外部威胁导致政治极化?
外部威胁导致政治极化?
摘要:
学界通常将美国当代外交中与日俱增的极化现象归因于外部威胁的缺失。在此基础上,作者提出了两种通过威胁削弱政治极化的机制。第一,通过披露竞争对手的信息来激起两党政客的回应(信息机制);第二,通过国家身份的显著性相对弱化党派身份间的分歧(身份机制)。本文设计了三个研究来验证机制的有效性。研究一对国会演讲的计算型文本分析,从而研究对安全威胁的探讨是否会减少两党在外来竞争对手态度问题上的分歧,以此检验信息机制。研究二则评估了认同机制,并使用民意调查来评估外部威胁是否会减少公众的情感极化。研究三测试设计了一项调查实验,探索两种机制下中国崛起对美国外交的影响。作者发现,外部威胁假说并不能很好地解释美国外交政策的两极化或美国公众的情感两极化。相反,对外部威胁的反应实则展示了引入这些威胁的国内政治环境。本文的研究结果使人们开始质疑:外部威胁会在本质上真的促进党派团结吗?
作者简介:
Rachel Myrick, 杜克大学政治系
文章来源:
Myrick, Rachel. 2021. “Do External Threats Unite or Divide? Security Crises, Rivalries, and Polarization in American Foreign Policy.” International Organization 75 (4): 921–58.
本文作者:Rachel Myrick
研究一检验了信息机制假设(H1A)。本研究没有依赖唱名表决,而是使用演讲的党派性—具体而言,对第43届至第114届国会的国会记录进行计算性文本分析, 来估计基于问题的两极分化,以及对对手的态度。作者从ICB项目所定义的曾经引发美国安全危机的30个国家开始,手动将ICB的数据向后延伸到1873年,即国会记录的开始,以了解涉及美国的危机。作者提取ICB所说的 "触发实体",即触发美国政府国际危机的行为者。这个过程确定了从1873年到2015年由30个国家引发的71次危机。本文从数字化的国会记录(包括会场辩论、会议委员会报告和立法者提交的声明)中提取所有关于每个危机国家的演讲,为了衡量关于每个国家的演讲的相对党派性,使用了Peterson and Spirling的监督机器学习方法,该方法使用英国议会辩论的文本估计了极化。分类标注的预测准确度,理论上在0.5到1之间,是一个代表极化的指标。在0.5的情况下,分类标准在50%的时间内会根据说话人的讲话正确预测其所属政党。根据他们的演讲,有50%的时间是随机猜测的。这是一个低极化的环境,在这个环境中,共和党和民主党的言论之间没有什么大的区别。在1的情况下,分类标准在百分之百的情况下正确预测了说话人的政党背景,表示一个最大极化的环境。(原文设计较为复杂,建议读者精读原文931-949页)
为了检验信息假设(H1A),作者评估了安全危机与有关对手的言论的党派性之间的关系。表2中的模型将分类标准的预测准确性回归到该次国会会议期间是否与该国发生危机的指标上。这些模型包括国家固定效应、会议固定效应,以及两者同时存在。信息模型预计危机事件与言论的极化之间存在负相关。表2中的一些系数是负的,但结果是不一致的。效果大小不大,从因变量的0.04到0.2个标准差不等。
五、研究三:在竞争背景下验证两种机制
六、讨论与结论
“在看”给我一朵小黄花