Appearance
Contested killings: The mobilizing effects of community contact with police violence
Summary
Problem: 警察杀人事件在美国具有政治化效应，但既有研究对这类事件是否动员或抑制选民投票提供了相互矛盾的预期。个人接触刑事司法系统会抑制投票，而邻近接触的影响有限；地方性政策威胁理论则预期动员效应。本文旨在厘清警察杀人事件对地方投票率的因果效应。 Approach: 作者提出“社区接触”理论，认为警察杀人事件作为与政府行为相关的高可见性事件，在社区叙事将其与政府和结构性原因联系起来时，可以刺激投票率。利用警察杀人事件发生在选举日前后的“准随机”时间，采用回归不连续时间（RDiT）设计，比较选举日前与选举日后发生杀人事件的邻近社区，以估计对投票率的因果效应。 Finding: 研究发现警察杀人事件具有动员效应，但这种效应仅在事件在谷歌上“热门”时出现，且集中在黑人社区或受害者是黑人的情况下。此外，靠近杀人事件也增加了对废除警察政策的支持。 Significance: 本研究首次使用全国性的行政记录（选民档案）而非调查数据，在多次选举中检验警察杀人事件对实际投票率的影响，验证了既有调查研究的结论，并扩展了地方动员理论，表明其不仅适用于突发的、地理上受限的政策变化，也适用于可与政府政策或行动联系起来的事件。
Theoretical Framework
- Theoretical tradition: 该论文属于政治行为与种族政治交叉领域，融合了地方动员理论、种族化政策反馈理论和社会运动理论。
- Prior theories built upon: 论文明确建立在以下理论之上：Nuamah和Ogorzalek (2021) 的地方动员理论；Garcia-Rios等人 (2021) 的种族化政策反馈理论；Benford和Snow (2000) 的社会运动框架理论；以及关于刑事法律系统接触（个人、邻近、社区）的政治后果研究（如Burch 2011; Lerman and Weaver 2014; Walker 2014; 2020; White 2019b）。
- Causal mechanism: 机制是：警察杀人事件作为高可见性的、与政府行动相关的事件，通过社会运动（如BLM）提供的解释性框架，被社区成员理解为更广泛的结构性种族不公正的一部分。这种框架将个人经历与政治行动联系起来，从而激发政治参与，尤其是投票。
- Key assumptions: 理论假设包括：(1) 警察杀人事件是相对罕见但高度可见的事件；(2) 社区成员即使没有直接个人接触，也能通过媒体、社区网络等感知到事件；(3) 社会运动提供的叙事框架能够帮助居民将孤立事件重新解释为系统性问题的证据；(4) 这种叙事在黑人社区中更具共鸣。
- Theoretical move: 该论文扩展了地方动员理论，将其适用范围从地理上集中的政策变化扩展到可与政府政策或行动联系起来的事件（如警察杀人）。同时，它区分了三种类型的接触（个人、邻近、社区），并表明社区接触可以增加投票率，这与个人接触的抑制效应形成对比。
- Scope conditions: 理论预期效应在事件获得社区关注（如谷歌趋势）时更强，在黑人社区或受害者是黑人时更强。研究基于美国2016年和2020年选举，其结论可能适用于具有类似种族化警务叙事和强大社会运动背景的语境。
Research Design
本研究采用观察性研究设计，具体为回归不连续时间（RDiT） 设计。分析单位是人口普查区组（census block group）。关键自变量是警察杀人事件的发生及其与选举日的相对时间（选举日前或后），以及与杀人事件的地理邻近性。因变量是区组层面的选民投票率，通过全国选民档案数据操作化。此外，还使用明尼阿波利斯2021年废除警察公投的选区层面结果作为因变量，检验对警务改革的支持度。调节变量包括事件是否在谷歌上“热门”、区组的种族构成（黑人社区）以及受害者种族。
Data & Sample
- 样本量: 研究覆盖2016年和2020年两次选举，涉及全国范围内的区组。具体N未在摘要中提供，但提到70%的美国人居住在选举前6个月内发生杀人事件的县，63%居住在10英里范围内。
- 总体: 美国全国范围内的选民和社区。
- 国家/地区: 美国。
- 数据收集方法: 使用全国选民档案数据（行政记录），结合警察杀人事件数据（可能来自Fatal Encounters或类似数据库），以及谷歌趋势数据（用于衡量事件是否“热门”）。
- 时间范围: 2016年和2020年选举，以及2021年明尼阿波利斯公投。
- 数据来源: 全国选民档案、警察杀人事件数据库、谷歌趋势、明尼阿波利斯选区选举结果。
Analytical Strategy
- 统计模型: 采用回归不连续时间（RDiT） 方法，比较选举日前与选举日后发生警察杀人事件的邻近区组的投票率差异，以估计因果效应。
- 关键控制变量: 摘要未明确列出所有控制变量，但RDiT设计本身通过比较时间上临近的区组来控制时间趋势和区组特征。
- 稳健性检验: 摘要提到通过比较“趋势”与“非趋势”事件、黑人社区与非黑人社区、黑人受害者与非黑人受害者来检验效应的异质性。对于明尼阿波利斯公投分析，作者明确指出该关系是相关性而非因果性。
Results & Findings
- 主要发现1（H1）: 警察杀人事件对邻近社区的投票率有动员效应。这意味着，与选举日后发生杀人事件的社区相比，选举日前发生杀人事件的社区投票率更高。这支持了社区接触理论的预期。
- 主要发现2（H2）: 动员效应在事件于谷歌上“热门”时更大。这表明社区关注度和信息传播（以及可能的社会运动框架的接触）是动员效应的关键条件。
- 主要发现3（H3a & H3b）: 效应集中在黑人社区，并且当受害者是黑人时效应更大。这与种族化政策反馈理论和社会运动叙事的预期一致，即这些叙事在黑人社区中更具共鸣。
- 主要发现4（H4）: 靠近警察杀人事件的投票区更支持废除警察的倡议。虽然这一关系不是因果性的，但它与因果机制一致，即暴露于警察暴力的选民对警察的支持度降低，并转向投票箱表达不满。
- 零结果与意外发现: 摘要未明确提及零结果。但值得注意的是，动员效应并非普遍存在，而是依赖于社区关注（谷歌趋势）和种族背景，这表明在没有这些条件的情况下，效应可能不存在或较弱。
Limitations
- 明尼阿波利斯公投分析是相关性而非因果性的，作者明确承认了这一点。
- 研究设计无法具体区分所提出的机制（如社会运动框架的作用），作者在文中提到“我们研究的设置无法具体区分”。
- 使用谷歌趋势作为社区关注的代理变量可能不完美，可能无法捕捉所有形式的社区关注或社会运动活动。
- 研究聚焦于2016年和2020年选举，其结论的推广性可能受限于特定的政治和社会背景。
Key Contributions
- 首次使用全国性行政选民档案数据，在多次选举中检验警察杀人事件对实际投票率的因果效应，验证了基于调查研究的结论。
- 明确区分了个人、邻近和社区三种与刑事法律系统的接触类型，并表明社区接触可以增加投票率，与个人接触的抑制效应形成对比。
- 扩展了地方动员理论，将其适用范围从地理上集中的政策变化扩展到可与政府政策或行动联系起来的事件。
- 强调了社会运动在提供解释性框架方面的作用，并表明效应在更符合这些叙事的事件中更大。
- 构建了一个全国性测试，证明了动员效应在美国各地普遍存在，超越了以往针对特定地区的研究。
Key Claims
"We find a mobilizing effect. These effects are larger when they “trend” on Google, occur in Black communities, or if the victim is Black." (Abstract) "We argue that when a highly visible event tied to government actions occurs—like a police killing—it can spur turnout. This is especially true where public narratives tie such events to government and structural causes." (Abstract) "We conclude that police violence increases electoral participation in communities where narratives about racially unjust policing resonate most." (Abstract) "In communities where a police killing recently occurred, voter turnout will increase (H1)." (Section: A Theory of Local Mobilization) "We expect that: geographical proximity to a police killing will be associated with support for policing reforms on the ballot (H4)." (Section: A Theory of Local Mobilization)