Einleitung
Das Ziel dieses Modellierungsprojekts war es, das Ergebnis der Wahlen 2024 anhand von Daten aus den Bereichen öffentliche Gesundheit, demografische Daten und historische Daten vorherzusagen. Der einzigartige Ansatz basiert auf Prädiktoren, die als Indikator für die öffentliche Unterstützung der Demokratischen Partei innerhalb einer Bevölkerung dienen. In den USA stehen wir vor einer binären Wahl, Demokrat oder Republikaner, und unsere Wahl wird durch die Wahlmännerstimmen jedes Staates entschieden. Daher war die vorhergesagte Antwortmetrik einfach der Vorsprung innerhalb eines Staates.
Aufgrund des Electoral College ist die Wahlvorhersage im Wesentlichen eine Frage der Vorhersage einer Handvoll Staaten. Die meisten Staaten haben in der Vergangenheit zuverlässig große Siege für die eine oder andere Partei erzielt, bei einigen ist dies nicht der Fall. Die Daten und das Modell sind insoweit genau, als sie diese Staaten genau vorhersagen. Aufgrund der kleineren Stichprobengröße der letzten nationalen Wahlen und der Bedeutung aktueller Datenpunkte im Modell ist es nicht in der Lage, hochpräzise Vorhersagen für Staaten mit knappen Siegen zu erstellen. Der Erfolg dieses Modells hängt daher von seiner Fähigkeit ab, zu erkennen, in welchen Swing States die Demokraten (oder Republikaner) möglicherweise mehr Unterstützung haben, als dies derzeit in den Umfragen zu erkennen ist.
Hintergrund und Annahmen
In den letzten beiden Präsidentschaftswahlzyklen haben wir erlebt, dass öffentliche Meinungsumfragen in vielerlei Hinsicht versagt haben. 2016 haben fast alle großen Meinungsumfrage- und Medienunternehmen das Ausmaß der öffentlichen Unterstützung unter Demokraten und Unabhängigen nicht erkannt, das zu Trumps Sieg in wichtigen Swing States und im Rust Belt geführt hat. 2020 haben Meinungsumfrageunternehmen Trumps Unterstützung in wichtigen Staaten erneut unterschätzt. Seitdem ist das Vertrauen in die Fähigkeit der Medien, zu recherchieren und die Wahrheit herauszufinden, weiter geschwunden.
Diese Analyse zielt darauf ab, Prädiktoren zu finden, die einen genaueren Stand der politischen Präferenz der Öffentlichkeit widerspiegeln und nicht den Schwächen der Verzerrungen der Meinungsumfragebranche unterliegen. Aufgrund der hyperpolarisierten Natur der Covid-19-Pandemie und der eindeutig klaren Grenzen, in denen die Unterstützung für die Covid-19-Impfung fiel, korreliert die öffentliche Akzeptanz der „neuen“ Version einer Covid-19-Impfung jedes Jahr stark mit der Unterstützung für die Demokratische Partei. Da es jedes Jahr eine neue Covid-19-Impfung gibt, wird angenommen, dass eine anhaltende Akzeptanz die Wählertreue der Demokraten anzeigt. Andere Indikatoren wie die Binnenmigrationsrate und Anträge auf Briefwahl korrelieren in den letzten vier Jahren stark mit der Unterstützung der Demokraten.
Darüber hinaus wurden Bevölkerungsdaten aus Quellen des öffentlichen Gesundheitswesens als Kontroll- oder Vorhersagevariablen verwendet, darunter Sterberate, Geburtenrate und psychische Gesundheit. Einige demografische und bevölkerungsbezogene Dynamiken sind mit eher republikanisch geprägten Staaten und andere mit eher demokratisch geprägten Staaten verbunden, und diese Zusammenhänge haben sich in der jüngeren Geschichte über die Zeit gehalten. Andere Kennzahlen, wie die Nettomigrationsrate, weisen starke Zusammenhänge auf, sind jedoch neueren Datums und wurden von der Covid-19-Pandemie beeinflusst, während der viele abgeriegelte blaue Staaten einen Nettoverlust und rote, offene Staaten einen Nettogewinn verzeichneten. Die Popularität der mittlerweile jährlich stattfindenden Covid-19-Impfung nimmt von Jahr zu Jahr ab, und die Daten wurden angepasst, um die relative Popularität zu messen, wobei Staaten mit einer überdurchschnittlich hohen Gesamtimpfung eine höhere Unterstützung der Demokratischen Partei widerspiegeln.
Insgesamt versucht diese Analyse, sowohl längerfristige als auch neuere Trends zu kombinieren, um das aktuelle Unterstützungsniveau für die Demokratische Partei abzuschätzen. Da das Modell mit Daten trainiert werden muss, die nur in den Monaten (Covid-Impfung) und Wochen (Anträge auf Briefwahl) vor der Wahl verfügbar sind, kann es keine Verschiebungen in letzter Minute erkennen.
Wie George Box sagte: „Alle Modelle sind falsch, aber manche sind nützlich.“ Ich hoffe, dass diese Analyse hilfreich sein könnte, um Signale zu erkennen, die in herkömmlichen Wahlumfragen möglicherweise nicht vorhanden sind. Zusätzlich zu den Vorhersagen (die hauptsächlich zum Spaß dienen) habe ich einige Swing-State-Analysen einbezogen, die meiner Meinung nach Licht auf die wichtigsten Veränderungen der letzten vier Jahre werfen könnten.
Methoden
Da Erklärbarkeit und Interpretation im Wahlkontext von entscheidender Bedeutung sind, habe ich mich an einfache Modelle gehalten. Verallgemeinerte lineare Modellierung, logistische Regression und Random-Forest-Modelle wurden alle mit Daten aus den Jahren 2020 bis 2022 trainiert. Das Ergebnis oder die Antwort war der Vorsprung der Demokratischen Partei. Für das logistische Modell war die vorhergesagte Antwort ein binärer Sieg oder eine Niederlage für diesen Staat. Da jedes Modell seine eigenen Stärken und Schwächen sowie seine eigenen Fehlerraten hat, wird die endgültige Klassifizierung eines Sieges oder einer Niederlage durch die Mehrheitsentscheidung bestimmt. Ich habe meinen Code und meine Daten hochgeladen auf github, und jeder ist willkommen, Kritik zu üben, Korrekturen vorzunehmen oder Feedback zu geben.
Einschränkungen
Aufgrund meiner Entscheidung, die Covid-19-Impfungen in den Bundesstaaten als Prädiktor zu verwenden, sind der Zeitrahmen und die Daten, die erfasst werden können, begrenzt. Aus diesem Grund gehe ich davon aus, dass das Modell eine Tendenz zugunsten der Demokraten aufweisen wird. Von 50 Bundesstaaten lagen fünf innerhalb des Fehlerbereichs. Alle fünf dieser Staaten gelten als Swing States. Aus Kategorisierungsgründen werden nur Staaten, die deutlich außerhalb der Fehlerbereiche meiner Modelle liegen, als Sieg für diese Partei eingestuft. Diejenigen, die innerhalb der Fehlerbereiche liegen, werden als unentschieden eingestuft.
Diskussion
Da Wahlen in den USA eine binäre Wahl sind, betrachtet die Analyse nur Demokraten vs. Republikaner und kann keine Verschiebungen in der Unterstützung eines Kandidaten unter den Wählern der Gegenpartei erkennen. Dies offenbart eine Kernannahme des Modells, nämlich dass es bei dieser Wahl immer noch in erster Linie um Parteitreue und nicht um den einzelnen Kandidaten geht.
Ich glaube, dass diese Annahme für die demokratische Kandidatin Kamala Harris zutrifft, da sie bei den Vorwahlen nicht durch die Mehrheitswahl gewählt wurde und ein Großteil des Wahlkampfs darauf ausgerichtet war, aus einer Frau, die bis vor kurzem weitgehend ignoriert, abgetan und sogar verspottet wurde, eine strategisch gestaltete Persönlichkeit zu machen. Wir können sehen, dass die Debatten, Attentate und andere wichtige Ereignisse der letzten Monate einfach keinen großen Einfluss auf die Umfragetrends hatten.
Ich glaube nicht, dass diese Annahme für Donald Trump gilt. Trumps bekannte Persönlichkeit ist dominant und allgegenwärtig. Angesichts seiner Präsidentschaft von 2017 bis 2021 und seiner anhaltenden Kämpfe mit Klagen, Attentaten und Medienbesessenheit sagt Trumps Sieg viel mehr über ihn aus als über die Republikanische Partei. Die Demokratische Partei ist eine Maschine, und die Republikanische Partei hat ihre Unterstützung für Trump erst widerwillig gefestigt, nachdem es jahrelange Machtkämpfe und Spaltungen unter ihren Führern gab.
Da das Modell Daten sowohl der Präsidentschaftswahlen 2020 als auch der Senatswahlen 2022 verwendet, ist es darauf trainiert, die Parteiunterstützung zu modellieren, was seine inhärente Schwäche darstellt. Jüngste Umfragen haben sich zu Trumps Gunsten verschoben, aber es gibt in den großen Swing States tote Rennen. Getreu meiner Methode und der Absicht dieser Übung sind keine dieser Daten enthalten.
Swing-State-Analyse
Der Ausgang der Wahl wird von einer Handvoll Staaten bestimmt. Derzeit reichen die knappen Rennen in Arizona, Nevada, Wisconsin, Michigan, North Carolina, Georgia und Pennsylvania aus, um die Wahl zugunsten eines der beiden Staaten zu entscheiden. Von diesen Staaten stufte das Modell Michigan und Pennsylvania als sicher demokratische Staaten ein. Die übrigen Staaten lagen alle innerhalb der Fehlerspanne des Modells und wurden daher als unentschieden eingestuft.
Um einen visuellen Kontext für die Funktionsweise dieser Analyse zu schaffen, finden Sie hier einige Aufschlüsselungen einiger Prädiktoren für die Bundesstaaten, die allgemein als Swing States gelten.
Binnenmigrationsraten: 2019–2023*
Insgesamt besteht eine negative Beziehung zwischen der Nettomigrationsrate und dem Vorsprung der Demokraten. In den letzten vier Jahren haben viele demokratische Staaten Menschen verloren, während die demokratischen Staaten haben gewonnen. Einige dieser Swing States sind im Hinblick auf Gouverneure und Landesregierungen „rot“, andere „blau“. Insgesamt sind Pennsylvania und Michigan die einzigen beiden Staaten, die in den letzten vier Jahren negative Migrationsraten hatten.
Briefwahlanträge
Einige Bundesstaaten wie Kalifornien, Colorado und Nevada sind „All Mail“-Staaten. Das bedeutet, dass jedem registrierten Wähler standardmäßig ein Stimmzettel zugeschickt wird. Mit Ausnahme von Utah (und möglicherweise Nevada) sind fast alle dieser Staaten blaue Staaten und durchgehend blau. Nevada ist der einzige Swing State, der ein reiner Briefwahlstaat ist, und wie Sie sehen, bleiben die Anträge unverändert. Der allgemeine Trend bei den meisten anderen Staaten mit Ausnahme von Arizona ist ein Rückgang der Anträge auf Briefwahl.
Jährliche Covid-19-Impfung**
Da das Modell die jährliche Covid-Impfung als starker Prädiktor der Unterstützung der Demokratischen Partei, aber die allgemeine Popularität nimmt ab, verwendet das Modell eine relative Bewertung, um die einzelnen Staaten innerhalb des Jahres miteinander zu vergleichen. Abgesehen von Wisconsin hatten die übrigen Staaten in den Jahren 19**, 2021 und 2022 eine leicht unterdurchschnittliche Aufnahme von Covid-2024-Impfungen.
*Die Binnenmigrationsraten entsprechen denen des Vorjahres.
**Da die Covid-19-Impfungen erst 2021 verfügbar waren, wurden die Daten von 2021 mit den Daten zum Wahlergebnis von 2020 gepaart. Für 2022 und 2024 spiegeln die Daten die Aufnahme der neuen Version des jeweiligen Jahres wider.
Um ein Gefühl dafür zu bekommen, wie wichtig die Prädiktoren für das Modell sind, ordnet das folgende Diagramm jeden Wert danach ein, wie stark er eine der Vorhersagen des Modells beeinflusst. Wie Sie sehen, ist die Aufnahme der Covid-19-Impfung direkt unter „vorheriger Sieg der Demokraten“ gelistet.
Ergebnisse
Das Modell geht davon aus, dass Harris in den Staaten, die seiner Prognose zufolge sicher demokratisch sein werden, 260 Wahlmännerstimmen sicher gewinnen wird. Wenn Pennsylvania und Michigan tatsächlich im Rennen sind, dann sind nur 226 davon sicher demokratisch.
Dem Modell zufolge würde Trump mit Sicherheit 219 Wahlmännerstimmen in den Staaten gewinnen, die seiner Prognose nach sicher republikanisch sein werden.
Die Swing States Wisconsin, Georgia, North Carolina, Nevada und Arizona stehen alle zur Disposition und repräsentieren 59 Wahlmännerstimmen. Wenn Pennsylvania und Michigan mitmischen, sind es 93 Wahlmännerstimmen.
Harris‘ Weg zum Sieg
Harris' Weg zum Sieg scheint am einfachsten. Mit einer höheren Wahlmännerstimme „in der Tasche“ kann sie eine Handvoll Swing States gewinnen. Pennsylvania und Michigan werden im Modell als Siege für sie ausgewiesen, und wenn sie sie tatsächlich gewinnt, braucht sie nur einen einzigen der Staaten Arizona, North Carolina, Wisconsin oder Georgia, um sich den Sieg zu sichern. Wenn sie einen der Staaten Pennsylvania oder Michigan gewinnt, muss sie den Verlust durch 1-2 zusätzliche Swing States ausgleichen.
Trumps Weg zum Sieg
Es ist wichtig, Trumps Weg mit der Einstellung zu betrachten, dass „alles passieren kann“. Bei beiden vorherigen Wahlen hat er die Erwartungen übertroffen. Die meisten Informationswächter, Mainstream-Experten und Wahlforscher haben in der Vergangenheit falsch gelegen.
Mit 219 Stimmen muss Trump alle drei Bundesstaaten gewinnen, in denen es keine Siege gibt: Arizona, Georgia, North Carolina, Wisconsin und Nevada. Wenn Trump Pennsylvania und/oder Michigan gewinnt, wird sein Weg einfacher, was bedeutet, dass er noch 2-3 der verbleibenden Siege gewinnen muss.
Werfen Sie einen Blick auf das Dashboard unten. Interagieren Sie, um zu sehen, wie die Kandidaten durch den Sieg in den Staaten mit Kopf-an-Kopf-Rennen zum Sieg kommen, und sehen Sie sich Streudiagramme für Prognosen nach Staaten an.
Meine persönlichen Vorhersagen basierend auf dem Modell
Ich habe eine bessere Intuition für North Carolina und Georgia, da ich dort Zeit verbringe, und ich sage diese Staaten für Trump voraus. Ich habe diese Intuition nicht für Arizona, Nevada oder Wisconsin. Nehmen Sie das also mit Vorsicht. Aber wenn ich der Methode treu bleibe, sagt mein Modell Pennsylvania und Michigan für Harris voraus, und ich glaube, sie wird mindestens 2-3 weitere Swing States gewinnen. Ich hoffe, ich liege falsch.
References:
MIT Election Lab https://electionlab.mit.edu/data#data
USA Fakten https://usafacts.org/economy/
UF-Wahllabor https://election.lab.ufl.edu/voter-turnout/
Abstimmung und Registrierung bei der Wahl im November 2022 https://www.census.gov/data/tables/time-series/demo/voting-and-registration/p20-586.html
CDC https://data.cdc.gov/NCHS/Indicators-of-Anxiety-or-Depression-Based-on-Repor/8pt5-q6wp/about_data
CMS https://data.cms.gov/provider-data/dataset/avax-cv19
CDC https://www.cdc.gov/covidvaxview/weekly-dashboard/vaccine-administration-coverage-jurisdiction.html
Fünf Uhr achtunddreißig https://github.com/fivethirtyeight/election-results/blob/main/election_results_senate.csv
KFF Impfstoffmonitor https://www.kff.org/coronavirus-covid-19/dashboard/kff-covid-19-vaccine-monitor-dashboard/
UF-Wahllabor https://election.lab.ufl.edu/2024-presidential-nomination-contests-turnout-rates/
Nationales Zentrum für Gesundheitsstatistik https://www.cdc.gov/nchs/data_access/VitalStatsOnline.htm CDC https://www.cdc.gov/nchs/data/vsrr/vsrr035.pdf Census.Gov https://www.census.gov/data/tables/time-series/demo/popest/2020s-state-total.htmlCDC https://www.cdc.gov/covidvaxview/interactive/adults.html
Nationales Zentrum für Gesundheitsstatistik https://www.cdc.gov/nchs/fastats/state-and-territorial-data.htm
Volkszählung - Armut https://www.census.gov/data/tables/time-series/demo/income-poverty/historical-poverty-people.html
Volkszählung - Bevölkerungsveränderung nach Bundesstaaten https://www.census.gov/newsroom/press-kits/2023/national-state-population-estimates.html
US-Wahlprojekt https://electproject.github.io/
Wiederveröffentlicht von der Autorin Substack
Veröffentlicht unter a Creative Commons Namensnennung 4.0 Internationale Lizenz
Für Nachdrucke setzen Sie bitte den kanonischen Link wieder auf das Original zurück Brownstone-Institut Artikel und Autor.
