Het voorspellen van verkiezingen is een groot probleem. Zowel politici als kiezers zijn vaak wanhopig op zoek naar de uitkomst van een hechte race, maar het kan misleidend zijn om ze onvolledige of onnauwkeurige voorspellingen te geven. En het voorspellen van verkiezingen is al een van nature uitdagende onderneming - het modelleringsproces is vol onzekerheid, incomplete informatie, en subjectieve keuzes, die allemaal behendig moeten worden behandeld. Politieke experts en onderzoekers hebben een aantal succesvolle benaderingen geïmplementeerd voor het voorspellen van verkiezingsresultaten, met verschillende mate van transparantie en complexiteit. Echter, Verkiezingsvoorspellingen kunnen moeilijk te interpreteren zijn en kunnen veel vragen onbeantwoord laten nadat hechte races zich ontvouwen.

Deze uitdagingen brachten onderzoekers ertoe zich af te vragen of het toepassen van een ziektemodel op verkiezingen de gemeenschap die betrokken is bij politieke voorspellingen zou kunnen verbreden. In een papieren publicatie vandaag in SIAM-beoordeling , Alexandria Volkening (Northwestern University), Daniel F. Linder (Augusta-universiteit), Mason A. Porter (Universiteit van Californië, Los Angeles), en Grzegorz A. Rempala (The Ohio State University) leenden ideeën uit de epidemiologie om een ​​nieuwe methode te ontwikkelen voor het voorspellen van verkiezingen. Het team hoopte de gemeenschap die zich bezighoudt met pollinggegevens uit te breiden en onderzoeksvragen vanuit een nieuw perspectief te stellen; het multidisciplinaire karakter van hun infectieziektemodel was daarbij een deugd. "Ons werk is volledig open source, "Zei Porter. "Hopelijk zal dat anderen aanmoedigen om verder te bouwen op onze ideeën en hun eigen methoden te ontwikkelen voor het voorspellen van verkiezingen."

In hun nieuwe krant de auteurs stellen een datagestuurd wiskundig model voor van de evolutie van politieke meningen tijdens de Amerikaanse verkiezingen. Ze vonden de parameters van hun model met behulp van geaggregeerde pollinggegevens, waardoor ze de percentages van Democratische en Republikeinse kiezers in de loop van de tijd konden volgen en de stemmarges in elke staat konden voorspellen. De auteurs benadrukten eenvoud en transparantie in hun benadering en beschouwen deze eigenschappen als de sterke punten van hun model. "Gecompliceerde modellen moeten rekening houden met onzekerheid in veel parameters tegelijk, ' zei Rempa.

Dit onderzoek richtte zich voornamelijk op de invloed die kiezers in verschillende staten op elkaar kunnen uitoefenen, aangezien het nauwkeurig verantwoorden van interacties tussen staten cruciaal is voor het maken van betrouwbare voorspellingen. De verkiezingsresultaten in staten met vergelijkbare demografie zijn vaak gecorreleerd, en toestanden kunnen elkaar ook asymmetrisch beïnvloeden; bijvoorbeeld, de kiezers in Ohio kunnen de kiezers in Pennsylvania sterker beïnvloeden dan omgekeerd. De kracht van de invloed van een staat kan van een aantal factoren afhangen, inclusief de hoeveelheid tijd die kandidaten daar besteden aan campagnes en de berichtgeving van de staat in het nieuws. Om hun prognosebenadering te ontwikkelen, het team hergebruikte ideeën uit de compartimentele modellering van biologische ziekten. Wiskundigen gebruiken vaak compartimentele modellen - die individuen in een paar verschillende typen indelen (d.w.z. compartimenten) — om de verspreiding van infectieziekten zoals griep en COVID-19 te onderzoeken. Een veel bestudeerd compartimentmodel, het vatbare-geïnfecteerde-vatbare (SIS)-model, verdeelt een populatie in twee groepen:degenen die vatbaar zijn om ziek te worden en degenen die momenteel besmet zijn. Het SIS-model volgt vervolgens de fracties van vatbare en geïnfecteerde individuen in een gemeenschap in de loop van de tijd, gebaseerd op de factoren van overdracht en herstel. Wanneer een besmette persoon interactie heeft met een vatbaar persoon, de vatbare persoon kan besmet raken. Een besmette persoon heeft ook een zekere kans om te herstellen en weer vatbaar te worden.

Omdat er twee grote politieke partijen in de Verenigde Staten, de auteurs gebruikten een aangepaste versie van een SIS-model met twee soorten infecties. "We gebruikten technieken uit de wiskundige epidemiologie omdat ze ons een manier gaven om relaties tussen staten in een vertrouwde, multidisciplinaire manier, "Zei Volkening. Hoewel verkiezingen en ziektedynamiek zeker anders zijn, de onderzoekers behandelden democratische en republikeinse stemgedrag als twee mogelijke soorten 'infecties' die zich tussen staten kunnen verspreiden. Onbeslist, onafhankelijk, of kiezers van een minderjarige partij vallen allemaal onder de categorie van vatbare personen. "Infectie" werd geïnterpreteerd als het aannemen van democratische of republikeinse meningen, en "herstel" vertegenwoordigde de overgang van toegewijde kiezers naar onbesliste kiezers.

In het model, toegewijde kiezers kunnen hun mening doorgeven aan onbesliste kiezers, maar het tegenovergestelde is niet waar. De onderzoekers namen een brede kijk op transmissie, het interpreteren van meningsovertuiging als gebeurt via zowel directe communicatie tussen kiezers als meer indirecte methoden zoals campagne voeren, berichtgeving, en debatten. Individuen kunnen interageren en ertoe leiden dat andere mensen van mening veranderen, zowel binnen als tussen staten.

Om de waarden van de wiskundige parameters van hun modellen te bepalen, de auteurs gebruikten pollinggegevens over senatoriale, gouverneur, en presidentiële races van HuffPost Pollster voor 2012 en 2016 en RealClearPolitics voor 2018. Ze passen het model aan de gegevens voor elk individueel ras aan en simuleerden de evolutie van meningen in het jaar voorafgaand aan elke verkiezing door de fracties van onbesliste, democratisch, en Republikeinse kiezers in elke staat van januari tot de verkiezingsdag. De onderzoekers simuleerden hun definitieve voorspellingen alsof ze ze aan de vooravond van de verkiezingsdag maakten, inclusief alle peilingsgegevens, maar zonder de verkiezingsresultaten.

Ondanks zijn basis in een onconventioneel veld voor verkiezingsvoorspellingen, namelijk epidemiologie - het resulterende model presteerde verrassend goed. Het voorspelde de Amerikaanse races van 2012 en 2016 voor gouverneur, Senaat, en presidentieel kantoor met een vergelijkbaar succespercentage als populaire analistensites FiveThirtyEight en Sabato's Crystal Ball. Bijvoorbeeld, het slagingspercentage van de auteurs voor het voorspellen van partijresultaten op staatsniveau bij de presidentsverkiezingen van 2012 en 2016 was 94,1 procent, terwijl FiveThirtyEight een slagingspercentage van 95,1 procent had en Sabato's Crystal Ball een slagingspercentage van 93,1 procent. "We waren aanvankelijk allemaal verrast dat een model voor de overdracht van ziekten zinvolle voorspellingen van verkiezingen kon opleveren, ', aldus Volkening.

Na het vaststellen van het vermogen van hun model om de resultaten te voorspellen aan de vooravond van de verkiezingsdag, de auteurs probeerden te bepalen hoe vroeg het model nauwkeurige voorspellingen kon maken. Vooral voorspellingen die gedaan worden in de weken en maanden voor de verkiezingsdag zijn zinvol, maar het produceren van vroege voorspellingen is een uitdaging omdat er minder peilinggegevens beschikbaar zijn voor modeltraining. Door gebruik te maken van pollinggegevens van de senaatsraces van 2018, het model van het team was in staat om vanaf begin augustus stabiele voorspellingen te produceren met hetzelfde slagingspercentage als de definitieve voorspellingen van FiveThirtyEight voor die races.

Ondanks duidelijke verschillen tussen besmetting en stemdynamiek, deze studie suggereert een waardevolle benadering om te beschrijven hoe politieke meningen in verschillende staten veranderen. Volkening past dit model momenteel toe, in samenwerking met de Northwestern University-studenten Samuel Chian, William L. Hij, en Christopher M. Lee - om de Amerikaanse presidentsverkiezingen in 2020 te voorspellen, senatoriaal, en gouverneursverkiezingen. "Dit project heeft me doen beseffen dat het een uitdaging is om voorspellingen te beoordelen, vooral wanneer sommige verkiezingen worden beslist met een stemmarge van minder dan één procent, "Het feit dat ons model het goed doet, is opwindend", aldus Volkening. omdat er veel manieren zijn om het in de toekomst realistischer te maken. We hopen dat ons werk mensen aanmoedigt om kritischer na te denken over hoe ze voorspellingen beoordelen en zelf betrokken raken bij verkiezingsvoorspellingen."