用统计学影响选举：基于逻辑回归树的选民定位
应用统计
2013-12-02 v1
摘要
在政治竞选中，大量资源被用于选民动员，即识别并影响尽可能多的人去投票。竞选活动使用统计工具来决定针对谁进行动员（“微观定位”）。本文以2004年美国总统选举为例，描述了一项旨在提高总体投票率的无党派竞选活动。基于一个包含19634名俄亥俄州合格选民的现实数据集，我们引入了一个现代统计框架，该框架非常适合在一次操作中完成选民定位的主要任务：预测个人对特定事业、政党或候选人的投票（或支持）可能性，以及进行数据驱动的选民细分。我们称之为LORET（LOgistic REgression Trees，逻辑回归树）的框架包含了逻辑回归和分类树等标准方法作为特例，并允许两种技术的综合。在我们的案例研究中，我们探索了在逻辑模型组件中使用不同回归变量以及在树组件中使用不同划分变量的各种LORET模型；我们从预测准确性的角度分析了这些模型，并比较了使用全部可用变量与仅使用有限信息的效果。我们发现，用额外的预测变量（如家庭党派构成）扩充一组标准变量（如年龄和投票历史）明显提高了预测准确性。我们还发现，基于树归纳的LORET模型优于未划分的模型。此外，我们说明了选民细分如何从我们的框架中产生，并从定位的角度讨论了由此产生的画像。
引用
@article{arxiv.1311.7326,
title = {Influencing elections with statistics: Targeting voters with logistic regression trees},
author = {Thomas Rusch and Ilro Lee and Kurt Hornik and Wolfgang Jank and Achim Zeileis},
journal= {arXiv preprint arXiv:1311.7326},
year = {2013}
}
备注
Published in at http://dx.doi.org/10.1214/13-AOAS648 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)