[論文レビュー] Predicting elections with emerging political parties

José García Montalvo, Omiros Papaspiliopoulos+1 more|arXiv (Cornell University)|Dec 9, 2016

Energy Load and Power Forecasting被引用数 2

ひとこと要約

本稿では、基礎的選挙データとリアルタイムの世論調査情報を統合するベイジアン階層モデルを提案し、新興政党の選挙結果を予測する。2015年のスペイン選挙において、2つの新党が30%の得票を獲得したが、このモデルは、新規データの動的更新により、特に議席配分の予測において、他のモデルを上回った。

ABSTRACT

This paper proposed a methodology to forecast electoral outcomes using the result of the combination of a fundamental model and a model-based aggregation of polls. We propose a Bayesian hierarchical structure for the fundamental model that synthesises data at the provincial, regional and national level. We use a Bayesian strategy to combine the fundamental model with the information coming for recent polls. This model can naturally be updated every time new information, for instance a new poll, becomes available. This methodology is well suited to deal with increasingly frequent situations in which new political parties enter an electoral competition, although our approach is general enough to accommodate any other electoral situation. We illustrate the advantages of our method using the 2015 Spanish Congressional Election in which two new parties ended up receiving 30\% of the votes. We compare the predictive performance of our model versus alternative models. In general the predictions of our model outperform the alternative specifications, including hybrid models that combine fundamental and polls models. Our predictions are, in relative terms, particularly accurate in predicting the seats obtained by each political party.

研究の動機と目的

• 新興政党の選挙参入を効果的に扱える予測モデルの開発を目的とする。
• 地方、地域、全国レベルの多段階データを統合した予測フレームワークを構築すること。
• 新規の世論調査データをリアルタイムで組み込む動的で更新可能なモデルの構築。
• 既存のハイブリッド型基礎的要因・世論調査モデルと比較して、議席予測の正確性を向上させること。
• 予測性能を、高い変動性と新規参入者を伴う複雑な現実世界の選挙において評価すること。

提案手法

• ベイジアン階層構造により、地方、地域、全国レベルの基礎的選挙データを統合する。
• 世論調査データは、最近の調査に重みを置き、不確実性を考慮するベイジアンフレームワークで集約する。
• 基礎的要因と世論調査に基づく予測を、階層的ベイジアンアプローチで統合し、確率的更新を可能にする。
• モデルのパラメータは、マルコフ連鎖モンテカルロ法（MCMC）または類似のベイジアン推論手法を用いて推定する。
• 新規の世論調査やデータが入手可能になるたびに、継続的に更新可能なフレームワークを提供する。
• 本モデルは、2015年のスペイン議会選挙を事例として、キャリブレーションと検証が行われた。

実験結果

リサーチクエスチョン

• RQ1 新興政党が選挙に参入する状況において、ベイジアン階層モデルはどの程度の精度で選挙結果を予測できるか？
• RQ2 基礎的要因と世論調査データを統合することで、単独のモデルと比較して予測精度がどの程度向上するか？
• RQ3 特に新興政党の議席配分を予測する際、モデルの性能はいかがなものか？
• RQ4 新規の世論調査データをリアルタイムで動的に更新できるか？
• RQ5 本モデルの性能は、基礎的要因と世論調査をハイブリッドするモデルと比較してどうなるか？

主な発見

• 提案されたモデルは、ハイブリッド型基礎的要因・世論調査モデルを含む、他の代替モデルよりも、全体的な選挙結果の予測において優れている。
• 本モデルは、各政党が獲得する議席数を正確に予測するという点で特に優れた性能を示した。
• 2015年のスペイン選挙では、2つの新設政党が30%の得票を獲得したことを、モデルが的確に捉えた。
• ベイジアン更新メカニズムにより、新規の世論調査データが得られるたびに、迅速かつ信頼性のある調整が可能になった。
• 歴史的データが限られる政党、特に新興政党に対して、相対的な予測精度が特に高かった。
• 地方、地域、全国レベルの多段階データの統合により、モデルの頑健性と精度が向上した。