精装
政治方法论的进步
这个研究集合提供了34篇文章的最新进展和5个重要和蓬勃发展的实证方法论领域的现状:贝叶斯方法;时间持续性、依赖性和动态性的建模;network-analytic方法论;文本、分类和大数据分析方法;基于设计的非参数因果推理方法。这些杰出的文章，由领先的学者，开创性地提供了当前在这些各自领域的最佳实践的明确声明。他们一起描述了在政治科学中应用实证分析的现代实证方法论的前沿概况。这是学习和研究政治方法论的重要资源。
更多信息
的一致好评
贡献者
内容
更多信息
这个研究集合提供了34篇文章的最新进展和5个重要和蓬勃发展的实证方法论领域的现状:贝叶斯方法;时间持续性、依赖性和动态性的建模;network-analytic方法论;文本、分类和大数据分析方法;基于设计的非参数因果推理方法。这些杰出的文章，由领先的学者，开创性地提供了当前在这些各自领域的最佳实践的明确声明。他们一起描述了在政治科学中应用实证分析的现代实证方法论的前沿概况。这是学习和研究政治方法论的重要资源。
的一致好评
在他们的标题中，少数书籍有“政治方法论”，因为纪律尚未妥善组织。该系列提供了一个简洁的领域图片，并将地标文章放入角度。它还涵盖了政治学中统计分析的最新发展。
- 日本东京的Gakushuin University，肯塔卢罗福清
“政治(和其他社会)科学的研究生和研究人员将感谢Franzese教授，为处理最重要的当前政治方法论(贝叶斯方法，时间问题，网络，文本，大数据和因果关系)的格式，使这些文章易于在研究生课上使用，或为想要了解这些重要领域的最新进展的研究人员。弗兰泽教授提供了一个新的介绍，很好地把这些文章放在一个更广泛的背景下。”
- 纽约大学Nathaniel Beck，美国
“政治科学家们对社会科学方法论的最新进展有巨大贡献。由Franzese教授收集的此前发表的文章收集了一些政治科学对现代研究方法的最重要贡献的优秀概述。本书为Ph.D提供了极其有用（和苛刻）课程的基础。学生和一名必须阅读实证研究人员。“
- 奥地利维也纳经济大学ThomasPlümper
内生性、因果异质性和语境条件性在社会现象的实证研究中无处不在。这个集合展示了政治方法论在过去的一二十年里在解决这些问题和更好地解释社会互动的复杂性方面所取得的显著进步。最近发展起来的实证方法在本集合中展示了，揭示了该领域的领先研究人员如何更好地适应我们研究的社会、政治和经济现象背后的数据生成过程。Rob Franzese是一名主要的方法论学家他提供了一系列政治方法论方面的作品这些作品解决了我们面临的基本方法论问题这本文集将成为我们这个领域的核心阅读标准
- Vera E. Troeger, Warwick大学，英国
- 日本东京的Gakushuin University，肯塔卢罗福清
“政治(和其他社会)科学的研究生和研究人员将感谢Franzese教授，为处理最重要的当前政治方法论(贝叶斯方法，时间问题，网络，文本，大数据和因果关系)的格式，使这些文章易于在研究生课上使用，或为想要了解这些重要领域的最新进展的研究人员。弗兰泽教授提供了一个新的介绍，很好地把这些文章放在一个更广泛的背景下。”
- 纽约大学Nathaniel Beck，美国
“政治科学家们对社会科学方法论的最新进展有巨大贡献。由Franzese教授收集的此前发表的文章收集了一些政治科学对现代研究方法的最重要贡献的优秀概述。本书为Ph.D提供了极其有用（和苛刻）课程的基础。学生和一名必须阅读实证研究人员。“
- 奥地利维也纳经济大学ThomasPlümper
内生性、因果异质性和语境条件性在社会现象的实证研究中无处不在。这个集合展示了政治方法论在过去的一二十年里在解决这些问题和更好地解释社会互动的复杂性方面所取得的显著进步。最近发展起来的实证方法在本集合中展示了，揭示了该领域的领先研究人员如何更好地适应我们研究的社会、政治和经济现象背后的数据生成过程。Rob Franzese是一名主要的方法论学家他提供了一系列政治方法论方面的作品这些作品解决了我们面临的基本方法论问题这本文集将成为我们这个领域的核心阅读标准
- Vera E. Troeger, Warwick大学，英国
贡献者
34篇文章，从1997年到2016年
贡献者包括:F.J. Boehmke, J.M. Box-Steffensmeier, J. Freeman, A. Gelman, J. Gill, J. Hays, S. Jackman, L. Keele, J. Sekhon, R. Titiunik
贡献者包括:F.J. Boehmke, J.M. Box-Steffensmeier, J. Freeman, A. Gelman, J. Gill, J. Hays, S. Jackman, L. Keele, J. Sekhon, R. Titiunik
内容
内容:
研究点评Robert J. Franzese Jr.
我在贝叶斯方法进步的部分
1.西蒙·杰克曼(2000)，“基于贝叶斯模拟的估计和推断:马尔科夫链蒙特卡罗导论”，《美国政治科学》，44(2)，4月，175 - 175
2.乔舒亚·克林顿、西蒙·杰克曼和道格拉斯·里弗斯(2004)，“点名数据的统计分析”，《美国政治科学评论》，第98期(2)，5月，555 - 70
3.Richard Traunmüller, Andreas Murr和Jeff Gill(2015)，“基于Dirichlet过程先验的投票数据潜在信息建模”，政治分析，23(1)，冬季，1 - 20
4.Yair Ghitza和Andrew Gelman(2013)，“与MRP的深度互动:小选举群体的选举投票率和投票模式”，《美国政治科学杂志》，57(3)，7月，762-76
5. Devin Caughey和Christopher Warshaw（2015），'使用等级集团级IRT模型的潜在观点的动态估计'，政治分析，23（2），春季，197-211
第二部分在时间序列，时间系列 - 横截面/面板和事件历史/持续时间建模的进步
6.Janet M. Box-Steffensmeier和Bradford S. Jones(1997)，“时间的本质:政治科学中的事件历史模型”，《美国政治科学》，41 (4)，1414-61
7. Frederick J. Boehmke, Daniel S. Morey and Megan Shannon (2006), ‘Selection Bias and Continuous-Time Duration Models: Consequences and a Proposed Solution’, American Journal of Political Science, 50 (1), January, 192–207
8. Jude C. Hays，Emily U. Schilling和Frederick J. Boehmke（2015年），在相互依存的持续时间分析中审议审查，政治分析，23（3）夏季，400-14
9.Jude C. Hays和Robert J. Franzese, Jr.(2009)，“空间滞后计数模型的几个估计量的小样本性质的比较”，论文提交于2009年政治方法论学会夏季会议，纽黑文，CT，美国，7月23-5日，i, 1-27
10.Patrick T. Brandt, Michael Colaresi和John R. Freeman(2008)，“互惠、责任和可信度的动力学”，《冲突解决期刊》，52(3)，6月，343-74
11.Patrick T. Brandt, John R. Freeman和Philip A. Schrodt(2011)，“国家间和国家内部政治冲突的实时时间序列预测”，冲突管理与和平科学，28(1)，2月，41-64
12.Daniel Stegmueller(2013)，“动态偏好建模:一个贝叶斯鲁棒动态潜在有序Probit模型”，政治分析，21(3)，夏季，314-33
13.Xun Pang (2014), ‘Varying Responses to Common Shocks and Complex Cross-Sectional Dependence: Dynamic Multilevel Modeling with Multifactor Error Structures for Time–Series Cross–Sectional Data’, Political Analysis, 22 (4), Autumn, 464–96
14.Robert J. Franzese, Jr.和Jude C. Hays(2008)，“空间相互依赖的经验模型”，Janet M. Box-Steffensmeier, Henry E. Brady和David Collier(编著)，牛津政治方法论手册，牛津大学出版社，第七部分，第25章，570-604
15.Robert J. Franzese, Jr.， Jude C. Hays和Scott J. Cook(2016)，“相互依赖的二元结果的空间-时空自回归Probit模型”，政治科学研究与方法，4(1)，1月，51 - 73
第三部分网络分析进展
16.B. A. Desmarais和S. J. Cranmer(2012)，“网络的统计力学:估计和不确定性”，物理A:统计力学及其应用，391(4)，二月，1865-76
17.Bruce A. Desmarais和Skyler J. Cranmer(2012)，“指数随机图模型的微观解释及其在河口网络中的应用”，《政策研究》，40(3)，8月，408 - 34
18.Bruce A. Desmarais, Jeffrey J. Harden和Frederick J. Boehmke(2015)，“持续性政策路径:推断美国国家的扩散网络”，《美国政治科学评论》，109(2)，5月，392-406
19.Jeff Gill和John R. Freeman(2013)，“更新隐蔽网络的动态引出先验”，网络科学，1(1)，4月，68-94
20.Jude C. Hays, Aya Kachi and Robert J. Franzese, Jr.(2010)，“一个包含动态、内生网络相互依赖的空间模型:政治学应用”，《统计方法论》，第7期，5月406-28日
21. Robert J Franzese，Jr.，Jude C. Hays和Aya Kachi（2012年），“建模历史依赖于网络行为参与区分”，政治分析，20（2），春季，175-90
第四部分是文本分析、分类和大数据方法的进展
22. Phillip A Schrodt和David Van Brackle（2013年）在V.S.中的“政治事件数据的自动编码”Subrahmanian（ed。），抵抗力的计算方法，第2章，纽约，美国：Springer，23-49
23. Justin Grimmer和Gary King（2011年），“通用计算机辅助聚类和概念化”，国家科学院的诉讼程序，108（7），2月26日，2643-50
24. Vito D’Orazio, Steven T. Landis, Glenn Palmer and Philip Schrodt (2014), ‘Separating the Wheat from the Chaff: Applications of Automated Document Classification Using Support Vector Machines’, Political Analysis, 22 (2), Spring, 224–42
25.Justin Grimmer和Brandon M. Stewart(2013)，“文本作为数据:政治文本自动内容分析方法的承诺和陷阱”，政治分析，21(3)，夏季，267-97
26.马丁·艾尔夫(2013)，“编码政治文本的动态状态空间模型”，《政治分析》，21(2)，春季，217-32
27.Christopher Lucas, Richard A. Nielson, Margaret E. Roberts, Brandon M. Stewart, Alex Storer和Dustin Tingley(2015)，“比较政治的计算机辅助文本分析”，政治分析，23(2)，春季，第255 - 77页
基于非参数和设计的推断方法的第V部分前进
28.Jasjeet S. Sekhon(2008)，“基于匹配方法的内曼-罗宾因果推理模型”，Janet M. Box-Steffensmeier、Henry E. Brady和David Collier(编著)，《牛津政治方法论手册》第六部分，第11章，牛津大学出版社，第71 - 99页
29. Jasjeet Sekhon和RocíoItiunik（2012年），'当自然实验既不自然也不是实验的时候，美国政治科学审查，106（1），25-57
30.彼得M. Aronow和Allison Carnegie（2013年），“迟到：估计有乐器变量的平均治疗效果”，政治分析，21（4），秋季，492-506
31.Kosuke Imai, Luke Keele, Dustin Tingley和Teppai Yamamoto(2011)，“打开因果关系的黑盒子:从实验和观察研究中学习随意机制”，《美国政治科学评论》，第105期，11月，765-89
32.Kosuke Imai和Marc Ratkovic(2013)，“随机方案评估中的治疗效果异质性评估”，应用统计学年鉴，7 (1)，443-70
33.卢克基莱和罗西托蒂尼克（2016年），“基于地理学的自然实验”，政治科学研究和方法，4（1），1月65-95
34.Luke Keele, Rocío Titiunik和Jose Zubizarreta(2015)，“通过匹配增强地理回归不连续设计来估计投票计划对选民投票率的影响”，《皇家统计学会学报:社会统计》，a辑，178 (1)，223-39 [17]
指数
研究点评Robert J. Franzese Jr.
我在贝叶斯方法进步的部分
1.西蒙·杰克曼(2000)，“基于贝叶斯模拟的估计和推断:马尔科夫链蒙特卡罗导论”，《美国政治科学》，44(2)，4月，175 - 175
2.乔舒亚·克林顿、西蒙·杰克曼和道格拉斯·里弗斯(2004)，“点名数据的统计分析”，《美国政治科学评论》，第98期(2)，5月，555 - 70
3.Richard Traunmüller, Andreas Murr和Jeff Gill(2015)，“基于Dirichlet过程先验的投票数据潜在信息建模”，政治分析，23(1)，冬季，1 - 20
4.Yair Ghitza和Andrew Gelman(2013)，“与MRP的深度互动:小选举群体的选举投票率和投票模式”，《美国政治科学杂志》，57(3)，7月，762-76
5. Devin Caughey和Christopher Warshaw（2015），'使用等级集团级IRT模型的潜在观点的动态估计'，政治分析，23（2），春季，197-211
第二部分在时间序列，时间系列 - 横截面/面板和事件历史/持续时间建模的进步
6.Janet M. Box-Steffensmeier和Bradford S. Jones(1997)，“时间的本质:政治科学中的事件历史模型”，《美国政治科学》，41 (4)，1414-61
7. Frederick J. Boehmke, Daniel S. Morey and Megan Shannon (2006), ‘Selection Bias and Continuous-Time Duration Models: Consequences and a Proposed Solution’, American Journal of Political Science, 50 (1), January, 192–207
8. Jude C. Hays，Emily U. Schilling和Frederick J. Boehmke（2015年），在相互依存的持续时间分析中审议审查，政治分析，23（3）夏季，400-14
9.Jude C. Hays和Robert J. Franzese, Jr.(2009)，“空间滞后计数模型的几个估计量的小样本性质的比较”，论文提交于2009年政治方法论学会夏季会议，纽黑文，CT，美国，7月23-5日，i, 1-27
10.Patrick T. Brandt, Michael Colaresi和John R. Freeman(2008)，“互惠、责任和可信度的动力学”，《冲突解决期刊》，52(3)，6月，343-74
11.Patrick T. Brandt, John R. Freeman和Philip A. Schrodt(2011)，“国家间和国家内部政治冲突的实时时间序列预测”，冲突管理与和平科学，28(1)，2月，41-64
12.Daniel Stegmueller(2013)，“动态偏好建模:一个贝叶斯鲁棒动态潜在有序Probit模型”，政治分析，21(3)，夏季，314-33
13.Xun Pang (2014), ‘Varying Responses to Common Shocks and Complex Cross-Sectional Dependence: Dynamic Multilevel Modeling with Multifactor Error Structures for Time–Series Cross–Sectional Data’, Political Analysis, 22 (4), Autumn, 464–96
14.Robert J. Franzese, Jr.和Jude C. Hays(2008)，“空间相互依赖的经验模型”，Janet M. Box-Steffensmeier, Henry E. Brady和David Collier(编著)，牛津政治方法论手册，牛津大学出版社，第七部分，第25章，570-604
15.Robert J. Franzese, Jr.， Jude C. Hays和Scott J. Cook(2016)，“相互依赖的二元结果的空间-时空自回归Probit模型”，政治科学研究与方法，4(1)，1月，51 - 73
第三部分网络分析进展
16.B. A. Desmarais和S. J. Cranmer(2012)，“网络的统计力学:估计和不确定性”，物理A:统计力学及其应用，391(4)，二月，1865-76
17.Bruce A. Desmarais和Skyler J. Cranmer(2012)，“指数随机图模型的微观解释及其在河口网络中的应用”，《政策研究》，40(3)，8月，408 - 34
18.Bruce A. Desmarais, Jeffrey J. Harden和Frederick J. Boehmke(2015)，“持续性政策路径:推断美国国家的扩散网络”，《美国政治科学评论》，109(2)，5月，392-406
19.Jeff Gill和John R. Freeman(2013)，“更新隐蔽网络的动态引出先验”，网络科学，1(1)，4月，68-94
20.Jude C. Hays, Aya Kachi and Robert J. Franzese, Jr.(2010)，“一个包含动态、内生网络相互依赖的空间模型:政治学应用”，《统计方法论》，第7期，5月406-28日
21. Robert J Franzese，Jr.，Jude C. Hays和Aya Kachi（2012年），“建模历史依赖于网络行为参与区分”，政治分析，20（2），春季，175-90
第四部分是文本分析、分类和大数据方法的进展
22. Phillip A Schrodt和David Van Brackle（2013年）在V.S.中的“政治事件数据的自动编码”Subrahmanian（ed。），抵抗力的计算方法，第2章，纽约，美国：Springer，23-49
23. Justin Grimmer和Gary King（2011年），“通用计算机辅助聚类和概念化”，国家科学院的诉讼程序，108（7），2月26日，2643-50
24. Vito D’Orazio, Steven T. Landis, Glenn Palmer and Philip Schrodt (2014), ‘Separating the Wheat from the Chaff: Applications of Automated Document Classification Using Support Vector Machines’, Political Analysis, 22 (2), Spring, 224–42
25.Justin Grimmer和Brandon M. Stewart(2013)，“文本作为数据:政治文本自动内容分析方法的承诺和陷阱”，政治分析，21(3)，夏季，267-97
26.马丁·艾尔夫(2013)，“编码政治文本的动态状态空间模型”，《政治分析》，21(2)，春季，217-32
27.Christopher Lucas, Richard A. Nielson, Margaret E. Roberts, Brandon M. Stewart, Alex Storer和Dustin Tingley(2015)，“比较政治的计算机辅助文本分析”，政治分析，23(2)，春季，第255 - 77页
基于非参数和设计的推断方法的第V部分前进
28.Jasjeet S. Sekhon(2008)，“基于匹配方法的内曼-罗宾因果推理模型”，Janet M. Box-Steffensmeier、Henry E. Brady和David Collier(编著)，《牛津政治方法论手册》第六部分，第11章，牛津大学出版社，第71 - 99页
29. Jasjeet Sekhon和RocíoItiunik（2012年），'当自然实验既不自然也不是实验的时候，美国政治科学审查，106（1），25-57
30.彼得M. Aronow和Allison Carnegie（2013年），“迟到：估计有乐器变量的平均治疗效果”，政治分析，21（4），秋季，492-506
31.Kosuke Imai, Luke Keele, Dustin Tingley和Teppai Yamamoto(2011)，“打开因果关系的黑盒子:从实验和观察研究中学习随意机制”，《美国政治科学评论》，第105期，11月，765-89
32.Kosuke Imai和Marc Ratkovic(2013)，“随机方案评估中的治疗效果异质性评估”，应用统计学年鉴，7 (1)，443-70
33.卢克基莱和罗西托蒂尼克（2016年），“基于地理学的自然实验”，政治科学研究和方法，4（1），1月65-95
34.Luke Keele, Rocío Titiunik和Jose Zubizarreta(2015)，“通过匹配增强地理回归不连续设计来估计投票计划对选民投票率的影响”，《皇家统计学会学报:社会统计》，a辑，178 (1)，223-39 [17]
指数
