유클리드 거리로 본 의회 네트워크: 표결 데이터에서 명확한 동맹 구조를 찾는 새로운 방법

초록

기존 이상점 추정 모델은 삼각 부등식을 위반해 거리의 기하학적 해석과 군집 분석을 방해했습니다. 본 연구는 입법자와 법안을 이분 네트워크의 노드로 보고, 유클리드 거리를 기반으로 한 잠재 공간 모델(LSIRM)을 적용합니다. 시뮬레이션과 미국 118대 하원 데이터를 통해 이 방법이 기존 방법보다 우수한 군집 분리와 예측 정확도를 제공하며, 법안 위치를 통해 교차적 이슈 동맹을 명확히 해석할 수 있음을 보여줍니다.

상세 분석

본 논문은 정치학 방법론의 근본적인 문제를 해결하는 중요한 기여를 합니다. 기존의 표준적 방법인 NOMINATE와 베이지안 문항반응이론(BIRT)은 각각 가우시안과 이차형 utility 함수를 사용하는데, 이로 인해 생성되는 ‘거리’가 삼각 부등식을 만족하지 않는 비메트릭(non-metric) 성질을 가집니다. 이는 거리의 기하학적 해석을 어렵게 하고, 군집 분석이나 당내 응집도 측정과 같은 공간 기반 분석의 타당성을 근본적으로 훼손합니다. 저자들은 이 문제를 유클리드 거리(L2 norm)를 채택한 Latent Space Item Response Model (LSIRM)을 표결 데이터에 적용함으로써 해결합니다.

핵심 기술적 통찰은 다음과 같습니다: 1) 메트릭 구조의 회복: 유클리드 거리는 삼각 부등식을 만족하는 진정한 메트릭을 제공합니다. 이는 거리의 카디널 해석(예: “A와 B의 거리가 C와 D 거리의 두 배다”)을 가능하게 하고, 차원 간 거리 비교, k-평균 군집화 등의 방법론을 타당하게 사용할 수 있는 기초를 마련합니다. 2) 대칭적 임베딩: 기존 방법이 입법자의 이상점만 해석 가능하게 추정한 반면, LSIRM은 입법자와 법안을 동일한 잠재 공간에 공동으로 임베딩합니다. 이로써 법안-법안 간 거리(정책 유사성), 입법자-법안 간 거리(지지 가능성)도 직접적으로 해석할 수 있게 되었습니다. 3) 네트워크 관점의 공식화: 표결 데이터를 이분 네트워크로 명시적으로 모델링하여, 사회네트워크 분석에서 발전된 방법론을 정치학에 접목시켰습니다.

실험 결과는 이론적 주장을 뒷받침합니다. 4개의 명확한 동맹(두 정당 내 각각 다수/소수 파벌) 구조를 가진 시뮬레이션 데이터에서, NOMINATE와 BIRT는 파벌을 압축하여 두 개의 정당 블록만을 보여주는 반면(실루엣 계수 0.778), 유클리드 LSIRM은 원래의 4-군집 구조를 훨씬 더 명확하게 복원했습니다(실루엣 계수 0.861). 이는 비메트릭 utility 함수가 군집 구조 추론을 체계적으로 왜곡시킨다는 증거입니다. 미국 118대 하원 적용에서도 유클리드 LSIRM은 표결 예측 정확도(0.80 대 0.72)와 설명력(APRE 0.45 대 0.23)에서 기존 방법을 크게 앞섰습니다. 특히 ‘전쟁 권한’이나 ‘감시’ 법안과 같은 법안들의 공간상 위치가 진보적 민주당(스쿼드)과 보수적 공화당(자유당단) 사이에 놓여, 초당적이거나 교차적인 이슈 동맹을 시각적으로 명확히 보여주는 해석적 강점을 입증했습니다.