我的職業生涯才剛開始（我希望！）並且不確定我是否有能力提供任何明智的建議。但有一條建議是：不要因為某件事聽起來不一樣就認定它與你所了解的無關。問問自己，“這個人說的話用我的話該如何理解？”它有助於盡可能掌握一些思考這些事情的通用工具。我的是結構方程模型、潛在變數模型。但是任何框架都應該同樣有效：分層貝葉斯推理、反事實、缺失數據、實驗設計、隨機化推理、圖形模型等。 如果徹底理解這些框架，它們都可以作為理解所說內容的通用語言，並且一旦你用自己的語言理解了某些內容，你通常會立即對問題有一些見解，或者至少有獲得這些見解的工具。
我目前所知，這主要是關於將自己置於觀眾的立場上，並理解是什麼讓你的作品對他們特別有趣或有用。從定義上來說，「跨領域」研究者有點像局外人。這使得熟悉期刊和該領域有關該主題及密切相關主題的更廣泛文獻，並展示您的工作與該文獻之間的聯繫變得更加重要。這樣，您就不只是「闖入」而已，而是可以為該領域正在進行的討論做出真正的貢獻。在《政治分析》中，我得到了審稿人和編輯的一些幫助，我對此表示感謝；能夠借鑒「外部」的研究成果並看到其在該領域的潛力，這是該期刊的真正優勢。
丹尼爾‧奧伯斯基（Daniel Oberski）是荷蘭蒂爾堡大學方法論與統計學系的 数据库到数据 博士後研究員。他目前的研究重點是將潛在變數模型應用於調查方法，反之亦然。他也致力於評估和預測調查問題中的測量誤差、潛在類別（LCM）和結構方程模型（SEM）的變異數估計和模型適配度評估，並對 SEM 和潛在類別建模的實質應用感興趣，例如預測選舉投票決定。為紀念他獲得 AAPOR 獎，他的兩篇政治分析論文將於 2014 年 5 月 12 日至 19 日期間免費下載。它們分別是「評估潛在變數模型中感興趣參數對測量不變性的敏感度」（2014）和「將潛在類別分配與外部變數關聯起來：正確推斷的標準誤差」（2014）。
R. Michael Alvarez是加州理工學院的政治學教授。他的研究和教學重點是選舉、投票行為和選舉技術。他是與喬納森·N·卡茲合著的《政治分析》雜誌的主編。
《政治分析》記錄了政治方法論領域中令人興奮的發展，為政治科學模糊邊界之外的實證和方法論學術做出了貢獻。本報告代表政治方法學會和美國政治學協會政治方法論分會出版。根據 2012 年 ISI 期刊引文報告，《政治分析》在政治學領域的 157 種期刊中以 5 年影響因子排名第 5。在 Facebook 上按讚「政治分析」 ，並在 Twitter 上關注@PolAnalysis。
透過電子郵件或RSS訂閱 OUPblog 。透過電子郵件或RSS
訂閱 OUPblog 上的政治和政治學文章。圖片來源：圖片來自 iStockphoto。
發表於：期刊政治