[논문 리뷰] Predicting elections with emerging political parties

José García Montalvo, Omiros Papaspiliopoulos외 1명|arXiv (Cornell University)|2016. 12. 09.

Energy Load and Power Forecasting인용 수 2

한 줄 요약

이 논문은 기초 선거 데이터와 실시간 여론조사 정보를 통합하는 베이지안 계층 모델을 제안하여, 특히 신규 정치당이 등장하는 상황에서 선거 결과를 예측한다. 새로운 데이터를 동적으로 업데이트함으로써 기존의 대안 모델보다 뛰어난 성능을 보이며, 2015년 스페인 선거에서 두 개의 신규 정당이 총 30%의 득표를 기록한 점을 바탕으로 이를 입증한다.

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.

연구 동기 및 목표

• 신규 정치당이 선거 경쟁에 참가하는 상황을 효과적으로 다룰 수 있는 예측 모델을 개발하는 것.
• 지역, 주, 국가 수준의 다수준 데이터를 통합하여 통합 예측 프레임워크를 구축하는 것.
• 실시간으로 새로운 여론조사 데이터를 통합할 수 있는 동적이고 업데이트 가능한 모델을 만드는 것.
• 기존의 하이브리드 기초-여론조사 모델에 비해 의석 예측 정확도를 향상시키는 것.
• 변동성이 크고 신규 참가자가 있는 복잡한 실제 선거 상황에서 모델 성능을 평가하는 것.

제안 방법

• 베이지안 계층적 구조를 통해 지역, 주, 국가 수준의 기초 선거 데이터를 통합한다.
• 여론조사 데이터는 최근 여론조사에 가중치를 두고 불확실성을 고려하는 베이지안 프레임워크를 사용해 집계한다.
• 기초 자료와 여론조사 기반 예측을 계층적 베이지안 접근법을 통해 통합하여 확률적 업데이트를 가능하게 한다.
• 모델 파라미터는 마르코프 체인 몬테카를로(MCMC) 또는 유사한 베이지안 추론 기법을 사용해 추정한다.
• 새로운 여론조사나 데이터가 제공될 경우 지속적인 업데이트가 가능한 프레임워크를 제공한다.
• 모델는 사례 연구로 2015년 스페인 의회 선거를 활용하여 校정 및 검증된다.

실험 결과

연구 질문

• RQ1 신규 정치당이 경쟁에 참가할 때, 베이지안 계층 모델이 선거 결과를 얼마나 잘 예측할 수 있는가?
• RQ2 기초 자료와 여론조사 자료를 통합하면 단독으로 사용하는 모델에 비해 얼마나 더 정확한 예측을 가능하게 하는가?
• RQ3 특히 신규 정당의 경우 의석 배분 예측에서 모델의 성능은 어떠한가?
• RQ4 실시간으로 새로운 여론조사 데이터를 동적으로 업데이트할 수 있는가?
• RQ5 기초 자료와 여론조사 자료를 융합하는 하이브리드 모델에 비해 모델의 성능은 어떻게 비교되는가?

주요 결과

• 제안된 모델은 하이브리드 기초-여론조사 모델을 포함한 다른 대안 모델보다 전반적인 선거 결과 예측에서 뛰어난 성능을 보였다.
• 모델는 각 정당이 확보한 의석 수를 정확하게 예측하는 데 특히 뛰어난 성능을 보였다.
• 2015년 스페인 선거에서, 모델는 두 개의 신규로 설립된 정당이 총 30%의 득표를 기록한 점을 성공적으로 반영했다.
• 베이지안 업데이트 메커니즘이 새로운 여론조사 데이터가 공개될 때마다 적시이고 신뢰할 수 있는 조정을 가능하게 했다.
• 기존 데이터가 부족한 정당, 특히 신규 정당의 경우 상대적으로 높은 예측 정확도를 기록했다.
• 지역, 주, 국가 수준의 다수준 데이터 통합이 모델의 강건성과 정밀도를 향상시켰다.