选举民调中的偏差与超额方差：一个并非隐秘的隐马尔可夫模型
应用统计
2023-02-21 v2
摘要
随着2016年和2020年美国总统选举中历史性的失误，衡量民调误差的兴趣有所增加。在选举事后分析中，衡量方向性误差和非抽样超额变异性的最常见方法，是评估在选举日前几天内进行的民调结果与选举结果之间的差异。分析此类民调误差数据 notoriously 困难，典型模型对民调与选举之间的时间间隔极其敏感。我们利用传统用于选举预测的隐马尔可夫模型，灵活捕捉时变偏好，并将选举结果视为通常隐藏的马尔可夫过程的一个峰值。我们的结果对时间窗口的选择敏感度大大降低，避免将偏好转移与民调误差混为一谈，并且尽管模型高度灵活却更具可解释性。我们用2004年至2020年美国总统选举以及1992年至2020年美国参议院选举的民调数据展示了这些结果，得出结论：先前报道的总统选举偏差估计过于极端达10%，参议院选举偏差估计过于极端达25%，且超额变异性估计也过大。
引用
@article{arxiv.2206.14570,
title = {Bias and Excess Variance in Election Polling: A Not-So-Hidden Markov Model},
author = {Graham Tierney and Alexander Volfovsky},
journal= {arXiv preprint arXiv:2206.14570},
year = {2023}
}