Appearance
What makes party systems different? A principal component analysis of 17 advanced democracies 1970–2013
Summary
Problem: 政党制度（即一国内政党的数量与规模）在不同国家间差异巨大，但如何以最少的维度概括这些差异是一个经典的降维问题。既有研究分为两条路径：一是定性类型学（如Sartori、Mair等），虽能捕捉多维差异但难以用于定量研究；二是定量指标（如有效政党数ENP），虽便于计算但可能只捕捉了政党制度的一个方面。两条路径从未对话，且ENP等指标对重要政治结果的影响证据有限。本文旨在回答：什么维度最能区分政党制度？ Approach: 作者对17个欧洲国家1970–2013年的政党席位份额数据（675个国年观测，20个变量）进行主成分分析（PCA），将高维数据投影到低维空间，识别数据变异最大的正交维度。随后将PCA结果与既有类型学和量化指标进行比较，并对比选举与立法政党制度的差异。 Finding: 区分政党制度最重要的两个维度是：（1）“两大政党的规模”（PC1，解释71%的变异）——对比两大政党远大于其他政党与两大政党并不显著大于其他政党的国家；（2）“两大政党之间的竞争”（PC2，解释17%的变异）——对比两大政党规模相近（两党竞争）与第一大党显著大于第二大党（一党主导）的国家。前两个主成分合计解释约87%的变异。类型学实际上依据这两个维度对国家进行分类，而ENP等常用指标仅与第一维度相关。 Significance: 本文为政党制度研究提供了一个多维度的量化框架，表明现有文献过度依赖ENP等单维指标，忽略了竞争维度。作者建议使用反对党集中度和竞争指数来测量政党制度的竞争性，从而更全面地评估政党制度结构对政治结果的影响。
Theoretical Framework
- Theoretical tradition: 比较政治学中的政党制度研究，属于政党制度类型学与量化测量传统的交叉领域。
- Prior theories built upon: Duverger（1954）的两党制与多党制区分；Blondel（1968）按政党数量与相对规模分类；Dahl（1966）、Rokkan（1970）、Sartori（1976）、Mair（2002）的类型学；Laakso和Taagepera（1979）的有效政党数（ENP）；Rae和Taylor（1970）的政党碎片化指数；Kesselman（1966）的超碎片化指数；Katz和King（1999）及Rozenas（2011）的席位份额分布方法。
- Causal mechanism: 本文并非因果分析，而是描述性/探索性研究。其隐含的逻辑是：政党制度的差异可以通过数据变异最大的正交维度来刻画，这些维度反映了政党规模分布的结构特征（两大政党相对规模、两大政党间竞争程度），而这些结构特征可能影响政治结果（如政府形成、政策产出）。
- Key assumptions: （1）政党席位份额数据是组成性数据（每行加总为1），因此不应进行标准化处理；（2）PCA的线性投影假设数据近似高斯分布；（3）数据变异最大的方向即是最能区分政党制度的维度；（4）席位份额（而非选票份额）是衡量政党制度的主要依据。
- Theoretical move: 本文应用PCA这一计算方法来综合既有类型学与量化指标两条研究路径，挑战了ENP作为政党制度核心测量指标的垄断地位，并扩展了政党制度多维测量的可能性。
- Scope conditions: 样本限于17个欧洲发达民主国家（1970–2013），结论的推广需谨慎。作者指出，在比例代表制国家中选举与立法政党制度几乎一致，而在单一选区制或混合制国家中两者差异较大。
Research Design
本文为观察性、纵向、比较性研究，采用主成分分析（PCA）作为核心方法。分析单元为国家-年份（country-year）。关键变量为各政党的席位份额（主要分析）和选票份额（辅助分析），按政党规模降序排列为20个变量（第一大党席位份额、第二大党席位份额……第20大党席位份额）。PCA提取的主成分（PC1“两大政党规模”、PC2“两大政党间竞争”）为隐含的因变量/核心维度。作者还通过联合PCA（同时纳入席位与选票份额）比较选举与立法政党制度，并使用多边形面积、标准差差（Sddiffxy）和面积-周长比（A/P）等指标量化各国政党制度的变化幅度与方向。
Data & Sample
- N: 675个国年观测（席位份额矩阵）；联合分析中为1,350行（每个国年两行：席位与选票）。
- Population: 17个欧洲发达民主国家：奥地利、比利时、丹麦、芬兰、法国、德国、希腊、冰岛、爱尔兰、意大利、卢森堡、荷兰、挪威、葡萄牙、西班牙、瑞典、英国。
- Time period: 1970–2013年。葡萄牙自1975年（民主化后首次选举）、西班牙自1977年纳入；德国1990年前为西德数据，之后为统一德国。
- Data source: 政党席位份额与选票份额数据集，公开可获取（https://doi.org/10.7910/DVN/Q0OIMY）。
- Data collection: 二手数据汇编，每个国年中政党按规模排序，席位份额加总为1（组成性数据）。政党数量从3个（奥地利1970–1986、希腊1981–1984）到20个（意大利2006–2007）不等。
Analytical Strategy
- 核心方法：对席位份额矩阵进行PCA（均值中心化，不缩放变量，因变量为可公度的席位份额且缩放会破坏组成性约束）。通过特征值分解协方差矩阵获得主成分。
- 维度选择：依据Jolliffe（2002）的建议，保留解释70%–90%累积变异的主成分。前两个主成分解释87.12%的变异（PC1: 71.04%，PC2: 16.59%）。碎石图检验和broken stick规则支持保留两个维度；Kaiser准则建议保留三个，但第三维度与既有类型学和指标无关联（见在线附录G）。
- 比较分析：（1）将PCA结果与既有类型学（Duverger、Blondel、Sartori、Mair等）和量化指标（ENP、碎片化指数等）进行对比；（2）对选票份额进行单独PCA，并与席位份额PCA结果比较相关性（cor = 0.98）；（3）进行联合PCA（席位+选票）以比较选举与立法政党制度。
- 稳健性检查：在线附录中考察第三维度与类型学/指标的关系；使用多边形面积、标准差差（Sddiffxy）、面积-周长比（A/P）等指标量化变化。
Results & Findings
发现1：两大核心维度。PCA识别出区分政党制度最重要的两个维度：PC1“两大政党的规模”（解释71%变异）——对比两大政党远大于其他政党（如英国）与两大政党并不显著大于其他政党（如多党制国家）的政党制度；PC2“两大政党间的竞争”（解释17%变异）——对比两大政党规模相近（两党竞争，如英国）与第一大党显著大于第二大党（一党主导，如1970年代的法国）。这两个维度共同解释了约87%的变异，意味着政党制度的大部分差异可以用这两个维度概括。
发现2：类型学与PCA的对应关系。既有类型学（如Blondel、Sartori、Mair）实际上依据这两个维度对国家进行分类——类型学中的“两党制”对应PC1高值（两大政党规模大）和PC2高值（竞争激烈），“一党主导制”对应PC1高值但PC2低值，“多党制”对应PC1低值。这表明定性类型学与定量PCA在核心维度上高度一致，但类型学难以处理政党制度的动态变化。
发现3：ENP等指标仅捕捉第一维度。常用指标如有效政党数（ENP）与PC1高度相关，即只测量了“两大政党的规模”这一维度，而忽略了“竞争”维度。作者进一步指出，一些研究中同时使用的指标（如ENP和政府中政党数量）彼此高度相关，可能导致多重共线性问题。
发现4：选举与立法政党制度的差异。在比例代表制国家（奥地利、比利时、丹麦、芬兰、冰岛、荷兰、瑞典等），选举与立法政党制度的变化几乎一致；而在单一选区制（英国、法国）或混合制（德国、意大利）国家，两者存在明显差异。例如，意大利1993年选举改革后政党碎片化先增后减，到2010年代恢复到改革前水平。
发现5：各国政党制度变化的模式差异。法国是变化最大的国家（多边形面积0.038），其政党制度从1970年代的一党主导演变为2010年代的近乎两党制；英国主要在竞争维度（PC2）上变化（Sddiffxy = −0.0638），即两大政党相对规模发生变化；意大利和德国主要在规模维度（PC1）上变化（Sddiffxy分别为0.0824和0.0321）；冰岛、芬兰和西德在1970–2013年间几乎不变。
零结果/意外发现：第三维度（PC3“第三党”）解释7.47%的变异，但与既有类型学和指标无关联（在线附录G）；第四维度（PC4“多党制”）含义不明确。作者未发现ENP等指标与重要政治结果之间的显著关联（这是既有文献的空白，本文未直接检验）。
Limitations
- 样本限于17个欧洲发达民主国家，结论可能不适用于其他地区或新兴民主国家。
- PCA是线性方法，假设数据近似高斯分布，可能无法捕捉非线性关系。
- 席位份额数据为组成性数据，PCA的适用性虽有理论支持，但未进行充分的敏感性分析（如不同标准化方法的比较）。
- 第三、第四主成分的解释不明确，维度保留标准存在争议（碎石图建议2个，Kaiser准则建议3个）。
- 本文是描述性/探索性研究，未检验所识别维度对政治结果（如政策产出、政府稳定性）的因果影响。
- 类型学与PCA的对应关系是基于定性判断，缺乏系统的量化比较方法。
Key Contributions
- 首次使用PCA对17个发达民主国家40余年的政党席位份额数据进行系统性降维分析，识别出区分政党制度的两大核心维度（两大政党规模与竞争程度）。
- 弥合了定性类型学与定量指标之间的鸿沟，证明类型学实际上依据PCA识别的两个维度进行分类，为类型学的量化应用提供了基础。
- 揭示ENP等常用指标仅捕捉政党制度的一个维度（规模），忽略了竞争维度，为政党制度测量提供了多维度的替代方案。
- 提出使用反对党集中度和竞争指数来测量政党制度的竞争性，为未来研究政党制度对政治结果的影响提供了新工具。
- 提供了选举与立法政党制度差异的系统比较，展示了不同选举制度下两者的一致性与差异性。
- 开发了量化政党制度动态变化的方法（多边形面积、标准差差、面积-周长比），可用于追踪各国政党制度的演变轨迹。
Key Claims
"I find that the most important dimensions that differentiate party systems are: 'the size of the biggest two parties' and the level of 'competition between the two biggest parties.'" (Abstract)
"I find that typologies sort countries into categories based on variation along both dimensions. On the other hand, most of the current political science literature use measures (e.g., the effective number of parties) that are correlated with the first dimension." (Abstract)
"I suggest that instead of these, indices that measure the opposition structure and competition could be used to explore problems pertaining to the competitiveness of the party systems." (Abstract)
"The first dimension (PC1) contrasts countries where the two biggest parties are much larger than the other parties with countries where the two biggest parties are not much larger than the other parties. I call this dimension 'Size of the Biggest Two Parties.'" (Section 4.1)
"The second dimension (PC2) contrasts countries where the two biggest parties are similar in size with countries where the biggest party is significantly larger than the second-biggest party. This dimension contrasts countries that have two-party competition with countries that have one dominant party." (Section 4.1)