election-game/backend/docs/03-voter-model.md

112 lines
5.2 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

# 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。