이상점(ideal point) 추정은 정치학, 통계학 및 사회과학 분야에서 선출 대표자들의 선호를 이해하기 위해 널리 사용되는 통계적 방법이다. 그러나 시위성 투표(protest votes)—개인들이 자신의 진정한 이상점을 의도적으로 가려 자신의 정당에 대한 불만을 표하기 위해—는 이 방법의 정확성에 중대한 도전 과제를 제기한다. 본 논문에서는 먼저 시위성 투표가 이상점 추정에 미치는 영향을 살펴보며, 시위성 투표가 상당한 감쇠(attenuation) 편향을 유발하여 극단적인 입법자들을 온건파로 잘못 표상하게 만든다는 점을 보여준다. 이러한 쟁점의 중요성을 확인한 후, 우리는 시위성 투표로부터 비롯되는 편향을 보정하는 새로운 방법을 제안하여 연구자들이 입법자들의 이상점을 보다 정확하게 추정할 수 있도록 한다. 우리의 방법은 베이지안 프레임워크 내에서 시위성 투표로 의심되는 투표를 탐지하고 마스킹(masking)함으로써, 그러한 투표가 이상점에 대한 사후 추론(posterior inference)에 도입하는 편향을 감소시킨다. 우리는 모의된 시나리오와 실제 롤콜(roll-call) 데이터 모두를 사용하여, 시위성 투표가 초래하는 감쇠 문제를 해결하는 데 있어 제안한 방법의 효과를 입증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.