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

5.2 KiB
Raw Blame History

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。