选举民调中的偏倚和过度方差：一个不那么隐藏的马尔可夫模型
摘要：美国总统选举在2016年和2020年出现历史性错误后，对测量民意调查误差的兴趣增加了。衡量选举结束后选举方向错误和非抽样过度变异的最常见方法是评估在选举日前几天进行的调查结果与选举结果之间的差异。分析这种民调误差数据一直很困难，典型模型对调查时间非常敏感。我们利用传统用于选举预测的隐马尔可夫模型，灵活地捕捉时间变化的偏好，并将选举结果视为通常隐藏的马尔可夫过程的峰值。我们的结果对时间窗口的选择不太敏感，避免了将变化的偏好与民调误差混淆，并且尽管模型非常灵活，但更易解释。我们使用2004年至2020年的美国总统选举和1992年至2020年的美国参议院选举的民调数据证明了这些结果，并得出结论：以前报告的总统选举偏差估计值偏高了10％，参议院选举偏差估计值偏高了25％，过度变异估计值也过大。
作者：Graham Tierney and Alexander Volfovsky
论文ID：2206.14570
分类：Applications
分类简称：stat.AP
提交时间：2023-02-21