112 lines
5.2 KiB
Markdown
112 lines
5.2 KiB
Markdown
# 03 選民模型
|
||
|
||
用真實資料估出每個村里的選民結構,再算每位候選人的預期得票。程式在 `packages/engine/src/voter.ts`(公式)與
|
||
`packages/engine/src/params.ts`(參數);選民群人數由資料管線 `data/pipeline/src/election_data/cells.py` 估計。
|
||
|
||
現在用到它的地方:
|
||
|
||
- **選戰卡牌開局**(`packages/rogue/src/setup.ts`、`local.ts`):用模型算出各區、各里的預期得票,當成雙方的底盤。開局之後的變化都是牌面上的數字,規則不再碰模型。
|
||
- **校準與回測**(`apps/sim`):舊的十週引擎讓 AI 對打,調整每位候選人的魅力值與投票率倍率,讓全縣市得票接近真實結果,寫進 `calibration.json`(見下面「校準」)。
|
||
|
||
## 地理層級
|
||
|
||
| 層級 | 用途 |
|
||
|---|---|
|
||
| 村里 | 模擬的最小單位,每個村里 30 個選民群 |
|
||
| 鄉鎮市區(區) | 縣市長、立委選舉的地圖單位;樁腳強度以區為單位 |
|
||
| 縣市 | 總統選舉的地圖單位(資料包以 `regionLevel: "county"` 建立,把縣市當成區) |
|
||
|
||
## 選民群
|
||
|
||
每個村里的成年人切成 5 個年齡層 × 6 個政黨傾向 = 30 個選民群(`protocol/src/area.ts` 的 `AGE_BANDS`、`LEANS`):
|
||
|
||
| 維度 | 分類 |
|
||
|---|---|
|
||
| 年齡層 | 20–29、30–39、40–49、50–64、65 以上 |
|
||
| 政黨傾向 | 甲黨核心、甲黨傾向、中間、乙黨傾向、乙黨核心、第三勢力傾向 |
|
||
|
||
甲、乙、第三勢力是模型裡的槽位(`a`、`b`、`c`,其他政黨是 `other`),由劇本對應到當年的真實政黨。
|
||
|
||
### 人數怎麼估
|
||
|
||
1. 年齡:戶政的村里年齡人口。
|
||
2. 政黨傾向:該里歷屆選舉的得票比例。
|
||
3. 生態推論:用所有村里的年齡結構與政黨傾向做加權最小平方(加 ridge 收斂),估出各年齡層的傾向分布 P(傾向 | 年齡)。不需要調查資料。
|
||
4. 疊代比例調整(IPF):以 P(傾向 | 年齡) × 年齡人數當種子,調到同時符合該里的年齡人數與傾向比例。
|
||
|
||
村里另外帶有屬性(每千人宮廟數、人口密度、客家人口比例等),卡牌模式用來判斷地區特色(年輕人多、長輩多、宮廟多、客家庄…)。
|
||
|
||
## 狀態
|
||
|
||
| 狀態 | 單位 | 意義 | 每週衰退 |
|
||
|---|---|---|---|
|
||
| 知名度 A | 選民群 × 候選人 | 知不知道這個人(0–1) | 2% |
|
||
| 好感度 F | 選民群 × 候選人 | 喜不喜歡(−1–1) | 往基準回歸 10% |
|
||
| 熱度 M | 選民群 × 候選人 | 支持者有多想去投票(0–1) | 15% |
|
||
| 樁腳 K | 區 × 候選人 | 地方組織 | 5% |
|
||
| 聲勢 S | 候選人 | 整體氣勢 | 25% |
|
||
| 全國風向 | 政黨槽位 | 全國氣氛 | — |
|
||
|
||
## 投票公式(`computeVoteModel`)
|
||
|
||
選民群 g 對候選人 c 的偏好:
|
||
|
||
```
|
||
U(g,c) = βp · 政黨契合[c 的槽位][g 的傾向]
|
||
+ βf · F(g,c)
|
||
+ βk · K(g 所在的區, c)
|
||
+ βs · S(c)
|
||
+ βmood · 全國風向(c 的槽位)
|
||
+ 魅力(c) // 劇本裡的 appeal,由校準決定
|
||
− 2.5(候選人已退選)
|
||
```
|
||
|
||
考慮集合:知名度太低的人大多不會被考慮,`w(g,c) = sigmoid((A − a0) / s)`。
|
||
|
||
選擇機率:
|
||
|
||
```
|
||
誠實票 P(g,c) ∝ w · exp(U / τ)
|
||
策略票 P'(g,c) ∝ w · exp((U + βv · ln V(c)) / τ) // V = 被認知的勝選機率(最近一次公開民調)
|
||
實際 (1 − σ) · P + σ · P' // σ = 這個傾向的策略性選民比例(棄保)
|
||
```
|
||
|
||
沒有民調時(例如卡牌開局)不計棄保。
|
||
|
||
投票率:
|
||
|
||
```
|
||
T(g) = 該里歷史投票率 × 劇本投票率倍率 × 年齡層係數 × (1 + κ · (熱度 − 熱度基準)) × 天氣係數
|
||
```
|
||
|
||
夾在 15%–97% 之間。年齡層係數以村里平均正規化成 1,保留該里的歷史投票率。
|
||
|
||
預期得票 = Σ 選民群人數 × T × P(`aggregate`)。舊引擎的投票日(`engine/src/election.ts`)再依這個期望值抽樣,分到各村里。
|
||
|
||
## 參數(`DEFAULT_PARAMS`)
|
||
|
||
| 參數 | 值 | 說明 |
|
||
|---|---|---|
|
||
| βp | 2.0 | 政黨契合 |
|
||
| βf | 1.5 | 好感度 |
|
||
| βk | 0.6 | 樁腳 |
|
||
| βs | 0.4 | 聲勢 |
|
||
| βmood | 1.0 | 全國風向 |
|
||
| βv | 0.5 | 棄保 |
|
||
| τ | 1.0 | 選擇溫度 |
|
||
| a0, s | 0.3, 0.08 | 考慮集合的門檻與斜率 |
|
||
| σ | 核心 0.05、傾向 0.25、中間與第三勢力 0.35 | 策略性選民比例 |
|
||
| κ | 0.25 | 熱度對投票率的影響(熱度基準 0.3) |
|
||
| 年齡層投票率 | 0.82、0.88、0.98、1.08、1.06 | 20 歲起五個年齡層 |
|
||
| 廢票率 | 1.5% | |
|
||
|
||
政黨契合是槽位 × 傾向的表(例如甲黨對甲黨核心 1.0、對乙黨核心 −1.0、對中間 0),完整數字見 `params.ts`。
|
||
|
||
## 校準
|
||
|
||
`node apps/sim/src/calibrate-local.ts --set <劇本組>`:讓舊引擎的 AI 對打,反覆調整每位候選人的魅力值(`appeal`)與全縣市投票率倍率(`turnoutScale`),
|
||
直到全縣市得票與投票率接近真實結果;「勢均力敵」劇本另外算一組 `evenAppeal`。各區、各里的誤差只當驗證,寫進 `data/build/scenarios/<劇本組>/calibration.json`
|
||
與報告。`packages/scenarios` 讀這個檔把校準值放進劇本,卡牌模式開局時用。
|
||
|
||
回測:`pnpm --filter @election2026/sim backtest`,拿區、里層級的結果和真實開票比較。
|