重磅成果发布 | 中心团队的ABM选举预测论文在PLOS ONE发表

本文是唐世平教授的复旦大学“复杂决策分析中心”的“基于大规模高性能ABM的选举预测平台”项目的科学论文。论文介绍了从2016年到2020年不断改进的抛开民意调查和社交媒体数据，而是基于客观数据和大规模高性能ABM技术的选举预测平台的发展及核心逻辑。

本文所描述的研究代表了一个选举预测的新技术方向，对未来的选举预测的发展产生重要影响。

本文所描述的研究也是极少数将ABM计算机模拟技术应用到实际的预测项目中的研究。

本文发表于PLoS One。

文章链接：https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0270194

DOI: 10.13140/RG.2.2.14605.87528

特别说明

从科学意义上，我们并不关心基于ABM的预测平台能否预测最终谁输谁赢，而是关心我们能否准确（在一定的误差区间内）预测双方的最终得票率。这才是真正的科学挑战。原因很简单：很多时候，选举的最终结果是比较容易预测的。

文章摘要

选举预测研究在传统上是由考察受访者主观意愿的调查与民意测验、以及以此二者为中心的研究方法主导。但目前，我们已经通过完全独立于调查与民意测验的ABM模型（Agent-based Modelling，行为体建模）为选举预测开拓了新平台。基于ABM的选举预测平台使用客观数据的统计结果以及相应的模拟模型分析，以捕捉选民在过去选举活动中的投票行为，并预测接下来的选举中可能产生的投票结果。我们筛选出能够再现非常接近于过去选举实际结果的模型——通过结合外推数据（由历史人口统计学记录组成）与更新数据（由经济增长、就业、冲击事件及其他因素组成）进行模拟产生，应用选定的模型模拟以预测当前选举。在此文中，我们将报告两个最新实时选举预测的实验结果：2020年美国大选中六个州的表现与2020年我国台湾地区大选。我们最主要的客观研究方法——ABM模型，可能会改变选举的传统预测与研究。

研究团队

2020年第一波疫情期间（2020-03-05），中心团队举行了“项目启动仪式”，留下了这张珍贵的合影。

刘辰辉、高鸣、王中原：复旦大学；王凯：上海外国语大学

唐世平教授开玩笑说：等结果的时刻，我都是把自己沉浸在工作中，这样才可以心如止水。

相关阅读

一个饭局改变选举预测？——基于ABM的选举预测平台的“秘史”

最后是坏消息：2022年，因为没有项目经费，中心将不会进行相关的选举预测，但是我们会关注相关选举的结果和动态。我们期待备战2024！