Modelamiento Bayesiano de las preferencias polÃticas del Senado de Colombia 2006-2010: conducta electoral y parapolÃtica
Palabras clave:
Estimador de punto ideal Bayesiano, Métodos de cadenas de Markov de Monte Carlo, Parlamentos desequilibrados, ParapolÃtica, Votos nominalesResumen
En este artÃculo se aplica por primera vez un modelo de votación espacial Bayesiano para caracterizar el comportamiento legislativo del Senado de la República de Colombia 2006-2010. El análisis se realiza con base en las votaciones nominales plenarias del Senado. La estimación del modelo se hace mediante algoritmos de cadenas de Markov Monte Carlo. Los puntos ideales estimados proveen evidencia empÃrica que sustenta un rasgo latente no ideológico (oposición--no oposición) subyacente a la votación de los senadores. Adicionalmente, se analiza la relación entre el escándalo de la parapolÃtica y el comportamiento electoral legislativo de los senadores mediante un modelo logÃstico tanto Bayesiano como frecuentista. Los resultados indican una relación significativa entre estar o haber estado involucrado con el escándalo de la parapolÃtica y el comportamiento legislativo de los senadores del periodo 2006-2010.Citas
J. M. Bernardo and A. F. Smith. Bayesian theory, volume 405. John Wiley & Sons, 2009.
R. Carroll, J. B. Lewis, J. Lo, K. T. Poole, and H. Rosenthal. The structure of utility in spatial models of voting. American Journal of Political Science, 57(4):1008–1028, 2013.
S. J. Castro Agudelo. Transformaciones en el sistema de partidos en Colombia en el senado de la república en los periodos 2002-2006 y 2006-2010, a partir de las reformas polÃticas de 2003 y 2009 y la reelecci´on presidencial. Repositorio Universidad Javeriana, 2011.
J. Clinton, S. Jackman, and D. Rivers. The statistical analysis of roll call data. American Political Science Review, pages 355–370, 2004.
L. Curini. The SAGE handbook of research methods in political science and international relations. Sage, 2020.
D. Gamerman and H. Lopes. Markov chain Monte Carlo: stochastic simulation for Bayesian inference. CRC Press, 2006.
A. Gelman, J. B. Carlin, H. S. Stern, D. B. Dunson, A. Vehtari, and D. B. Rubin. Bayesian data analysis. CRC press, 2014.
C. J. Londo˜no Rodr´ıguez et al. Los efectos de la presencia paramilitar en C´ordoba en las elecciones legislativas 2002-2006. PhD thesis, Universidad del Rosario, 2014.
C. Luque. M´etodos bayesianos para caracterizar el comportamiento legislativo del senado colombiano en el periodo 2010-2014. Master’s thesis, Universidad Santo Tom´as, 2021.
C. Luque and J. Sosa. A bayesian spatial voting model to characterize the legislative behavior of the colombian senate 2010–2014. Journal of Applied Statistics, pages 1–22, 2022.
G. Nacional. Datos Abiertos de Colombia. https://www.datos.gov.co/, 2022. [En l´inea; acceso 6/marzo/2022].
K. T. Poole. Spatial models of parliamentary voting. Cambridge University Press, 2005.
J. F. P. Uribe, S. P. Barrios, and A. L. Aguilar. Los partidos de centro izquierda en Colombia: entre avances, retrocesos y mutaciones. ELECCIONES, page 233, 2020.
X. Yu. Spherical Latent Factor Model for Binary and Ordinal Data. University of California, Santa Cruz, 2020.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los autores mantienen los derechos sobre los artÃculos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
Comunicaciones en EstadÃstica está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
