[논문 리뷰] Understanding the 2016 US Presidential Election using ecological inference and distribution regression with census microdata

Seth Flaxman, Danica J. Sutherland외 2명|arXiv (Cornell University)|2016. 11. 11.

Opinion Dynamics and Social Influence참고 문헌 7인용 수 13

한 줄 요약

이 논문은 미국 인구 조사 마이크로데이터를 바탕으로 생태학적 추론과 분포 회귀를 사용하여 2016년 대선에서 인구 통계 하위집단별 후보 지지율과 유권자 투표율을 추정한다. 고차원적 인구 분포 특성 임bedding를 사용한 다항로지스틱 회귀를 통해 지역 수준에서 투표 비율과 참가율을 모델링함으로써, 백인 비학사 학위 소지 남성은 트럼프 지지율이 높았고(58%), 투표율은 낮았음(42%). 반면 학사 학위 소지 백인 여성은 클린턴을 지지했고(56%), 투표율이 높았음(53%).

ABSTRACT

We combine fine-grained spatially referenced census data with the vote outcomes from the 2016 US presidential election. Using this dataset, we perform ecological inference using distribution regression (Flaxman et al, KDD 2015) with a multinomial-logit regression so as to model the vote outcome Trump, Clinton, Other / Didn't vote as a function of demographic and socioeconomic features. Ecological inference allows us to estimate "exit poll" style results like what was Trump's support among white women, but for entirely novel categories. We also perform exploratory data analysis to understand which census variables are predictive of voting for Trump, voting for Clinton, or not voting for either. All of our methods are implemented in Python and R, and are available online for replication.

연구 동기 및 목표

• 세분화된 인구 통계 데이터를 활용하여 2016년 미국 대선에서 트럼프, 클린턴, 또는 제3자/무표자에게 투표한 사람은 누구인지 이해하기 위해.
• 출구 조사와 승자독식 선거 지도의 한계를 극복하기 위해, 새로운 인구 통계 카테고리에 걸쳐 하위국가 수준의 지역 수준에서 투표 행동을 추정할 수 있도록 하기 위해.
• 단지 평균값이 아니라 사회경제적 및 인구 통계 변수의 전체 분포를 모델링하여 투표 결과와의 복잡한 상관관계를 밝혀내기 위해.
• 파이썬과 R을 사용한 생태학적 추론과 인구 조사 마이크로데이터에 대한 분포 회귀를 활용한 오픈소스 및 재현 가능한 방법을 제공하기 위해.
• 전체 설문 조사 및 유권자 명부 데이터가 공개되기 전에 초기 투표 후 데이터의 격차를 메우기 위해 사후 선거 분석을 지원하기 위해.

제안 방법

• 미국 공동조사(American Community Survey)의 개인 수준 인구 조사 데이터 샘플을 기반으로 지역별 선거 결과를 분포 회귀(Flaxman 등, 2015)로 회귀 분석함.
• 커널 평균 임베딩과 가산 특성화를 사용하여 고차원적이고 혼합형 데이터(범주형 및 연속형)를 특성 벡터로 표현하여 회귀 분석에 활용함.
• 클린턴, 트럼프, 또는 기타/투표하지 않음의 세 가지 결과를 모델링하기 위해 정규화된 다항로지스틱 회귀를 사용함. 이는 인구 통계 예측 변수와 그 상호작용을 포함함.
• 교차검증된 편차를 사용하여 인구 통계 특성(예: 인종, 교육 수준, 소득, 성별)이 투표 선택과 참가율에 미치는 마진 효과를 추정함. 모델 적합도 평가를 위해 사용함.
• 지역 수준의 추정치와 마진 효과 플롯을 통해 결과를 시각화함. 이는 하위집단별 투표 비율과 투표율을 보여줌.
• PUMA 및 카운티 수준 데이터의 공간 집계를 사용하여 국가, 주, 지역 수준의 추론을 가능하게 하되, 인구 통계의 정밀도를 유지함.

실험 결과

연구 질문

• RQ1 학사 학위 소지 여부에 따라 나뉘는 백인 여성 하위집단에서 트럼프, 클린턴, 제3자/무표자에 대한 지지율은 각각 얼마나 되었는가?
• RQ2 특히 인종, 교육 수준, 소득의 연합 분포가 지역 수준에서 투표 선택과 유권자 투표율을 어떻게 예측하는가?
• RQ3 성별 × 민족, 교육 수준 × 소득 등의 인구 통계 변수 조합 중에서 투표 결과에 가장 강력한 예측력을 보이는 조합은 무엇인가?
• RQ4 유권자 참여율은 인구 통계 하위집단 간에 어떻게 다름가? 어떤 집단이 가장 높거나 낮은 투표율을 보였는가?
• RQ5 전통적인 생태학적 추론이 그룹 평균값만을 다루는 데 비해, 전체 특성 분포를 모델링하는 분포 회귀 방법이 얼마나 더 향상될 수 있는가?

주요 결과

• 학사 학위를 소지하지 않은 백인 남성 중 58%가 트럼프를 지지했고, 이 집단의 유권자 중 42%만이 선거에 투표함.
• 학사 학위를 소지한 백인 여성 중 56%가 클린턴을 지지했고, 이 집단의 유권자 중 53%가 투표함. 이는 높은 투표율과 강한 데모크래틱 지지로 해석됨.
• 투표 선택에 가장 예측력 있는 특성은 인종(RAC3P), 교육 수준과의 상호작용이 있는 민족, 그리고 교육 수준이었으며, 각각 설명된 편차 값은 0.86, 0.74, 0.72였음.
• 성별과 민족 간의 상호작용은 투표 선택에 유의미한 마진 효과를 보였고, 흑인 및 히스패닉 여성은 남성 대비 클린턴에 더 높은 지지를 보였음.
• 소득과 주당 근로 시간의 연합 분포는 투표 선택과 참여율 모두에 강력한 예측력을 보였으며, 높은 소득과 전일제 근무자들은 높은 투표율과 더 강한 클린턴 지지를 보였음.
• 모델은 유권자 중 50%가 트럼프 또는 클린턴에 투표했고, 여성은 53%였다고 추정함. 이는 투표 참여에 약간의 성별 격차가 있음을 시사함.