疾病传播模型预测选举结果

一种新的选举预测方法使用数学模型来描述在选举年不同州的选民如何相互影响。

为了模拟选民之间的互动如何在即将到来的总统、州长和参议员选举中发挥作用，美国西北大学的一个研究小组正在修改一个通常用于研究传染病的模型。

该模型将已决定投票的选民视为“受感染的”，而未决定投票的选民则视为“易受感染的”。有两种“疾病”(即支持民主党和支持共和党的倾向)在人口中传播，“感染”(或影响)尚未决定的个体。

亚历山大 Volkening

西北大学的亚历山大·沃克宁领导了这项研究，他说:“像FiveThirtyEight团队这样的专家认为，如果你看错了宾夕法尼亚的投票方式，那么你也可能看错了俄亥俄州的投票方式，因为这两个州有一些相似的特征。”“国家之间的这种对称关系很重要。利用疾病传播模型，我们还引入了不对称关系或影响的可能性。例如，一位在佛罗里达州竞选的候选人可能会在俄亥俄州的新闻中出现，并影响那里的选民。”

这项研究昨天发表在网上的《暹罗评论》上。观众可以在这里追踪2020年的预测。

Volkening是西北大学NSF-Simons定量生物学中心和麦考密克工程学院工程科学和应用数学系的NSF-Simons研究员。这篇论文的合著者是奥古斯塔大学的丹尼尔·林德、加州大学洛杉矶分校的梅森·波特和俄亥俄州立大学的格里格尔兹·雷帕拉。他们的2020年预测是与Volkening的学生(Samuel Chian, William He和Christopher Lee)合作完成的，这些学生都是McCormick工程学院的本科生。

该项目始于Volkening和她的合著者为了更好地理解选举预测。

“我的背景不是选举预测，”Volkening说，他经常用数学来回答生物问题。“但我对复杂系统中的问题感兴趣，在复杂系统中，个体聚集在一起，形成群体动态。数学模型可以用来描述细胞在发展生物学应用中的行为，以及选举前选民之间的相互作用。”

Volkening和她的团队想使用数据驱动的数学建模方法。他们决定采用所谓的“易感-感染-易感”分区模型，这种模型通常用于研究流感等疾病的传播。

通过调整这个模型来解释两种“疾病”(民主党和共和党的投票倾向)，研究人员模拟了决定投票的选民如何影响未决定投票的选民。例如，共和党选民对尚未下定决心的选民讲话，可能会影响他们成为共和党人。在另一种情况下，前副总统拜登(Joe Biden)可能会参加一个会影响尚未决定投票的选民的竞选活动。

沃尔克宁说:“在未来，我们可能能够梳理出各国是如何相互影响的，并找出更有影响力的国家。”“我们想探索各州之间的互动是如何随着时间而改变的。”

随着时间的推移持续运行模型是令人兴奋的。我们没有单一的预测。我们定期更新我们的网站，这样我们就可以追踪人们的意见是如何变化的。” William He, 6031 McCormick大二学生

为了得出对2020年的预测，研究人员使用FiveThirtyEight的民意调查数据模拟了1万个可能的选举结果。在撰写本文时，该模型预测拜登获胜的几率为89.03%，唐纳德·特朗普获胜的几率为10.78%。

“这个模型能持续运行很让人兴奋，”他说，他是一名大二学生，正在学习应用数学和统计学。“我们没有单一的预测。我们定期更新我们的网站，这样我们就可以追踪人们的看法是如何变化的。”

尽管89%听起来似乎拜登很有可能赢得选举，但Volkening很快指出投票率和未决定的选民可能会改变这一点。

她说:“在许多州，我们对拜登获胜的预测比尚未决定胜负的选民的百分比还要低。”“如果尚未决定的选民强烈支持特朗普，我们肯定会看到共和党的结果。”

这篇题为“使用分区感染模型预测选举”的论文得到了数学生物科学研究所、美国国家科学基金会(拨款编号DMS-1440386、DMS-1853587和DMS-1764421)和西蒙斯基金会(拨款编号597491-RWC)的支持。学生们的研究得到了西北大学本科生研究办公室和美国国家科学基金会的资助。

主题:数据科学，麦考密克工程学院，政治，研究