利用传染病房室模型预测选举
物理与社会
2020-09-21 v5 社会与信息网络
动力系统
适应与自组织系统
种群与进化
摘要
预测选举——一个充满挑战且高利害的问题——是大量不确定性、主观性和媒体审视的主题。为阐明这一过程，我们发展了从动力系统视角预测选举的方法。我们的模型借用了流行病学的思想，并使用美国选举的民调数据来确定其参数。令人惊讶的是，我们的通用模型在 2012 和 2016 年美国总统、参议员和州长竞选中表现与流行预测者一样好。尽管传染与投票动力学不同，我们的工作提出了一种有价值的方法以阐明各州选举间如何关联。它还说明了以不同方式考虑不确定性的效应，提供了使用动力系统进行数据驱动预测的例子，并指出了政治选举未来研究的方向。我们以 2018 年 11 月 6 日参议员和州长竞选的预测作结，该预测发布于 2018 年 11 月 5 日。
引用
@article{arxiv.1811.01831,
title = {Forecasting elections using compartmental models of infection},
author = {Alexandria Volkening and Daniel F. Linder and Mason A. Porter and Grzegorz A. Rempala},
journal= {arXiv preprint arXiv:1811.01831},
year = {2020}
}
备注
SIAM Review, in press. For forecasts of the 2020 U.S. elections that use the methodology from this paper, go to \url{https://modelingelectiondynamics.gitlab.io/2020-forecasts/index.html}. The website is by Samuel Chian, William L. He, and Christopher M. Lee, who are students working on a project that is supervised by Alexandria Volkening