Appearance
“moderates”
Summary
Problem: Fowler等人（2023）在《Moderates》一文中提出了一种混合模型方法，声称可以识别出观点能被自由-保守意识形态维度“良好概括”的选民（即“Downsians”），并据此推断其中意识形态估计值居中的“温和派”在具体议题上持有中间立场。本文指出该方法存在系统性缺陷：模型中的“Conversian”（非意识形态）类别被定义得过于严格，只能容纳单一类型的非意识形态选民，导致大量真正的非意识形态选民被错误归类为“Downsian”，从而高估了意识形态维度的解释力，使“温和派”结论不可靠。 Approach: 本文首先从理论上分析“Moderates”混合模型的数学结构，指出“Conversian”类别在数学上等价于所有受访者共享同一理想点的受限“Downsian”模型，只能描述单一类型的非意识形态选民。随后通过图形化示例（二维空间模型）展示模型分类的几何问题，并在模拟数据中控制数据生成过程，检验模型对非意识形态选民的分类表现。 Finding: 模拟结果显示，在符合Converse（1964）非意识形态约束概念的数据生成过程中，“Moderates”模型将约四分之三的真正非意识形态选民错误归类为“Downsian”。这些被错误归类的选民尤其容易被归类为意识形态居中的“温和派”，导致模型高估了“温和派”的数量及其持有中间立场的可能性。 Significance: 本文揭示了一个被广泛引用的APSR文章的核心方法论缺陷，表明其关于“温和派”选民持有真正中间立场的结论缺乏可靠依据。这对理解美国公众舆论的结构、意识形态约束的程度以及“温和派”在选举政治中的角色具有重要意义，提醒研究者在使用混合模型分类时需谨慎对待模型假设的对称性和灵活性。
Theoretical Framework
- Theoretical tradition: 本文属于政治学中关于公众舆论结构、意识形态约束（ideological constraint）和选民分类的实证研究传统，延续了Converse（1964）以来关于美国公众舆论是否具有一维意识形态结构的学术争论。
- Prior theories built upon: 本文直接基于Converse（1964）的“约束”（constraint）概念，以及Fowler等人（2023）提出的“Downsian”、“Conversian”、“Inattentive”三类选民混合模型。同时参考了Ahler和Broockman（2018）关于跨压力选民的研究，以及Ansolabehere、Rodden和Snyder（2008）、Lauderdale、Hanretty和Vivyan（2018）、Kinder和Kalmoe（2017）等关于意识形态约束的研究。
- Causal mechanism: 本文的核心机制是模型分类的几何不对称性：“Downsian”模式是一条可自由移动的线（一维意识形态谱系），而“Conversian”模式是一个可自由移动的点（单一共享响应概率向量）。在二维空间中，线比点“更大”、更灵活，因此更多受访者（数据点）在距离上更接近线而非点，导致大量非意识形态选民被归类为“Downsian”。这一机制导致模型系统性地高估意识形态维度的解释力。
- Key assumptions: 本文指出“Moderates”模型隐含的关键假设是：非意识形态选民（“Conversians”）必须是同质的、形成单一集群，共享相同的议题响应概率。这一假设排除了多种非意识形态选民类型共存的可能性，与Converse（1964）关于非意识形态约束（如群体情感）的论述不符。
- Theoretical move: 本文挑战并试图推翻Fowler等人（2023）的核心方法论结论。它不是简单地扩展或应用现有理论，而是通过揭示模型假设的不对称性，质疑“Moderates”模型能否实现其声称的“识别观点可被意识形态维度良好概括的选民”这一目标，从而对“温和派”结论提出根本性质疑。
- Scope conditions: 本文的批评针对Fowler等人（2023）使用的特定混合模型方法，其结论适用于采用类似“单一集群”非意识形态类别设定的模型。本文不否认一维意识形态模型在某些选民群体中可能具有解释力，但强调在模型类别设定不对称时，分类结果不可靠。
Research Design
本文采用模拟研究（simulation study）设计。研究类型为计算模拟，通过控制数据生成过程（DGP）来检验“Moderates”模型在不同理论假设下的分类表现。分析单元为模拟生成的个体受访者。关键自变量是受访者的真实潜在观点结构（分为“非意识形态”、“部分意识形态约束”、“一维意识形态”三种DGP），因变量是“Moderates”模型对受访者的分类结果（“Downsian”、“Conversian”或“Inattentive”）。模型分类通过估计Fowler等人（2023）的三模式混合模型获得，受访者的意识形态估计值（xi）用于进一步识别“温和派”（即意识形态估计值位于中间三分之一的“Downsians”）。
Data & Sample
本文使用模拟数据，不涉及真实调查样本。主要模拟设定为：15个议题领域，每个领域5个问题，共75个二元议题问题。三种DGP各生成5,000名受访者，合并为一个包含15,000名受访者的数据集。模拟使用Rasch模型将受访者在各议题领域的潜在观点转化为观测到的二元响应，并加入测量误差。此外，补充材料中还包括包含“自由意志主义者”（Libertarian）、“纯粹党派”（pure partisans）和“不专注者”（inattentive）等额外DGP的第二种模拟。时间跨度为单一时点，数据来源为模拟生成。
Analytical Strategy
本文的分析策略包括：（1）理论分析：从数学上解析“Moderates”混合模型的三个模式，指出“Conversian”模式在数学上等价于所有受访者共享同一理想点的受限“Downsian”模型；（2）图形化展示：使用二维IRT模型估计受访者在两个潜在维度上的位置，并用颜色标注“Moderates”模型的分类结果，直观展示分类的几何问题；（3）模拟检验：在控制DGP的条件下，估计“Moderates”模型并比较其分类结果与真实类别。主要统计指标是模型将各DGP受访者归类为“Downsian”、“Conversian”和“Inattentive”的比例，以及被归类为“温和派”（意识形态估计值居中的“Downsians”）的比例。稳健性检验包括在补充材料中引入额外DGP（如“自由意志主义者”），并检验模型在不同设定下的分类表现。
Results & Findings
- 主要发现一：模型系统性高估“Downsian”比例。在模拟数据中，当受访者的真实观点完全不受一维意识形态约束（“非意识形态”DGP）时，“Moderates”模型将约四分之三的这类受访者错误归类为“Downsian”。这意味着模型声称识别的“意识形态选民”中包含了大量观点实际上无法从一维意识形态推断的个体。这一发现直接挑战了Fowler等人（2023）的核心结论，即大多数选民的观点可被意识形态维度良好概括。
- 主要发现二：被错误归类的非意识形态选民尤其容易被识别为“温和派”。模拟中，三种DGP被构造为具有相同比例的潜在中间立场受访者，但模型将真正的非意识形态受访者归类为“温和派”（意识形态居中的“Downsians”）的比例约为真正意识形态受访者的两倍。这是因为持有混合自由-保守观点的受访者（如在一个维度上自由、另一个维度上保守）在几何上最接近意识形态谱系的中间位置，因此被归类为“温和派”并推断其持有中间议题立场，而实际上他们的观点是跨领域的混合立场。
- 主要发现三：“Conversian”类别只能捕捉单一类型的非意识形态选民。补充模拟显示，当引入一个具有独特观点的单一集群（如“自由意志主义者”）时，模型会将其全部归类为“Conversian”，但随后几乎所有其他选民都被归类为“Downsian”。这表明“Conversian”类别无法容纳多种类型的非意识形态选民，与文章声称的“灵活”捕捉非意识形态选民的说法不符。
- 零结果与意外发现：本文未报告传统意义上的零结果，但其核心发现本身就是对Fowler等人（2023）结论的否定。意外发现是，模型分类的几何不对称性（线比点更“大”）导致“Downsian”类别在数学上天然更具吸引力，这一发现与政治意识形态的实际结构无关，纯粹是模型设定的产物。
Limitations
本文作者承认以下局限：（1）模拟研究依赖人为设定的数据生成过程，无法完全代表真实调查数据的复杂性；（2）本文的批评不依赖于存在两个真实议题维度，二维空间模型仅用于可视化目的，但模拟中的DGP设定（如15个独立议题领域）仍是对真实舆论结构的简化；（3）本文未直接检验Fowler等人（2023）关于“温和派”在选举中更易改变投票行为的实质性结论，仅质疑其方法论基础；（4）作者承认“Moderates”模型可能在某些条件下表现良好，但本文未系统探索这些条件。
Key Contributions
- 揭示了Fowler等人（2023）“Moderates”混合模型的核心方法论缺陷：“Conversian”类别被定义为单一同质集群，无法容纳多种类型的非意识形态选民，导致模型系统性高估“Downsian”比例。
- 通过几何论证（线vs.点）解释了为何“Downsian”类别在数学上天然更具吸引力，表明“Moderates”的主要发现（多数选民是意识形态选民）可能是模型设定的产物而非政治现实。
- 通过模拟数据证明，在符合Converse（1964）非意识形态约束概念的数据生成过程中，模型将约四分之三的真正非意识形态选民错误归类为“Downsian”，且这些选民尤其容易被归类为“温和派”。
- 对“温和派”选民持有真正中间立场的结论提出根本性质疑，表明大量表达混合自由-保守观点的选民可能仍是跨压力选民，而非真正的中间立场持有者。
- 为政治学中的混合模型应用提供了方法论警示：模型类别的灵活性和对称性设定对分类结果有重大影响，研究者需谨慎对待模型假设与理论概念之间的对应关系。
Key Claims
"We show that this method systematically overstates how many voters’ views are well-summarized by liberal-conservative ideology: it assumes voters’ views are unless they either answer questions randomly or form a single cluster with distinctive views." (Abstract)
"The key problem is that more points (respondents) tend to be closer to the movable line than the movable or fixed points, as was the case in Figure 1. This is simply because a line is 'bigger' than a point—that is, it is a more flexible description of the data than the two points are—not because of anything about the structure of ideology." (Section "Visualizing the Problem")
"In other words, the main finding of 'Moderates' that more voters are labeled as 'Downsian' (close to a line) than 'Conversian' (close to a point) is a feature of geometry, not politics." (Section "Visualizing the Problem")
"Table 1’s first row shows that the 'Moderates' model miscategorized three-quarters of non-ideological respondents as ideologues ('Downsians') in this simulation. These respondents are simulated to match Fowler et al.’s (2023) verbal description of the 'Conversian' type, yet the 'Moderates' model usually categorizes them as 'Downsian.'" (Section "Estimates in Simulated Data")
"The article’s core conclusion that many voters who express a mix of conservative and liberal views can be inferred to support centrist policies therefore remains in doubt." (Abstract)