کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7463178 1484939 2018 18 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Autoregressive effects in poll-based election models for the German federal election
ترجمه فارسی عنوان
اثرات اتخاذ شده در مدل انتخابات مبتنی بر نظرسنجی برای انتخابات فدرال آلمان
کلمات کلیدی
پیش بینی انتخابات، نظرسنجی سیاسی آمار بیزی، تجزیه و تحلیل سریال،
ترجمه چکیده
روش های نظرسنجی برای پیش بینی انتخابات در کشورهای مختلف و تنظیمات استفاده شده است. فاکتور مشترک این مدل ها شامل گنجاندن یک متغیر وابسته به زمان است تا مدل تکامل حمایت عمومی برای یک حزب یا علت در طول زمان باشد. به طور معمول این متغیر به عنوان پیاده روی تصادفی مدل سازی می شود. این مشکل است زیرا فرضیه های اصلی پیاده روی تصادفی که بسیار محدود کننده هستند، تجربی ندارند. ما یک جایگزین انعطاف پذیر تر پیشنهاد می دهیم که در آن متغیر وابسته به زمان با استفاده از ایده های تجزیه و تحلیل سری زمانی مدل سازی می شود. این رویکرد در یک مدل عمومی در نظر گرفته شده است که اجازه می دهد تا شامل انواع مختلفی از متغیرها باشد. ما بر روی تکنیک های تخمین بیزی متکی هستیم. با استفاده از الگوریتم های مونت کارلو زنجیره مارکف، فواصل قابل اعتماد می تواند به دست آید و ساده است که شامل عدم قطعیت پارامترهای تخمینی در پیش بینی ها باشد. کاربرد مدل در انتخابات فدرال آلمان سال 2013 مزایای روش جدید را نشان می دهد.
موضوعات مرتبط
علوم انسانی و اجتماعی علوم اجتماعی جغرافیا، برنامه ریزی و توسعه
پیش نمایش مقاله
اثرات اتخاذ شده در مدل انتخابات مبتنی بر نظرسنجی برای انتخابات فدرال آلمان
چکیده انگلیسی
Poll-based methods have been used to forecast elections in various countries and settings. A common factor of these models is the inclusion of a time-dependent variable to model the evolution of public support for a party or cause over time. Typically this variable is modeled as a random walk. This is problematic as the underlying assumptions of a random walk, which are very restrictive, don't hold empirically. We propose a more flexible alternative where the time-dependent variable is modeled using ideas from time series analysis. This approach is embedded in a generic model which allows for the inclusion of various covariates. We rely on Bayesian estimation techniques. Using Markov chain Monte Carlo algorithms, credible intervals can be obtained, and it is straightforward to include the uncertainty of the estimated parameters in forecasts. An application of the model to the German federal election of 2013 indicates the benefits of the new approach.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Electoral Studies - Volume 54, August 2018, Pages 66-80
نویسندگان
,