查詢結果分析
來源資料
相關文獻
- 選舉預測:利用全國性調查推估區域立委選情
- 影響選舉預測市場準確度的因素--以2008~2010年未來事件交易所的選舉資料為例
- 從行銷學「產品屬性」角度建構「選民需求指標」選舉預測模式--以1997年臺南市市長選舉為例
- 政黨配票與侯選人票源的集散度:一九八三年至一九九五年臺灣地區立法委員選舉的分析
- 選民的投票決定與選舉預測
- 「選民需求指標」選舉預測模式應用於「多人參選當選多席次」之選舉研究--以1998年臺南市安南區市議員選舉為例
- 選民投票抉擇階段情境及策略變化對選舉預測之影響--以1998年臺南市立法委員選舉為例
- 傳統與現代:八十六年桃園縣長選舉的選後評估
- 選舉預測誤差控制的嘗試--以特質調整模型(JIA Model)為例
- 民意調查與政黨提名--1998年民進黨立委提名與選舉結果的個案研究
頁籤選單縮合
題名 | 選舉預測:利用全國性調查推估區域立委選情=Election Prediction: Using National Survey to Predict District-Level Legislative Yuan Elections |
---|---|
作者 | 俞振華; 涂志揚; | 書刊名 | 東吳政治學報 |
卷期 | 35:3 2017.12[民106.12] |
頁次 | 頁71-120 |
分類號 | 573.662 |
關鍵詞 | 多層次估計模型與事後分層加權; 選舉預測; 全國民調; 立委選舉; Multilevel regression and post-stratification; MRP; Election prediction; National survey; Legislative Yuan elections; |
語文 | 中文(Chinese) |
中文摘要 | 本研究利用2016年大選前的民意調查資料,並採用多層次估計模型搭配分層加權的方式(multilevel regression and post-stratification:MRP),預測73個區域立委選舉結果。具體來說,本文所採用的預測模式包含三個步驟:首先,透過基本人口特徵變數(性別、年齡、及教育程度)輔以選區層級的特徵,估計不同類型選民分別支持國民黨立委參選人及民進黨立委參選人的機率。其次,我們使用內政部2015年全國人口調查資料,求得每一個選區當中,不同類型選民的聯合機率分布。最後,將各個選區內不同類型選民當中,支持國民黨立委參選人(及民進黨立委參選人)的成年人口數加總(每個選區皆含50種類型),並分別除以各選區的總成年人口數,以推估每一選區當中,國民黨立委參選人及民進黨立委參選人的得票率。在選區樣本數有限(平均約55案)的情況下,本研究仍能透過多層次統計模型及人口調查資料輔助,得出各選區政黨候選人得票率預測值與實際得票率之間的平均誤差值之絕對值僅約5個百分點。此外,本研究成功預測61個立委選區的選舉輸贏,與「未來事件交易所」的選舉預測結果相比較,僅落後一個選區。 |
英文摘要 | This paper uses pre-election national survey data and a method combining the Bayesian multilevel modeling approach with the population information for post-stratification (i.e., multilevel regression and post-stratification: MRP) to predict Legislative Yuan elections in the 73 single-member districts. Specifically, our method is consisted of three steps: first, we construct a multilevel logistic regression model to estimate the vote choice variables for the Kuomintang (KMT) and Democratic Progressive Party (DPP) candidates, respectively, given demographics and districts of residence. Second, we post-stratify on all the variables in the model by using the joint population distribution of the demographic variables within each district. Third, we then combine the above two steps and estimate the mean of support for the KMT and DPP candidates in the district level. Given that each district only has about 55 samples on average, this study shows that MRP method can be regarded as an effective tool for election prediction, as the average absolute measurement error between the estimates and actual vote shares is just about 5 percentage points. In a comparison with the pre-election district-level predictions issued by the prediction market "xFuture", our estimates are almost as good as the results of "xFuture". |
本系統之摘要資訊系依該期刊論文摘要之資訊為主。