[论文解读] A network analysis of committees in the United States House of Representatives
本文运用网络理论与奇异值分解（SVD）分析1989–2004年美国众议院委员会结构，揭示其具有层级组织特征且委员会间连接非随机。研究仅基于委员会表决记录与成员数据，证明委员会任命并非随机——证据包括显著的跨委员会成员重叠及政党极端化模式。
Network theory provides a powerful tool for the representation and analysis of complex systems of interacting agents. Here we investigate the United States House of Representatives network of committees and subcommittees, with committees connected according to ``interlocks'' or common membership. Analysis of this network reveals clearly the strong links between different committees, as well as the intrinsic hierarchical structure within the House as a whole. We show that network theory, combined with the analysis of roll call votes using singular value decomposition, successfully uncovers political and organizational correlations between committees in the House without the need to incorporate other political information.
研究动机与目标
- 利用网络理论与表决数据，揭示美国众议院委员会内部的组织与政治结构。
- 确定委员会任命是否随机，或系统性地受党派影响。
- 在不依赖外部政治信息的前提下，识别委员会间连接中的隐藏层级结构与聚类模式。
- 通过SVD对委员会表决矩阵的分析，量化特定委员会内部的政治极化与极端化程度。
- 证明仅使用成员名单与表决数据，网络分析即可揭示立法机构中的结构性关联。
提出的方法
- 基于第101届至第108届国会（1989–2004年）的资料，构建议员与委员会之间的二部图网络。
- 将二部图网络投影为仅由共享成员连接的委员会一模网络（即委员会间互锁网络）。
- 将归一化互锁定义为实际共同成员数与随机分配下预期共同成员数的比值，以量化互锁强度。
- 对委员会表决矩阵实施奇异值分解（SVD），提取成员与委员会的意识形态定位。
- 将SVD结果与网络聚类结合，按平均意识形态极端化程度对委员会进行着色（红色=极端，蓝色=温和）。
- 利用SVD重构精度验证该方法在高保真度下预测表决结果的能力（准确率达94.8%–99.4%）。
实验结果
研究问题
- RQ1美国众议院委员会之间是否存在统计上显著的、非随机的连接（即互锁），表明存在结构性层级？
- RQ2委员会任命在多大程度上反映党派堆叠而非随机分配？
- RQ3能否仅从表决记录客观推断出成员与委员会的意识形态定位？
- RQ4在成员极端化程度与互锁强度方面，最极端或最温和的委员会如何比较？
- RQ5网络结构与基于SVD的投票模式能否共同揭示众议院中隐藏的组织与政治关联？
主要发现
- 第107届国会的国土安全特别委员会与规则委员会之间存在7.4的归一化互锁值，由于两名共同成员，表明存在显著的结构性联系。
- 国土安全特别委员会的平均极端化得分高于全部19个常设委员会，且在全部113个委员会中排名第四极端。
- 规则委员会在19个常设委员会中位列第二极端，在全部委员会中排名第18位，反映出其在程序事务中的核心作用。
- 永久情报特别委员会及其下属委员会的平均极端化程度最低，是所有常设委员会中最低的，并在全部委员会中位列最不极端的10个之一。
- SVD分析在排除弃权与缺席情况后，仍能正确重构94.8%至99.4%的表决结果，验证了该方法的预测能力。
- 网络分析揭示出层级结构，包括紧密连接的团体（如同一母委员会的下属委员会），以及高层级与专业性委员会之间出人意料的互锁。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。