作者:米尔塔·加莱西奇和安迪·布鲁因·德·布鲁因，《对话》 截至11月的实际结果
17票
信用:对话 大多数民意调查都正确预测了2020年美国大选的获胜候选人
S
总统选举——但平均而言，他们高估了民主党人乔·拜登击败共和党人唐纳德·特朗普的优势
我们对民意测验方法的研究发现，如果民意测验专家的预测超越传统问题，他们的预测会更准确
传统的民意调查询问人们如果选举是在今天，他们会投票给谁，或者他们可能投票给特定候选人的百分比
但是我们对人们的期望和社会判断的研究让我们和我们的合作者，圣达菲研究所的亨里克·奥尔森和麻省理工学院的德拉赞·普雷雷克，怀疑不同的问题是否能产生更准确的结果
具体来说，我们想知道询问人们关于他们的社交圈和他们所在州的其他人的政治偏好是否有助于描绘出美国选民的更全面的图景
大多数人都很了解他们的朋友和家人的生活经历，包括他们有多快乐和健康，以及他们大概赚了多少钱
因此，我们设计了一些民意测验问题，看看其他人的这种知识是否延伸到了政治领域——我们发现确实如此
我们认为，如果民意测验专家利用这类知识，他们可以学到更多
询问人们周围的人将如何投票，并在一个大的全国性样本中汇总他们的回答，使得民意测验专家能够挖掘出通常被称为“群体智慧”的东西
" 有哪些新的“群体智慧”问题？ 自2016年U
S
总统选举季节，我们一直在问各种选举投票的参与者:“你的社会关系中有百分之几的人会投票给每个候选人？” 在2016年的美国
S
在选举中，这个问题预测特朗普会赢，而且比询问调查对象自己的投票意图更准确
在投票期间，拜登和特朗普的顺序在参与者之间随机变化
信用:对话 在预测2017年法国总统选举、2017年荷兰议会选举、2018年瑞典议会选举和2018年美国大选的结果时，关于参与者社交联系的问题同样比传统问题更准确
S
众议院选举
在一些民意调查中，我们还问，“你们州有多少比例的人会投票给每个候选人？”这个问题也利用了参与者对他们周围的人的了解，但是范围更广
这个问题的变体在以前的选举中运行良好
新的投票问题做得怎么样？ 在2020年的美国
S
在总统选举中，我们的“群众智慧”问题再次比传统问题更能预测全国普选的结果
在南加州大学多恩西菲黎明民意调查中，我们询问了4000多名参与者，他们希望他们的社会关系如何投票，以及他们认为哪个候选人会在他们的州获胜
他们还被问及他们自己打算如何投票
目前的选举结果显示拜登领先3
民众投票中的7个百分点
全国平均民调预测领先8个百分点
4个百分点
相比之下，关于社会关系的问题预测为3
拜登领先4分
该州获胜者的问题预测拜登领先1
5分
相比之下，在同一项民意调查中，传统的询问选民自身意向的问题预测为9
三分领先
为什么新的投票问题有效？ 我们认为，有三个原因让询问投票参与者关于他们社交圈子中的其他人和他们的状态比询问参与者自己更准确
首先，询问他人有效地增加了调查的样本量
它至少给了民意测验专家一些关于投票者投票意图的信息，否则他们的数据可能会被完全忽略
例如，许多人没有被调查者联系，或者可能拒绝参与
尽管受访者没有关于他们周围每个人的完美信息，但事实证明他们知道的足够多，可以给出有用的答案
信用:对话 其次，我们怀疑人们可能会发现报道他们认为别人会如何投票比承认他们自己会如何投票更容易
有些人可能会觉得不好意思承认他们最喜欢的候选人是谁
其他人可能害怕骚扰
有些人可能会撒谎，因为他们想阻挠民意调查
我们自己的发现表明，出于所有这些原因，特朗普选民可能比拜登选民更有可能隐藏他们的投票意图
第三，大多数人受周围人的影响
人们经常从朋友和家人那里获得关于政治问题的信息——这些对话可能会影响他们的投票选择
询问参与者他们将如何投票的投票问题并没有获得这种社会影响
但是通过询问参与者他们认为他们周围的其他人会如何投票，民意测验专家可能会知道哪些参与者可能仍然会改变主意
我们正在研究的其他方法 在这些发现的基础上，我们正在寻找将这些问题和其他问题的信息整合到算法中的方法，这些算法可能会对选举结果做出更好的预测
一种被称为“贝叶斯真理血清”的算法对参与者的回答给予了更多的权重，这些参与者说他们的投票意图和他们的社交圈的投票意图相对比该州的人认为的更普遍
另一种被称为“全信息预测”的算法将参与者对几个投票问题的回答结合起来，以整合每个问题的信息
这两种方法在很大程度上都优于传统的投票问题和平均投票的预测
我们的民意调查在每个州都没有足够的参与者来做出好的州级预测，以帮助预测选举团的投票
事实上，我们关于社交圈和预期的州获胜者的问题预测特朗普可能会以微弱优势赢得选举团
这是错误的，但迄今为止，在预测拜登和特朗普在各州的投票差异方面，这些问题的平均误差低于传统问题
尽管我们仍然不知道2020年选举的最终票数，但我们知道的足够多，可以看到民意测验专家可以通过询问参与者他们认为其他人会如何投票来改进他们的预测
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
