【網友分享：國際關係進階🇺🇸】解釋美國大選的系統性誤差：大數據、民調與左翼 (Patreon)

以下文章來自一位英國網友，也是香港名門之後，獲授權和大家分享。

--------------------------------------
我係一個人工智能從業員（Data Scientist），我亦有數學博士學歷，想講下近排坊間對美國大選有關不信任民調的想法：

1. 坊間開始吹奏大數據，即是用非傳統方法收集民意，從而判斷候選人當選機會。這個方法有兩個問題：
a. 難以統一、分析和整合數據收集的誤差（這類型的收集方法、效果每年變化萬千，很難有案例參考）
b. 承上點，選舉頻率較數據質素調整頻率低，所以很難用以科學方法去印證結果

2. 亦即是說，大數據方法有參考價值，但在選舉預測問題中難以規範化。人工智能一般的優勢在於頻繁的事態（event）和可以標準量化的數據收集上，這兩點優勢都是選舉大數據沒有的。

3. 如果某人用大數據方法預測川普當選，而川普最終真的當選，代表什麼？代表一個風水佬見到一個signal，就信誓旦旦的說事情必然怎樣怎樣，最終佢真係噏中咗。這有兩個可能性：
a. 負責做大數據的人，有一些難以言狀的直覺認為川普能夠當選，最終找了一些signal去支持自己的想法，再用以包裝成為大數據的必然結果。這就是Consultancy的business model。
b. 其二，好彩。

4. 民調是否不可信？是不可信，但嚴格上來說所有民調都不可信，每每因為sampling的方法、抽查的社區、社會原因，而各有誤差。但重點正正是誤差：民調是一項可以相對標準化誤差的證據，所以統計學家有條件去用數學方法去梳理這些誤差。

5. 所以坊間有人間唔中攞一兩個民調出嚟討論選情，這是不負責任的。因為每一個民調機構都有一定的誤差和系統誤差。譬如說，Rasmussen是有共和黨誤差的，而Survey Monkey是有民主黨的系統誤差的。但這不代表這兩個民調機構的數據沒有用，因為統計學家可以按著這些民調的往績去用Bayesian方法整合，務求去其稜角，而提煉出最精準的資訊。

6. 承4、5，現時美國大選的主流報導選情的方法，都是利用Bayesian等的綜合模型去疏理誤差。這是有限度之中最合理的方法。但有一個基本的問題往往難以解決，就是選舉之間的系統誤差差距非常飄忽。也就是說，有一些選舉週期（譬如說2016年），不知道為什麼系統性誤差會比其他週期大（2018年美國參議院、2012年美國總統大選等）。有歷史慣性但冇跡可尋的系統性誤差：正正是這類型民調分析的軟肋。

7. 我們可以用過往諸多選舉中的系統性誤差，去估算這個誤差的上下限，從而調整模型。但由於選舉頻率相對底（與1、2點相近），所以這個誤差會非常大。

8. 數學上，這是一個難以突破的難題。或者我們要習慣一下人生有諸多事情，都是事先無法確定的，這也是選舉的原意。

9. 而另一個有趣的問題，是為什麼有系統性誤差出現，而為何傳統上往往是保守一方更加受惠（如英國1992年大選的Shy Tory vote 令到馬卓安連任）？我覺得一個可能性，是左翼（或進取派，Progressives）的政治論述中將保守派的想法與正邪掛鈎。

譬如說：如果你不支持加強福利你就不單是錯，而且是邪惡。如果你不支持聘請黑人設有比例限額，你就是種族歧視，你就是邪惡，等等。而這些論述趨向主流化，因此持相反意見者，就不願在公共場合（如民調）承認自己的想法，但在不記名投票中，更願意投票予保守一方。

這一個想法，其實可以用社會科學方法做量化研究的，但我未見過有人做過。如果做呢一方面的研究，相信非常有趣，亦對以後的民調有所裨益。

(From Yu-Xi Chau)