社交媒体与政治献金：新技术的影响 论政治竞争

因此，尽管我们有大量的数据集，但政治家们采用推特的间隔可能会很大。2625周的窗口。推特活动分析的结果在在线附录表A21和A22中给出。总之，我们发现，那些发布更多原创推文的政治家，比转发更多，使用更多超链接，使用更多反体制相关词汇，或者看起来更“投入”的政治家得到了捐赠。我们使用心理学方法进行文本分析，使用语言学调查和单词计数方法（Pennebaker等人，2015年），这些方法分析形容词和代词的使用，评估使用这些词的个人的人格特征。我们使用的量表是由James Pennebaker开发的，旨在测量个人的个人特征。我们发现具有各种心理特征的政治家没有明显的影响，但我们发现那些“插入式”的政治家，即那些具有与了解最近新闻和发展有关的社交风格的政治家，有一些边缘化的增加。然而，这些结果应该谨慎解释，因为它们使用政治家随后的所有推特发布行为来评估在开设账户后的几周内加入推特的影响。州内和州外捐赠使用州级推特渗透率衡量标准的含义是，我们预计该州的居民将主要向竞选州首席执行官的候选人捐赠。为了验证州内推特渗透度量的使用，我们比较了来自州内和州外居民的捐赠是否与政治家的推特入口有直接关系。表13的结果表明，这种直觉得到了数据的支持。该表显示，在所有（第（1）-（2）栏）中，状态内的估计在统计上都是有意义的和积极的（第（3）-（4）栏），对于那些新来的人来说，其ECT最强。从数量上来说，这些量值是可比的，但比基线结果要小。这些估计对有经验的政治家来说也是有意义的（第（5）-（6）栏）。对于表13中的州外捐助者，我们发现与推特渗透互动的Twitterentry对整体样本有统计意义，对新政治家只有轻微意义，与州内捐助相比，州外捐助的数量更小。总体而言，表10、11、12和13中的结果与信息一致，而不是说服机制，这意味着推特有助于政治家们让他们的候选人资格和政策立场更加明显，尤其是对以前从未当选的新政治家。此外，在线附录中的表A21和A22与理论预测一致，即在开设推特账户后，更多地使用推特信息与收到的捐款增加有关。7结论从数据收集和选民目标到广告和政治交流，竞选活动是最复杂和最昂贵的营销手段之一。在过去的十年里，这些媒体的一个显著变化是积极使用社交媒体平台来接触和告知选民，部分消除了对报纸和电视等传统媒体的依赖。关键问题是，社交媒体技术的采用是否会改变政治竞争或选举政治的任何方面。更广泛地说，信息技术的创新能改变市场的运作方式吗？在这项研究中，我们记录了entryon社交媒体(Twitter、Facebook)可以帮助增加资金，并为新政治家吸引新的捐赠者。

总体而言，结果表明，社交媒体可以通过减少参赛者筹集资金的障碍来加强选举。未来研究的许多途径位于采用新通信技术和营销的交叉点。未来的研究可能会扩大我们研究的范围，以调查品牌是否会遵循同样的趋势，特别是Twitter等新通信技术的可用性是否能帮助新品牌抵御来自现有品牌的竞争。同样，研究新媒体和传统媒体之间的替代程度也是市场营销和广告的核心，学者们可能会对传统媒体和社会媒体在向消费者传递品牌和产品信息方面是互补还是替代感兴趣。如果是这样的话，读者可能会从这些新技术如何改变消费者对产品的感知方式或形成他们的考虑设置中受益。ReferenceSacemoglu，D.，Hassan，T.A.和Tahoun，A.(2017)。街头的力量：阿拉伯之春的证据。《金融研究评论》，31(1):1-42.Adena,M.Enikolopov,R.Petrova,M.Santarosa,V.和Zhuravskaya,E.（2014）.战前德国纳粹的无线电和无线电。可在SSRN 2242446.Aghion,P.,Bloom,N.,Blundell,R.,Gri-th，R.和Howitt,P.（2005）.竞争与创新：倒U型关系。经济学季刊，120(2):701-728.28 Altonji,J.G.,Elder,T.E.和Taber,C.R.（2005）。对观察变量与未观察变量的选择：天主教学校教育效率的评估。《政治经济学学报》，113(1):151-184.安索拉贝赫，S.莱西姆，R.斯奈德，J.M.(2006a)。1940-2002年美国选举中的报纸代言取向。政治学季刊，1(4):393-404.安索拉贝赫，斯。斯诺伯格，埃。C。斯奈德，杰。M。（2006年b）。电视和美国选举中的现任优势。《立法研究季刊》，31(4):469-490.AnsolaBehere,S.和Snyder,J.M.（2000）。老选民、新选民和个人投票：我们--用选区划分来衡量现任优势。《美国政治科学杂志》，44(1):17-34.艾希，S.Imbens，G.W.(2018)。以设计为基础的分析在交错采用的双内嵌双内嵌设置。《技术报告》，国家经济研究局，Barberá，P.，Bonneau，R.，J.T.，J.J.J.Nagler，J.和Tucker，J.(2013)。外面有人吗？立法者与他们的选民交流的例行公事。《作为数据工作的文本》。伦敦：伦敦经济和政治科学学院。Baumgartner,J.C.和Morris,J.S.(2010)。谁想做我的朋友？2008年竞选中的奥巴马、青年和社交网络。《首席传播者：巴拉克·奥巴马如何利用新媒体技术赢得白宫》，第51-66页。贝斯利，T，佩尔森，T，和斯特姆，D.M.(2010)。政治竞争、政策与增长：来自美国的理论与证据。《经济研究综述》，77(4):1329-1352.博林格，B.K.，Cohen,M.A.,Lai J.(2013).测量跨平台介质暴露的非对称持久性和交互作用增强ECTS。可查阅SSRN 2342349.Boyd,D.和Marwick,A.（2011）。网络公众中的社会隐私：青少年的态度、行为和策略。互联网时代的十年：互联网与社会动态研讨会。国际传播协会，波士顿，马萨诸塞州。博伊德，博士和埃里森，美国。B.(2010)。《社交网络网站：认知、历史和奖学金》，载于《在线交流与合作：读者》（海伦·多纳兰、凯伦·凯尔和马格努斯·拉马奇编辑），第261-281页。坎潘特，罗斯福，杜兰特，罗斯福和索布里奥，罗斯福（2013）。政治2.0：宽频网际网路对政治参与的多方面影响。Carson,J.L.Engstrom,E.J.和Roberts,J.M.（2007）。候选人素质，个人选票，以及在国会的任职优势。《美国政治科学评论》，101(02):289-301.蒋长峰。

和B·奈特（2011）。媒体偏见与以假乱真：来自报纸代言的证据-29。《经济研究评论》，78(3):795-820.克拉克，P.埃文斯，S.H.(1983)。报道竞选活动：国会选举中的新闻，斯坦福大学出版社，G.W.考克斯和J.N.卡茨（1996）。为什么美国众议院选举中的现任优势会增加？《美国政治科学杂志》，40(2):478-497。卡洛塔，A和卡特勒J.（2016）。从twitter社交网络中挖掘品牌认知。Marketingscience，35(3):343-362.Dellavigna,S.,Enikolopov,R.,Mironova,V.,Petrova,M.和Zhuravskaya,E.（2014）.跨界媒体与民族主义：来自克罗地亚塞尔维亚广播的证据。美国经济杂志：应用经济组学，6(3):103-32.Dellavigna,S.和Gentzkow,M.（2010）。说服：经验证据。生态经济学年评，2:643-69.Dellavigna,S.和Kaplan,E.D.(2007)。福克斯新闻的例子：媒体偏见和投票。《经济学季刊》，122(3):1187-1234.杜兰特，R.和奈特，B.(2012)。党派控制、媒体偏见和观众反应：来自贝卢斯科尼的意大利的证据。欧洲经济协会学报，10(3):451-481.艾森西，T.和斯特伦伯格，D.（2007）。新闻干旱，新闻报道，和美国救灾。《经济学季刊》，122(2):693-728.恩格尔伯格，J.E.和帕森斯，C.A.(2011)。媒介对市场的因果影响。金融学报，66(1):67-97.Enikolopov,R.,Makarin,A.,Petrova,M.（2016）.社交媒体和抗议参与：来自俄罗斯的证据。可查阅SSRN 2696236.Enikolopov,R.,Petrova,M.和Zhuravskaya,E.（2011）。媒体与政治说服：来自俄罗斯的证据。《美国经济评论》，101(7):3253-3285.方L和佩雷斯（2009）。媒体报道和股票收益的横截面。《金融杂志》，64(5):2023-2052.Ferraz,C.和Finan,F.（2011）.选举问责制与腐败：来自地方政府审计的证据。《美国经济评论》，101(4):1274-1311.Fudenberg,D.Gilbert,R.Stiglitz,J.和Tirole,J.（1983）。专利竞赛中的抢占、跨越与竞争。《欧洲经济评论》,22（1）：3-31.Fudenberg,D.和Tirole,J.（1985）.采用新技术时的优先购买权和租金均衡。《经济研究综述》，52(3):383-401.30 Gal-Or,E,Geylani,T,Yildirim,P.（2012）.广告对媒体偏见的影响。市场研究杂志，49(1):92-99.Galasso,V.和Nannicini,T.（2011）。与优秀的政治家竞争。《美国政治科学评论》，105(01):79-99.（2016年）。时间偏好的农业起源。《美国经济评论》(American EconomicReview)，106(10):3064-3103.甘斯，J.S.，Goldfarb,A.和Lederman,M.（2016）。退出、推文和忠诚。Torontoworking Paper.Garcia-Jimeno,C.和Yildirim,P.（2015）。在竞选活动中匹配便士：参议院选举和媒体报道的经验研究。宾夕法尼亚大学工作论文。根茨考，M.(2006)。电视和选民投票率。经济学季刊，第931-972页。Gentzkow,M.,Shapiro,J.M.和Sinkinson,M.（2011）。报纸的进出对选举政治的影响。《美国经济评论》，101(7):2980-3018.Gentzkow,M.,Shapiro,J.M.和Sinkinson,M.（2014）。竞争与意识形态多元化：来自美国报业的历史证据。《美国经济评论》，104(10):3073-3114.葛柏，A.S.，Green,D.P.(2000)。选民投票率的拉票、电话和直邮测试：一个很好的实验。《美国政治科学评论》，94(03):653-663.吴凯英，许凯伦，彭永，I.P.(2011)。报纸报道和消费者选择：证据来自不调用注册中心。管理科学，57(9):1640-1654.戈登伯格，东正教与特劳戈特，文科（1980）。国会竞选活动注重对候选人的重新认识和评估。政治行为，2(1):61-90.龚顺，张建，赵平，蒋X.(2017).

推特作为一种营销工具：电视行业的一次尝试。市场研究杂志，54(6):833-850.戈登，B.R.和哈特曼，W.R.（2013年）。广告在总统选举中被禁止。MarketingScience，32(1):19-35.戈登，B.R.和哈特曼，W.R.(2016)。总统选举中的广告竞争。数量营销与经济学，14(1):1-40.戈登，B.R.，Lovett，M.J.，Shachar，R.，Arceneaux，K.，Moorthy，S.，Peress，M.Rao，A.，Sen，S.，Soberman，D.，Urminsky，O.(2012)。市场营销与政治：模型、行为和政策含义。《市场营销快报》，23(2):391-403。Gueorguieva,V.（2008）。选民、Myspace和Youtube：替代通信31频道对2006年选举周期及以后的影响。社会科学计算机评论，26(3):288-300.Halberstam,Y.和Knight,B.G.(2016).同样，群体规模和DI在社交网络中对政治信息的限制：来自Twitter的证据。公共经济学学报，143:73-88.何鸿燊，杜立，福多，M.（2010）。你能衡量你的社交营销的投资回报率吗？麻省理工学院斯隆管理评论，52(1):41.洪，S和纳德勒，D.(2011)。早起的鸟会影响民调吗？：美国政客对社交媒体Twitter的使用及其对民意的影响。第12届国际数字政府研究会议论文集：挑战时代的数字政府创新，第182-186页。ACM.Jacobsen，G.C.(1987)。边缘化从未消失：1952-1982年美国众议院选举中的现任和竞争。《美国政治学杂志》，31(1):126-141.雅各布森、科内尔（1982）。1982年国会选举中的策略与选择。附：政治学与政治学，15(03):423-430.詹森，R和奥斯特，E(2009)。《电视的力量：有线电视与印度妇女的地位》，《经济学季刊》，124(3):1057-1094.Johnson,T.J.和Perlmutter,D.D.D.(2010)。简介：Faceb ook选举。大众传播与社会，13(5):554-559.卡罗格罗普洛斯，A.（2017）。跟踪社交媒体中的政治家，2018年10月4日访问。路透社新闻研究所。Kinder-Kurlanda,K.,Weller,K.,Zenk-Moltgen,W.,Pfe-Er,J.和Morstatter,F.（2017）。将geotagged推文中的信息归档，以促进社会媒体研究中的可复制性和可比性。大数据与社会，4(2):1-14。Kumar,V.Bhaskaran,V.Mirchandani,R.和Shah,M.（2013）。创建一个可衡量的社交媒体营销策略：为HokeyPokey增加无形资产和有形资产的价值和投资回报率。营销科学，32(2):194-212.库欣，M.J.和Yamam oto,M.(2010)。社交媒体真的很重要吗？2008年大选中大学生对网络媒体的使用与政治决策。大众传播与社会，13(5):608-630.拉·费拉拉，E,Chong,A,Duryea,S.（2012）.肥皂剧与生育率：来自巴西的证据，《美国经济杂志：应用经济学》，4(4):1-31.拉罗什，M.哈比比，M.R.和理查德，M.-O.（2013年）。在社交媒体中生存还是毁灭：品牌忠诚度在社交媒体中是如何存在的？国际信息管理学报，3233(1):76-82.拉森，D.S.，布朗，A.R.(2010)。推特：选举联系？社会科学计算机评论，29(4):419-436。Levitt,S.D.和Wolfram,C.D.（1997）。分解在美国众议院任职优势的来源。《立法研究季刊》，22(1):45-60.马林，孙伯，凯克雷，S.(2015).吱吱作响的车轮得到油脂--关于Twitter上客户声音和干预的实证分析。市场营销科学，34(5):627-645.马特JKA,F.和塔贝里尼，G.(2016)。与理性不注意的选民的选举竞争。科技报告。Metaxas,P.T.和Eni,M.（2012）。社交媒体和选举。科学，338(6106):472-473.梅兹加，E.和马鲁吉，A.(2009)。社交媒体与2008年美国总统选举。

新传播学杂志，4(1):141-165.迈尔森（1993）。另类选举制度下培育少数族裔的激励措施。《美国政治科学评论》，87(04):856-869.奈勒，R.W.，兰伯顿，C.P.和韦斯特，P.M.(2012)。超越“喜欢”按钮：在社交媒体上，虚拟存在对品牌评价和购买意图的影响。《市场营销杂志》，76(6):105-120.纳尔逊出版社（1974）。作为信息的广告。《政治经济学学报》，82(4):729-754.Nunn,N.和Wantchekon,L.（2011）.非洲的奴隶贸易和不信任的根源。《美国经济评论》，101(7):3221-52。（2007年）。郊区选举中的投票选择。《美国政治科学评论》，101(03):393-408。裴，Z，皮施克，J.-S.和施万特，H.(2019)。测量不当的混杂物在左边比在右边更有用。商业与经济统计杂志，37(2):205-216.彭尼贝克，J.W.，博伊德，R.L.，乔丹，K.和布莱克本，K.(2015)。LIWC2015的发展和心理测量学性质。UT教员/研究员工作S.Persson,T.,Tabellini,G.和Trebbi,F.（2003）。选举规则和腐败。欧洲经济协会学报，1(4):958-989.普拉特，A.(2002)。竞选广告和选民福利。《经济研究综述》，69(4):999-1017.前文，M.(2006)。客厅里的现任者：电视的兴起和美国众议院选举中的现任优势。《政治学报》，68(3):657-673.33秦B.(2013).中国微博与药品质量。中国国际经济研究所论文。秦博，斯特伦伯格，吴勇（2016）。中国社会媒体的政治经济学。工作论文。罗森塔尔，H.和森，S.(1969)。法国的候选人选择和投票行为。公共选择，6(1):71-92.罗森塔尔，H.和森，S.(1973)。法兰西第五共和国的选举参与。《美国政治科学评论》，67(01):29-54.罗森塔尔，H.和森，S.(1977)。法兰西第五共和国的空间投票模式。《美国政治科学评论》，71(04):1447-1466.罗特西，T.(2019)。twitter对政治参与的影响。工作论文。Seiler,S.，Yao,S.，Wang,W.(2016)。《赚到我的钻石》对需求的影响：来自anatural实验的证据。斯坦福大学工作论文，L.Sloan和J.Morgan(2015)。谁用他们的位置发推特？了解人口特征与Twitter上geoservices和geotagging的使用之间的关系。普罗松，10(11):E0142209。史密斯，A.(2011)。为什么美国人使用这么多媒体。皮尤互联网与美国生活项目。史密斯，A和雷妮，L.(2008)。互联网和2008年大选。EconomicStudies.Snyder Jr,J.M.和Str"omberg，D.(2010)。新闻报道和政治问责。《政治经济学学报》，118(2):355-408.索伯曼，D.，Sadoulet,L.（2007）。竞选开支限制和政治广告。管理科学，53(10):1521-1532.斯潘库奇，J.L.，Toniatti，D.(2016).政治广告和选举结果。可在atSSRN 2613987.Str"omberg，D.(2004)查阅。大众传媒竞争、政治竞争与公共政策。《经济学评论》，71(1):265-284.Towner,T.L.和Dulio,D.A.(2012).美国的新媒体和政治营销：2012年及以后。《政治营销学报》，11(1-2):95-119.厄本，C.，Niebler，S.(2014)。人行道上的美元：美国总统候选人应该为无争议的州做广告吗？美国政治学杂志，58(2):322-336。（2011年）。推特：弱关系的力量。《奥克兰大学商业评论》，3413(1):19.向，Y.和Sarvary,M.(2007)。新闻消费与媒体偏见。市场营销学，26(5):611-628.熊，R，艾希，S，巴亚提，M，因本斯，G.(2019).交错滚动体的优化试验设计。arXiv预印本arXiv:1911.03764.Yildirim,P.,Gal-Or,E.和Geylani,T.（2013）。

新闻媒体中的用户生成内容与偏见。管理科学，59(12):2655-2666.张伟，约翰逊，苏尔茨，比查德，苏尔（2010）.这场革命将随着社交网站对政治态度和行为的影响而网络化。社会科学计算机评论，28(1):75-92.朱，Y.杜克斯，A.(2015).商业媒体对事实内容的选择性报道。市场研究杂志，52（1）：56-76.35图1：在Twitter36上开户的日期（周）图2：多年来推特的渗透率，绝对数字为370.5 1 1.5对候选人的平均每周捐款，每个候选人的平均值-10-5 0 5 10周左右加入推特推特渗透率低于中位数推特渗透率高于中位数政治捐款和加入推特，对候选人和周F.E.的控制。图3：捐款和推特渗透率-10-5 0 5候选人的新闻报道，每个候选人的平均值-10-5 0 5 10周左右加入推特推特渗透率低于中位数推特渗透率高于中位数新闻提及和加入推特，控制候选人和周F.E.图4：候选人的新闻提及数和推特渗透率38-2 0 2 4博客覆盖率，每个候选人的平均值-10-5 0 5 10周左右加入TwitterTwitter渗透率低于中位数Twitter渗透率高于中位数Blog提及数和加入Twitter，对候选人和周F.E.进行控制。图5：博客提及数和推特渗透率-1.0.1.2.3候选人的政治广告，每个候选人的平均值-10-5 0.5 10周左右加入TwitterTwitter渗透率低于中位数Twitter渗透率高于中位数政治广告和加入Twitter，控制候选人和周F.E.图6：政治广告和Twitter渗透39Table 1：推特采用和日志（总捐赠）日志（总捐赠）(1)(2)(3)(4)(5)（6）变量所有新的新经验体验onTwitter x Twit_Penet 102.6499**106.1455**186.0268***192.2501***-45.0641-47.0084（45.5244）（45.5292）（45.7296）（43.7545）（91.0756）onTwitter 0.1879 1.3162 0.1268 2.3393 0.3961*-0.0791（0.1126）（1.0235）（0.1140）（1.5472)(0.2248)(2.0678)观察565,968 565,968 236,740 236,740 329,228 329,228 329,228 r-平方0.8215 0.8215 0.8828 0.8828 0.7856 0.7856 0.7856政治家-月FE Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y2014年Twitter e例题ECT.228**.236**.414***.428***-.1-.105注：括号内为州和周级别的稳健标准错误。***P<0.01,**P<0.05,*P<0.1。因变量是Log（聚合捐赠）。第（1）-（2）栏包括所有政治家，而第（3）-（4）栏只包括新的，第（5）-（6）栏有经验丰富的政治家。与推特上的政治家互动的州级基线控制包括家庭收入中位数和人口规模。平均页面浏览量相对于州年度的所有页面浏览量被用作推特渗透率的衡量标准。

所有详细说明包括政治家-月份和月份中的星期。表2：推特的采用和至少接受一次捐赠的概率（1）（2）（3）（4）（5）（6）变量所有新的新的Expe rienced经验dontwitter x Twit_Penet 13.7776**14.3168**22.5307***23.4135***-1.9080-2.0584（5.8924）（5.9123）（6.3244）（6.4678）（12.0430）（11.7725）onTwitter 0.0243 0.1972 0.0218 0.3403 0.0407 0.0035（0.0149）（0.1503）（0.0168）（0.2057）（0.0301）（0.2909）观察565,968 565,968 236,968 40 236,740 329,228 329,228 r-平方0.7865 0.7865 0.8448 0.8449 0.7508 0.7508政治家-月FE Y Y Y Y Y Y Y Y Y Y Y Y Y baseline control x在Twitter上N Y N Y Y N Y N Y暗示Twitter e clect for 2009.004**0.004**.006***.006***-.001-.001隐含的2014年Twitter e the ect.031**.032**.05***.052***-.004-.005注：稳健的标准错误聚集在括号中的州和周级别。***P<0.01,**P<0.05,*P<0.1。相依变差是接受至少一次捐赠的概率。第（1）-（2）栏包括所有政治家，第（3）-（4）栏只包括新政治家，第（5）-（6）栏有经验丰富的政治家。与推特上的政治家互动的州级基线控制包括家庭收入中值和人口规模。平均页面浏览量相对于州年度的所有页面浏览量被用作推特渗透率的衡量标准。所有具体情况包括政治家-月份和月份中的星期。表3：推特采用和日志（捐赠数量）日志（捐赠数量）(1)(2)(3)(4)(5)（6）变量所有新的新Exp erience d体验dontwitter x Twit_Penet 16.9626 17.4442 41.2259***42.5467***-25.3309-26.4579（12.3434）（12.3865）（11.5946）（11.5548）（24.0095）（23.0095）onTwitter 0.0533 0.2116 0.0226 0.4715 0.1328**-0.1396（0.0323）（0.1734）（0.0294）（0.3578）（0.0567）（0.4622）观察565,968 565,968 68 236,740 236,740 329,228 329,228 329,228 r-平方0.8384 0.8384 0.9007 0.9007 0.8006 0.8007政治家-月FE Y Y Y Y Y Y yy yy yy yy yy baseline control x在Twitter上N Y N Y N Y N Y暗示Twitter e cect为2009.005.0050.01***.011***-.007-.007隐含的2014年Twitter e the ect.038.039.092***.095***-.056-.059注：括号中的稳健标准错误聚集在州和周级别。***P<0.01,**P<0.05,*P<0.1。从属vari-able是Log（捐赠数量）。第（1）-（2）栏包括所有政治家，第（3）-（4）栏只包括新政治家，第（5）-（6）栏有经验丰富的政治家。与推特上的政治家互动的州级基线控制包括家庭收入中值和人口规模。平均页面浏览量相对于州年度的所有页面浏览量被用作推特渗透率的衡量标准。所有详细资料包括政治家-月份和月份中的星期。41表4：基线结果：政治家固定的八周窗口ectslog（累计捐赠）一个捐赠日志（捐赠数量）问题(1)(2)(3)(4)(6)(7)(8)(9)变量所有新旧所有新旧所有新旧所有新旧Twitter x Twit_Penet 93.9519**126.7358**-13.2064 12.5811**15.0845**-0.6215 16.3467 25.8044**-5.4879(38.9716)(50.8035)(54.1856)(6.8434)(5.8806)(5.8806)(10.8844)(12.3834)(12.0133)onTwitter 0.0303 0.1225 0.0862 71 0.0212 0.0133 0.0056 0.0304 0.0081（0.1119）（0.1288）（0.1679）（0.1679）（0.0148）（0.0183）（0.0232）（0.0326）（0.0319）（0.0454）观察24,094 14,160 9,929 24,094 14,160 9,929 24,094 14,160 9,929 24,094 14,160 9,929 r-平方0.5869 0.6077 0.5720 0.5460 0.5667 0.5237 0.6016 0.6354 0.6005政治家FE Y Y Y Y Y Y YY Y Y Y Y YWeek FE Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y***P<0.01,**P<0.05,*P<0.1。

因变量为Log（捐赠数量）、接受捐赠概率和Log（捐赠数量）。第(1)、(4)和（7）栏包括所有政治家，而第(2)、(5)和（8）栏只包括新政治家，第(3)、(6)和（9）栏有经验丰富的政治家。平均页面浏览量相对于州年度的所有页面浏览量被用作推特渗透率的衡量标准。所有详细说明包括政治家和周刊。42表5：捐款数额：与政治家一起解决了所有政治家的问题：日志（总捐赠）5周6周7周8周9周10周20周变量(1)(2)(3)(4)(6)(7)在推特x Twit_Penet 100.1897**89.1422**92.7713**93.9519**85.6743**80.6435**50.1190（40.6520）（41.4398）(39.0579)(38.8228)(37.8201)(37.0327)在推特0.0081 0.0323 0.0348 0.0303 0.0705 0.1042 0.5155***(0.1219)(0.1194)(0.1153)(0.113)(0.1153)(0.8320)(0.8320)1119）（0.1064）（0.1105）（0.1107）观察19,221 20,846 22,470 24,094 25,716 27,336 43,508 r-平方0.6018 0.5932 0.5894 0.5869 0.5832 0.5807 0.5635政治家FE Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y YTwitter e the ect for 2014.223**.198**.206**.209**.191**.179**.111注：稳健的标准错误在括号内按州和周级别聚集。***P<0.01,**P<0.05,*P<0.1。因变量isLog（聚合捐赠）。第（1）-（7）栏包括所有政治家。在统计电子年中，页面浏览量相对于所有页面浏览量的平均值被用作Twitter渗透度量。所有详细说明包括政治家和周刊。表6：捐款数额：用政治家解决了新政治家的问题：日志（总捐赠）5周6周7周8周9周10周20周变量(1)(2)(3)(4)(6)(7)在推特x Twit_Penet上124.1443**115.2081**121.8793**126.7358**124.9643**122.2513**133.0385**(49.4201)(50.2453)(49.4881)(50.8035)(51.3200)(50.8119)(52.2574)在推特0.0976 0.1113 0.1293 0.1225 0.1720 0.2266 88）（0.1323）（0.1393）（0.1559）观察11,328 12,274 13,218 14,160 15,098 16,034 25,257 r-平方0.6162 0.6106 0.6080 0.6077 0.6053 0.6048 0.5890政治家FE Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y2014年Twitter e ce ect.281**.26**.276**.287**.283**.276**.301**注：稳健的标准错误在括号内按州和周级别聚集。***P<0.01,**P<0.05,*P<0.1。因变量是Log（AggregateDonations）。第（1）-（7）栏《新政治家》。平均页面浏览量相对于州年度的所有页面浏览量被用作推特渗透率的衡量标准。所有细节包括政治家和周刊。43表7：捐款数额：与政治家固定的窗户和政治家的经验：日志（总捐赠）5周6周7周8周9周10周20周变量(1)(2)(3)(4)(5)(7)在推特x Twit_Penet 17.0589-2.7135-4.7562-13.2064-29.6278-30.0255-26.3213（42.0674）（46.7108）（43.4306）（40.4304）（42.1172）在推特0.0278 0.0856 0.0720 0.0862 0.1305 0.1337 0.2238（0.1796）（0.1884）（0.1793）（0.1679）（0.1618）（0.1674）（0.1528）观察资料886 8,567 9,247 9,929 10,610 11,296 18,244 r-平方0.5907 0.5792 0.5756 0.5720 0.5674 0.5637 0.5468政治家FE Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y-.007-.006隐含了2014.034-.005-0.01-1.027-0.059-0.06-0.043的Twitter e-EC t。注：括号中的稳健标准错误聚集在州和周级别。***P<0.01,**P<0.05,*P<0.1。因变量isLog（聚合捐赠）。第（1）-（7）栏包括经验丰富的政治家。平均网页浏览量相对于所有网页浏览量在一个州一年是使用了更多的渗透度量。

所有sp ECI包括pol itician和Weekly Elections。表8：竞选支出安慰剂分析小组A：竞选支出安慰剂I(1)(2)(3)(5)(6)(7)日志（总日志（投票日志（退款到日志（转账到日志（TravelVARIABLES支出）日志（捐款）费用）捐助者）日志（筹款）委员会）费用）twitter x Twit_Penet 24.5295-12.5698-0.6529 1.0771 2.6789-2.8861-5.9670（43.9527）（9.9327）（8.7970）（1.0577)(13.8872)(2.8872)（15.4036）twitter-0.0002-0.2113-0.0234 0.0226 0.6984 0.0214-0.2215（1.5214）（0.2611）（0.2009）（0.0221）（0.6493）（0.0278）（0.4379）观察561,339 561,598 561,600 561,594 561,576 561,548 r-平方0.8710 0.3316 0.3251 0.2718 0.6456 0.2717 0.5939政治家-月FE Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y baseline控制Twitter上的x Y Y Y Y Y Y Y Y Y Y Y Y Y yimpled Twitter e e c t for 2009.007-.003 0 0.001-.001-.002 implered Twitter e e c t for 2014.055-0.028-.001.002.006-.006-0.013panel B：竞选支出安慰剂I I(8)(9)(10)(11)(12)(13)日志（行政日志（广告日志（贷款变量支出）支出）日志（事件）日志（材料）日志（捐款）还款）Twitter x Twit_Penet 13.4955 17.5680 5.4400 8.1173-2.1121 0.3731（22.9729）（15.9738）（12.2697）（3.3032）（0.9381）Twitter-0.8601-0.1807 0.5236 0.1613 0.1971-0.0880（0.6406）（0.4189）（0.3131）（0.3412）（0.1686）（0.0715）观察561,538 561,579 561,590 561,591 561,595 561,600 r-squared 0.8369 0.6210 0.5227 0.4963 0.3928 0.2637政治家-月FE Y Y Y Y Y Y Y Y Y Y Y Y baseline control x在Twitter Y Y Y Y Y Y Y Y暗示Twitter e e c t 20090.004.005.002.002-.001隐含了2014年的Twitter e cec t.03.039.012.018-.005.001注：括号中的稳健标准错误聚集在州和周级别。***P<0.01,**P<0.05,*P<0.1。第（1）-（13）栏包括所有政治家。与推特上的政治家互动的州级基线控制包括家庭收入中值和人口规模。平均页面浏览量相对于州年度的所有页面浏览量被用作推特渗透率的衡量标准。所有详细资料包括政治家-月份和月份中的星期。表9：政治广告，新闻和博客安慰剂分析日志（政治广告支出）日志（新闻提及数）日志（博客提及数）(1)(2)(3)(5)(6)(7)(9)(9)变量所有新经验所有新经验所有新经验所有新经验twitter x Twit_Penet-13.9824 11.1326-58.8757 0.4565-5.7416-7.2800*-2.9491（18.0394）（14.4600）（52.2719）（3.9450）（3.3989）（9.0824）（4.1593）（3.6545）（8.2101）在推特0.3212-0.0515 0.7542*0.0341-0.03 58 0.1325-0.0359-0.0177-0.0533（0.1937）（0.1642）（0.4118）（0.1092）（0.1027）（0.2323）（0.1115）（0.1038）（0.2043）观察565,968 236,740 329,228 46,379 28,320 18,059 46,379 28,320 18,059 r平方0.8136 0.8301 0.8020 0.9207 0.9275 0.9106 0.8584 0.8588 0.8488政治家-月铁Y YYY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY Baseline控制x在Twitter YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY YY***P<0.01,**P<0.05,*P<0.1。因变量分别为政治广告消耗数、新闻提及数和博客提及数。第(1)、(4)和（7）栏包括所有政治家，而第(2)、(5)和（8）栏只包括新政治家，第(3)、(6)和（9）栏有经验丰富的政治家。与推特上的政治家互动的州级基线控制包括家庭收入中值和人口规模。平均页面浏览量相对于州年度的所有页面浏览量被用作推特渗透率的衡量标准。所有具体情况包括政治家-月和月中的周。表10：捐款和新捐款的数额。

重复DonorsPanel A：日志（总捐赠）新捐赠者重复捐赠者(1)(2)(3)(4)(5)（6）变量所有新经历所有新经历所有新经历onTwitter x Twit_Penet 99.6026**201.2764****-82.2807-23.4208 13.5236-80.3688（39.5139）（42.8484）（74.3038）（37.0208）（19.4423）（84.5136）onTwitter 0.6378 2.2815-1.5874-0.2534-0.5769 0.2076（0.7134）（1.5024）（1.5364）（0.8247）（0.8508）（0.5842）（1.5842）观察565,968 236,740 329 228 565,968 236,740 329,228 r-平方0.7850 0.8725 0.7332 0.7626 0.7626 0.8080 0.7359政治家-月FE Y Y Y Y Y Y Y Y Y Y Y Y Y Y baseline控制x在Twitter Y Y Y Y Y Y Y Y Y Y baseline control x在Twitter Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y2014年:222**.448***-.183-.052.03-.179B:Twitter x Twit_Penet上的日志（捐赠数量）19.0058*43.1319****-24.0642-6.4079 3.1616-20.8431（10.0928）（11.0250）（16.4680）（8.3034）（4.4554）（18.5322）上的0.2554*0.4975-0.0834-0.1068-0.0713-0.1357（0.1360）（0.3617）（0.1962）（0.1299）（0.3680）观察565,968 236,740 329,228 565,968 236,740 329,76,740 329,228 r-平方0.8169 0.8892 0.7642 0.7891 0.8484 0.7 615政治家-月FE Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y baseline控制x在Twitter Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y在括号中的州和周级别上聚类的稳健标准误差。***P<0.01,**P<0.05,*P<0.1。相关变量是Log（捐赠总量）和Log（捐赠数量）。第（1）和（4）栏包括所有政治家，第（2）和（5）栏只包括新政治家，第（3）和（6）栏有经验丰富的政治家。与推特上的政治家互动的州级基线控制包括主题家庭收入和人口规模。平均页面浏览量相对于州年度的所有页面浏览量被用作推特渗透率的衡量标准。所有详细信息包括政治家-月份和月份中的一周。一项统计测试比较了新捐赠者和重复捐赠者的每周总捐赠，显示了以下P值：0.000（所有政治家），0.000（新政治家），0.971（有经验的政治家）。我们在捐赠数量上没有看到明显的变化。45表11：加入推特及捐款金额：众议院对参议院候选人小组A：日志（捐款总额）参议院（1）（2）（3）（4）（5）（6）变量所有新经验所有新经验所有新经验onTwitter x Twit_Penet 34.7339 48.6398 43.2330 119.0656**214.1968****-57.8678（73.9788）（106.8262）（107.1972）（50.7529）（48.7895）（106.4910）onTwitter-3.1263-1.3372-4.6257 2.4824*2.7287 1.7364（2.0686）（2.5507）（4.1722）（1.3541）（1.8950）（2.2820）观察114,816 50,408 64,408 8 451,152 186,332 264,820 r-平方0.8665 0.9249 0.8259 0.8077 0.8643 0.7748政治家-月FE Y Y Y Y Y Y Y yy yy yy yy baseline控制x Twitter Y Y Y Y Y Y Y Y baseline controls x Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y.09.126.114.248**.484***-.083 Panel B：Twitter x Twit_Penet上的日志（捐赠数量）-6.5753-16.0041 5.7861 22.3269 51.2158***-30.8124（20.5819）（20.4530）（35.6365）（13.7621）（12.0619）（25.7055）-0.6366-0.7959-0.3724 0.3957 0.6293-0.0380（0.6569）（0.7602）（1.1739）（0.2404）（0.4758）（0.4227）观察114,816 50,408 64,408 451,152 186,332 264,820 r-平方0.8935 0.9339 0.8607 0.8131 0.328 8773 0.7785政治家-月FE Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y baseline控制x在Twitter Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y在括号中的州和周级别上聚类的稳健标准误差。***P<0.01,**P<0.05,*P<0.1。dependentvariables是Log（聚合捐赠）和Log（捐赠数量）。