为什么你不能依赖选举预测

如果我们担心在上班的路上被淋湿，我们可以看看气象学家的计算机模型对天气的预测。如果天气预报说有百分之八十的可能性下雨，我们就带把伞。

在对周二的投票感到焦虑的情况下，我们中的许多人指望统计学家的选举模型来告诉我们会发生什么，这是可以理解的。如果他们说你的候选人有80%的机会获胜，你会感到放心。

但在唐纳德·特朗普(Donald Trump)在2016年出人意料的获胜似乎挑战了这些模式之后，人们一直在质疑我们应该对选举预测给予多大的关注。

为什么我们要有模特？为什么我们不能只考虑民调平均值呢？嗯，总统不是由全国选票总数选出的，而是由每个州的选举人票选出的，所以全国民调不能给我们提供我们需要的信息。正如过去五次选举中的两次-在2000年和2016年-有可能赢得普选，但输掉选举人团。模型为我们提供了一种方法，可以处理50个州的不同质量的民意调查，以得出预测。

有两种广泛的方法可以对事件建模：使用“基本面”-可以影响事件的机制-和概率-像民意测验这样的测量。对于选举，基本面应该是历史经验教训，比如“更好的经济有利于在任者。”对于民意调查，没有关于他们为什么会是现在这样的理论。我们只是使用他们产生的数字。

选举预测建模人员根据各种输入运行选举模拟-包括州和全国民调、关于问题的民调以及关于经济和国家形势的信息。比方说，如果他们运行1000个不同的模拟，对这些输入进行不同的排列，如果乔·拜登(Joe Biden)在其中800张模拟中获得270张选举人票，预测拜登赢得选举的可能性为80%。

这就是天气和选举预报开始不同的地方。对于天气，我们有基本原理-关于大气动力学如何工作的先进科学-以及来自大量观测站的多年详细的、每天甚至是每小时的数据。在选举方面，我们根本没有这方面的知识或数据。虽然我们对影响选民的因素有一些理论，但对于人们为什么会这样投票，以及我们掌握的民调数据相对稀少，我们没有细粒度的理解。

因此，大多数每天更新的选举预测-比如来自FiveThirtyEight或《经济学人》的预测-在很大程度上依赖于当前的民调和过去选举的民调，但也允许基本面产生一些影响。由于许多模型使用的是1972年现代初选时代开始时的民调，因此过去的总统选举只有12个例子，具有可靠的民调数据。这意味着只有12次机会来检验假设和结果，尽管目前还不清楚这实际上会涉及到什么。

一个更棘手的问题是，与天气事件不同，总统选举并不是真正的“重复”事件。Facebook可能直到2012年才在选举中发挥重要作用。推特直到2006年才成立，特朗普认为如果没有推特，他可能不会获胜。1972年的一次选举，当时几个广播频道主导了公共领域，告诉我们2020年可能会发生什么？

正确解读选举预测是另一个挑战。如果候选人以53%的得票率赢得选举，那将是一个决定性的胜利。如果一个概率模型给出一个候选人获胜的可能性为53%，这意味着如果我们对选举进行100次模拟，该候选人将获胜53次，而对手获胜47次-赔率几乎相等。

在2016年的最终预测中，FiveThirtyEight认为希拉里获胜的可能性为71.4%。(小数点后的数字提供了一种人造精度的光环，就好像我们可以区分71.4%和71.5%。)。所有这些数字实际上都表明，克林顿有大约三分之一的机会输掉大选，这一点大多数看到了大量数据的人都无法理解。大多数网站给出的数字甚至更高，“纽约时报”预测克林顿在投票当天获胜的可能性为85%。

自2016年以来，像FiveThirtyEight这样的网站在展示方面已经变得更好，专注于赔率和情景，甚至明确敦促人们记住，意外胜利是可能的。尽管如此，预测的重点是预测，当人们看到一个方向上的压倒性赔率似乎是压倒性的可能性时，他们可能不太可能认为“任何事情都有可能发生”。

2016年的一个关键问题是民调机构在为选民建模时所做的假设-那些真正会去投票的人。民调机构在估计选民的教育水平方面有点偏差，特别是在中西部地区。此外，晚些时候决定偏好的人更倾向于投票给特朗普，他的支持者投票的可能性比模特们想象的要高一些。即使是像这样的小变化也很重要；如果它发生在一个州，它可能会在许多类似的州发生。

在2020年，依靠民调或以前的选举更加困难：在一个手机、推动民调和不信任的时代，除了调查存在的所有问题之外，我们正处于一场流行病之中。当民调不一定停止对已经投票的人进行投票时，史无前例的提前投票数字意味着什么？选举前几个月的早期预测，因此更不确定，对提前投票的人有什么影响？面临大流行风险的老年人会避免投票吗？选民压制将如何进行？共和党人最终会在选举日蜂拥前往投票站吗？这些都是很大的未知因素，给模型增加了巨大的不确定性，特别是考虑到选举人团中的赢家通吃的设置，在选举人团中，只需以1%的四分之一的优势赢得一个州，就可以获得所有的选举人票。

关于选举预报以及它们与天气预报的不同之处，还有一个更基本的问题需要考虑。如果我读到有20%的可能性下雨，并且不带伞，那么下雨的可能性不会改变。相比之下，选举模型积极影响人们的行为方式。

例如，在2016年，联邦调查局(FBI)局长詹姆斯·科米(James Comey)的一封信告诉国会，他已经重新启动了对克林顿电子邮件的调查，在距离竞选活动只剩下几天的时候，这封信撼动了竞选的动态。科米后来承认，他认为克林顿会获胜的假设是他决定寄出这封信的一个因素。

同样，Facebook在2016年大选前受到保守派的重创，是否认为克林顿的胜算如此之高，以至于这些错误信息几乎没有什么作用，所以对其平台上虚假信息的泛滥采取了不干预的态度？奥巴马政府是否像报道的那样，推迟公开它所知道的关于俄罗斯干预的所有事情，认为等到克林顿假定获胜之后再公布更好？

事实上，在一项研究中，研究人员发现，暴露在预测预测中“增加了对选举结果的确定性，让许多人感到困惑，并降低了投票率。”是不是有很多人像爱德华·斯诺登(Edward Snowden)那样想，他在选举日前18天向数百万粉丝发了一条著名的推文，称“可能从来没有比这更安全的选举了，投票给第三个选项”，并补充了“纽约时报”的一篇预测文章，称希拉里·克林顿(Hillary Clinton)在他的推文中获胜的可能性为93%。是否有更多的克林顿选民留在家里，认为他们的投票没有必要？是否有更多的人持观望态度，他们认为这将是对唐纳德·特朗普的抗议票？我们永远不会知道。

当概率模型第一次出现时，我希望它们能减少有时夸大不确定性的赛马新闻(因为否则还有什么令人兴奋的呢？)。以及寻找叙事转折点(好于预期的辩论表现！这是一场失败者的卷土重来！)。我曾希望我们会得到更多实质性的、以政策为导向的报道。取而代之的是，模特已经被纳入了赛马报道。

考虑到选举预测的不确定性、误解和脆弱性，我不确定，比如说，20%和40%的获胜机会之间有什么有意义的区别。这也就是说，这些预测没有那么有用，如果人们把它们看得太重，甚至可能是有害的。

人们不应该刷新页面来更新预测，而应该做唯一真正影响结果的事情：投票、捐款和组织。其他一切都在误差范围内。

“泰晤士报”致力于向编辑发表各种信件。我们想听听您对这篇文章或我们的任何一篇文章的看法。这里有一些小贴士。这是我们的电子邮件：[email protected]。