politscienceПолитическая наукаPolitical science1998-1775ИНИОН РАН10.31249/poln/2021.01.13politscience-844Research ArticleПЕРВАЯ СТЕПЕНЬОсновы байесовского подхода к количественному анализу (на примере евроскептицизма)The basics of Bayesian approach to quantitative analysis (at the example of Euroscepticism)ДомановА. О.DomanovA. O.

Доманов Алексей Олегович, младший научный сотрудник Центра документации ЕС; преподаватель кафедры интеграционных процессов, научный сотрудник Центра пространственного анализа международных отношений Института международных исследований

Москва

Moscow

domanov.aleksey@gmail.comИнститут Европы РАН; МГИМО МИД РоссииРоссияInstitute of Europe RAS; Institute for international studies, MGIMO UniversityRussian Federation20212005202301Математические методы в политической науке301321Copyright © Доманов А.О., 20232023Доманов А.О.Domanov A.O.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.politnauka.ru/jour/article/view/844

В данной статье предпринята попытка выявить основные допущения, предпосылки и приемы методик, использующих теорему Т. Байеса для оценки взаимосвязи признаков социальных акторов и явлений. Выделены некоторые преимущества предложенного подхода по отношению к более традиционным количественным методам, а также ключевые направления исследований, которые могут быть усовершенствованы при помощи байесовских оценок коэффициентов. Речь идет о совместимости изложенного подхода, прежде всего, с теориями игр и принятия решений, event-анализом, скрытыми цепями Маркова, прогнозированием при помощи нейронных сетей и других предиктивных алгоритмов искусственного интеллекта.Байесовский подход значительно отличается от традиционных статистических методов (прежде всего, он ориентирован на поиск наиболее вероятного, а не единственно верного значения коэффициента связи признаков). В связи с этим предложена графическая интерпретация таких базовых понятий и приемов, как вероятностный вывод, показатель с максимальным правдоподобием и байесовская сеть доверия.Описанный инструментарий использован для проверки гипотезы о влиянии ухудшения качества жизни на рост евроскептицизма граждан всех стран ЕС. Дисперсионный и корреляционный анализ ответов 27 тыс. человек, опрошенных в рамках проекта «Евробарометр» в ноябре-декабре 2019 г., показал высокую степень правдоподобия данного предположения. Более того, байесовский подход позволил сделать вероятностный вывод о том, что более вероятно подтверждение именно этой гипотезы, а не связи евроскептицизма с нынешним финансовым положением респондентов (т.е. относительно большую объясняющую силу имеет сопоставление этой ситуации с прошлым).

This article attempts to identify the main assumptions, prerequisites and techniques of the methods developed by some modern statisticians on the basis of T. Bayes' theorem for the purposes of social variables interactions assessment. The author underlined several advantages of the given approach as compared to more traditional quantitative methods and highlighted key research areas subject to evaluation by Bayesian estimates. First of all, this approach is compatible with game and decision theory, event analysis, hidden Markov chains, prediction using neural networks and other predictive algorithms of artificial intelligence.The Bayesian approach differs significantly from traditional statistical methods (first of all, it is focused on finding the most probable, rather than the only true value of the feature coupling coefficient), hence a graphical interpretation was provided for such basic concepts and techniques as probabilistic inference, maximum likelihood estimation and Bayesian confidence network.The described tools were used to test the hypothesis about the impact of life quality decrease on rise in Euroscepticism of EU citizens. ANOVA and correlation analysis of 27 thousand people’s responses to Eurobarometer questions addressed in November-December 2019 attributed strong likelihood to this assumption. Moreover, Bayesian approach allowed for a probabilistic conclusion that this hypothesis is more plausible than the link between Euroscepticism and respondents’ current financial situation (explanatory power of comparison to the past is relatively greater).

байесовское оцениваниеевроскептицизмколичествен- ные методыбайесовская сеть довериякачество жизниЕСBayesian estimationEuroscepticismquantitative methodsBayesian belief networkquality of lifethe EU.ReferencesДоманов А.О. Когнитивные факторы усиления антиглобалистских настроений праворадикальных избирателей // Правый популизм: глобальный тренд и ре- гиональные особенности : монография / Н.К. Капитонова, И.Э. Магадеев, В.О. Печатнов [и др.] ; под ред. Л.С. Окуневой, А.И. Тэвдой-Бурмули. – М. : МГИМО-Университет, 2020. – С. 269–281.Доманов А.О. Когнитивные факторы усиления антиглобалистских настроений праворадикальных избирателей // Правый популизм: глобальный тренд и ре- гиональные особенности : монография / Н.К. Капитонова, И.Э. Магадеев, В.О. Печатнов [и др.] ; под ред. Л.С. Окуневой, А.И. Тэвдой-Бурмули. – М. : МГИМО-Университет, 2020. – С. 269–281.Kass R., Raftery A. Bayes factors // Journal of the American Statistical Association. – 1995. – Vol. 90, N 430. – P. 773–795. – DOI: https://doi.org/10.1080/01621459.1995.10476572Kass R., Raftery A. Bayes factors // Journal of the American Statistical Association. – 1995. – Vol. 90, N 430. – P. 773–795. – DOI: https://doi.org/10.1080/01621459.1995.10476572Lynch S.M. Introduction to applied Bayesian statistics and estimation for social scien- tists. – New York : Springer, 2007. – 359 p. – DOI: https://doi.org/10.1007/978-0-387-71265-9Lynch S.M. Introduction to applied Bayesian statistics and estimation for social scien- tists. – New York : Springer, 2007. – 359 p. – DOI: https://doi.org/10.1007/978-0-387-71265-9McNeish D. On using Bayesian methods to address small sample problems // Structural equation modelling : A multidisciplinary journal. – 2016. – Vol. 23, N 5. – P. 750– 773. – DOI: https://doi.org/10.1080/10705511.2016.1186549McNeish D. On using Bayesian methods to address small sample problems // Structural equation modelling : A multidisciplinary journal. – 2016. – Vol. 23, N 5. – P. 750– 773. – DOI: https://doi.org/10.1080/10705511.2016.1186549Raftery A. Bayesian model selection in social research // Sociological methodology. – 1995. – Vol. 25. – P. 111–163. – DOI: https://doi.org/10.2307/271063Raftery A. Bayesian model selection in social research // Sociological methodology. – 1995. – Vol. 25. – P. 111–163. – DOI: https://doi.org/10.2307/271063Van Ravenzwaaij D., Cassey P., Brown S. A simple introduction to Markov Chain Monte-Carlo Sampling // Psychonomic bulletin and review. – 2018. – Vol. 25, N 1. – P. 143–154. – DOI: https://doi.org/10.3758/s13423-016-1015-8Van Ravenzwaaij D., Cassey P., Brown S. A simple introduction to Markov Chain Monte-Carlo Sampling // Psychonomic bulletin and review. – 2018. – Vol. 25, N 1. – P. 143–154. – DOI: https://doi.org/10.3758/s13423-016-1015-8Western B. Bayesian analysis for sociologists: an introduction // Sociological methods and research. – 1999. – Vol. 2, N 1. – P. 7–34. – DOI: https://doi.org/10.1177/0049124199028001002Western B. Bayesian analysis for sociologists: an introduction // Sociological methods and research. – 1999. – Vol. 2, N 1. – P. 7–34. – DOI: https://doi.org/10.1177/0049124199028001002

The authors declare that there are no conflicts of interest present.