加州大学伯克利分校 信用:Unsplash/CC0公共领域 在选举投票中你应该有多自信？根据伯克利哈斯的一项新研究，没有民意测验专家声称的那么自信
大多数选举民调显示95%的信任度
然而，对11个选举周期的1400项民意调查的分析发现，结果只有60%的时间落在民意调查的结果之内
这是选举前一周的民意调查——准确性下降得更远
伯克利哈斯教授说:“如果你对2020年的选举结果有信心，那么请三思。”
唐·摩尔和他20岁的前学生阿迪蒂亚·科塔克一起进行了这项分析
“有很多原因可以解释为什么实际结果可能与民意调查不同，民意调查者计算置信区间的方式没有考虑到这些问题
" 当唐纳德·特朗普(Donald Trump)总统在2016年击败希拉里·克林顿(Hillary Clinton)后在民调中落后于她时，许多人感到惊讶，并猜测民调越来越不准确，或者选举如此不寻常，以至于他们放弃了投票
但是摩尔和科塔克在他们2008年的调查样本中没有发现准确性下降的证据——相反，他们发现民意测验专家总是过于自信
科塔克说:“也许我们对民调的整体解读方式需要调整，以应对随之而来的不确定性。”
分析总结说，事实上，要有95%的信心，民调需要将他们报告的误差幅度提高一倍，甚至在选举日的一周之后
2019年总统初选期间，作为一名统计学和计算机科学专业的学生，科塔克在摩尔的准确度实验室实习，他对民意调查中的置信区间越来越好奇
他注意到民意测验的误差幅度经常被作为新闻文章和选举预测方法的脚注提及，他想知道它们是否像误差幅度所暗示的那样准确
科塔克把这个想法带给了摩尔，他从心理学和统计学的角度研究过度自信
关于投票准确性的大部分研究只考虑投票是否正确地判定了获胜者
为了衡量民意调查的信心，他们决定根据选举前的时间追溯民意调查，不考虑候选人是赢了还是输了，而是考虑投票的实际份额是否在民意调查报告的误差范围内
例如，如果一项民意调查显示54%的选民支持一名候选人，并且有5%的误差幅度，如果该候选人获得49%至59%的选票，这将是准确的，但是如果该候选人以超过59%的选票(或少于49%)获胜，这将是一个失误
摩尔和科塔克在2008年、2012年和2016年大选前进行了1400次民意调查，在2008年和2016年爱荷华州和新罕布什尔州进行了民主党总统初选，在2012年和2016年在相同的州进行了共和党初选
因为一些民意调查询问了多名候选人，样本包括超过5000份关于人们如何表示将投票给特定候选人的调查结果，以及伴随而来的误差幅度
对7天一批的民意调查进行分析后，他们发现离选举越远，调查的准确性就越低，只有大约一半在选举前10周被证明是准确的
这是有道理的，因为不可预见的事件发生了——比如前联邦调查局局长詹姆斯·科米在2016年总统大选前一周宣布对希拉里的电子邮件进行调查
然而，大多数民意调查，即使是几周之后，都报告了行业标准的95%置信区间
抽样误差和置信区间 置信区间量化了被调查者的样本能够反映整个选民群体的确定程度
例如，95%的置信区间意味着，如果相同的抽样程序被遵循100次，这些样本中的95个将包含真实的投票人群体
然而，问题就在这里
置信水平考虑到了“抽样误差”，这是一个统计术语，它量化了纯粹偶然情况下，样本与抽取样本的较大选民群体之间的差异
例如，不调查足够多的选民会增加抽样误差
但是抽样误差不包括任何其他种类的误差——比如一开始就调查了错误的人群
伯克利政治科学系副教授大卫·布鲁克曼说:“人们经常忘记，民调的误差幅度只能反映误差的统计来源。”
“这一分析表明，实际上剩余的非统计误差来源有多大
" 教授补充道
同样来自伯克利政治科学的加布里埃尔·伦茨说:“这是一个引人入胜的分析，未来的工作可能会理清不准确的来源，如低质量的民意调查，筛选可能的选民的困难，选民意图的最后一刻的变化，等等
" 摩尔说，在投票统计中很容易将抽样误差考虑在内，但要考虑所有其他未知因素就难多了
这是一个远远超出民意调查的教训
“因为我们的信念基于不完美和有偏见的信息样本，有时我们会因为我们没有预料到的原因而犯错，”他说
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
