方式的极限;准确了解种族投票模式对于评估可能决定美国立法机构构成的投票权法律中的触发机制至关重要。 具体而言,我们扩展并研究了一种适用于任意维度双向表的混合模型。 我们将该混合模型应用于我们在2008年对波士顿市进行的出口民调。 利用由此产生的数据以及模拟,我们比较了纯生态估计量、使用各种抽样方案的纯调查估计量和我们的混合模型的表现。 我们得出结论,混合估计量通过使关于投票模式的实质性推断成为可能(而这些推断在不使用它的情况下无法实现),提供了显著的优势。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.