唐世平教授预测团队对本次美国大选的预测结果公布

其他
存档帖子
01/11/2020
0

作者：来源：复旦复杂决策分析中心

2020年美国总统选举:基于ABM的仿真模拟预测

2020年11月1日

复旦大学复杂决策分析中心

中国·上海

北京时间2020年11月1日中午12点(美国总统大选前两天)，唐世平教授担任主任的复旦大学“复杂决策分析中心”研究团队正式发布最新的基于计算机模拟的选举预测结果，该结果预测了将于2020年11月3日举行的第59届美国总统大选中共和党候选人和民主党候选人在六个州的“相对得票率”。

特别说明：“相对得票率”等于某一个党的候选人的真实得票率除以民主党与共和党两位候选人真实得票率之和。

实际上，我们团队在2020年9月初就已经通过模拟得出了这些预测结果，且分别于今年的4月、7月和9月先后根据不同时期的数据和信息共计模拟了三次。我们之所以没有在较早时间公布这些预测结果是为了避免影响实际的投票过程。

我们的预测是基于ABM模型(Agent-based Modeling)的仿真模拟，完全不依赖民意调查，因此该方法在民调数据相对缺乏的州依然适用。我们从2015年初就开始研发和测试这种方法。我们先前的各项预测表现也相当准确，详见本报告末尾的相关链接(附录-2)。

今年，我们基于ABM的美国大选预测主要集中在6个州(迫于研究预算的限制)。必须强调的是，该预测项目是一项纯粹的科学活动，团队无意以任何方式影响美国的实际选举过程和结果。

显然，普通大众更关心的是整个大选的结果。因此，通过将我们的方法与民调预测模型相结合，最终我们将预测范围扩展到美国全国选举团票数的分布情况，以及双方的胜选概率(附录-1)。

感谢“海国图智研究院”对本研究在数据收集期间所提供的部分协助。

预测结果汇总表

注：A组模型与B组模型的一个重要区别是，除了共享的变量之外，前者还包含了各行业(农业、制造业或其他)的就业比例变量，而后者则包含族裔背景变量。

1. 密歇根州

两组预测模型均预测拜登-哈里斯将赢得密歇根州的选举，平均而言获得 54.54% 或55.57%的选票。第一组模型(A组模型)预测拜登和哈里斯的相对得票率在 53.18%(最低值)到55.91%(最高值)之间。第二组模型(B组模型)预测拜登和哈里斯的相对得票率在 54.18%(最低值)到56.95%(最高值)之间。

2. 俄亥俄州

两组预测模型均预测特朗普-彭斯将赢得俄亥俄州的选举，平均而言获得 50.75%或 50.89%的选票。第一组模型(A组模型)预测特朗普和彭斯的相对得票率在 49.52%(最低值)到 51.98%(最高值)之间。第二组模型(B组模型)预测特朗普和彭斯的相对得票率在 49.66%(最低值)到 52.12%(最高值)之间。

3. 宾夕法尼亚州

两组预测模型均预测拜登-哈里斯将赢得宾夕法尼亚州的选举，平均而言获得 52.04%或52.44%的选票。第一组模型(A组模型)预测拜登和哈里斯的相对得票率在 50.74%(最低值)到 53.34%(最高值)之间。第二组模型(B组模型)预测拜登和哈里斯的相对得票率在 51.13%(最低值)到53.75 %(最高值)之间。

4. 印第安纳州

两组预测模型均预测特朗普-彭斯将赢得印第安纳州的选举，平均而言获得 51.65%或53.64%的选票。第一组模型(A组模型)预测特朗普和彭斯的相对得票率在50.44%(最低值)到52.85%(最高值)之间。第二组模型(B组模型)预测特朗普和彭斯的相对得票率在 52.48%(最低值)到 54.80%(最高值)之间。

5. 西弗吉尼亚州

西弗吉尼亚州，由于该州的族裔同质化程度比较高，我们的模拟只能得到一组模型 (A组模型)。

我们的预测模型预测，特朗普和彭斯将赢得西弗吉尼亚的选举，平均而言获得61.69%的选票。模型(A组模型)预测特朗普和彭斯的相对得票率在60.73 %(最低值)到 62.65%(最高值)之间。

6. 密苏里州

两组预测模型均预测特朗普-彭斯将赢得密苏里州的选举，平均而言获得55.60 %或55.39%的选票。第一组模型(A组模型)预测特朗普和彭斯的相对得票率在54.49%(最低值)到 56.71%(最高值)之间。第二组模型(B组模型)预测特朗普和彭斯的相对得票率在54.27%(最低值)到 56.50%(最高值)之间。

上述预测是唐世平教授团队在上海复旦大学进行的为期一年的项目研究成果。它是继团队对2016年“台湾地区领导人选举”、2018年美国西维吉尼亚州和密苏里州参议院中期选举、2018年台湾地区台北、新北市和桃园市长选举以及2020年“台湾地区领导人选举”的精准预测之后的又一成果。更多信息，请访问我们的官方网站：www.ccda.fudan.edu.cn.

在模拟的过程中，团队力求做到：(1)在政治学选举理论指导下进行变量选择和模型构建;(2)结合选民和候选人的个体层面数据与经济社会发展的结构层面数据;(3)结合长期稳定效应和短期波动效应，试图通过标准化的模型、严谨的程序和算法来更准确地预测选举。通过引入ABM仿真模拟，本研究是一次探索新的选举预测科学方法的有益尝试。

唐世平及其同事所开发的预测方法避免了对民调数据的过度依赖。换言之，我们基于ABM的选举预测不需要任何民意调查的数据。因此，我们的预测技术能够特别在民调数据稀缺或者民调数据质量欠佳的国家或地区，依然能够实现精准预测。更重要的是，我们的方法不仅能预测哪位候选人胜选，而且可以基于基准模型给出每位候选人的得票率和得票区间。

本团队现在正在撰写学术研究论文，未来将提供更多关于该预测方法的技术细节。

附录1：预测2020年美国总统选举的总体结果

由于普通民众对总统大选总体结果的兴趣远大于候选人在具体州的得票率，因此我们也将发布对大选总体结果的扩展预测。

这里必须强调的是，在这部分的预测中，除了上述6个州基于ABM的预测结果之外，我们对其它各州的预测运用了民调数据(未来，在研究预算允许的情况下，我们将全部用ABM结果替代)。然后，我们要做的是利用蒙特卡洛模拟方法来模拟每位候选人获得超过270张选举人票(即获胜)的情形和几率。

我们得出以下预测结果：拜登-哈里斯赢得选举的几率在89.6%-92.4%之间(均值为91.1%)，特朗普-彭斯赢得总统选举的几率在7.1%-9.6%之间(均值为8.3%)。当然，尽管我们预测特朗普连任将是小概率的事件，这不意味着他重新当选的概率是零。