所以，那些选情预测机构到底在搞什么鬼？截至本文发表时，三大美国国会选举预测机构均认为众议院之争胜负难料，而参议院则倾向于共和党。《库克政治报告》（Cook Political Report）目前预测民主党稳操或倾向于民主党的议席为206个，倾向于或稳操于共和党的为208个，另有21个胜负难料的摇摆席位。《内部选举》（Inside Elections）的数据则为：民主党200个，共和党202个，摇摆席位33个。《萨巴托的水晶球》（Sabato’s Crystal Ball）预测民主党210个，共和党203个，摇摆席位22个。

按字面意思来理解，这意味着民主党需要赢得绝大部分被评为“胜负难料”的席位——在库克预测的21个中拿下12个，在《内部选举》的33个中拿下18个，在萨巴托的22个中拿下8个。我所说的“按字面意思”，是指假设“胜负难料”意味着两党各有50%的胜算，“倾向”（Lean）意味着优势党有70%对30%的胜算，“可能”（Likely）为90%对10%，“稳操胜券”（Safe）则在97%以上。如果考虑到民主党在“倾向”栏中占据了更多席位，他们要赢得多数党地位的攀升之路将会更加艰难。

尽管如此，在可能投票的选民中，民主党在众议院泛选票（generic ballot）上领先了7个百分点，并且在各选区的民调和特别选举中表现出更大幅度的优势。我们FiftyPlusOne网站的模型显示，民主党的众议院议席中位数为238个，获得多数党地位的概率高达98%。选情预测机构究竟知道什么我们不知道的事情？

我一直在深入研究选情预测，相关分析不久将在FiftyPlusOne上发布。但在本期的“本周图表”（Chart of the Week）中，我想根据选情预测机构的历史表现，分享一个在此发现的重要结论。那就是自1990年以来，在期中选举中，选情预测机构严重高估了对现任执政党支持。从历史来看，当他们预测“胜负难料”时，这些选区绝大多数最终都会倒向在野党。这就相当于民主党很有可能赢得目前所有摇摆席位中的大约70%。

如果你喜欢SIN的免费版本，可以考虑成为付费会员，以获取我们的私密社区访问权限以及每周至少一次的额外高级分析。 这个社区的付费会员通过支持完成此类分析所需的时间和数据收集，让Strength In Numbers得以持续运转。 升级以支持Strength In Numbers 我提取了为FiftyPlusOne选举预测提供部分支持的历史竞选评级数据库，将其筛选为中期选举年份中截至选举日前45天给出的评级，并分析了每个评级分组中的竞选有多少次由控制白宫的政党赢得。这些评级显示出一种持久的偏向白宫所属政党的倾向。

例如，在2018年选举前45天，Cook Political Report将共和党所持席位中的28场众议院竞选评为胜负难料。民主党人（当年的在野党）随后赢下了其中23场——胜率高达82%。还是胜负难料的竞选！

那一年，在Cook评为“倾向共和党”的27个席位中，民主党人赢下5个；在26个“可能共和党”席位中，他们赢下2个。Cook评为“倾向民主党”或“可能民主党”的22个席位则全部保持为民主党。

这是一个严重的校准问题。如果你按字面理解评级者生成的胜率，那么被列为胜负难料的席位本应以大致相同的比例分别归入两党；胜率大约为50%。但从长期来看，情况并非如此。

以下是Cook在2010、2014、2018和2022年中期选举中的众议院记录，使用每个席位在选举前45天的评级，并将每个标签重新编码为有利于“执政党”（总统所属政党）或* 安全执政党赢下了311个席位中的100%。

• 可能：69个中的88%。

• 倾向：86个中的78%。

• 执政党赢下了131个中的33%。在野党赢下67%。

• 倾向：执政党赢下37个中的5%。在野党赢下95%。

• 可能：73个中的0%。

• 安全：395个中的0%。这里有两个突出的特点。首先，我们应该预计民主党人将赢得库克目前标记为摇摆不定的绝大多数竞选。其次，评级曲线存在明显的非对称性：当“倾向”（Lean）标签对总统所在党派有利时，其准确率仅为78%，而对反对党有利时，准确率则高达95%，这并不是一个对称的概率陈述。

我并不是针对库克；其他评级机构也存在同样的偏差。“内部选举”（Inside Elections）对执政党“倾向”席位的预测准确率为69%，萨巴托（Sabato）的预测准确率为72%。这三家机构都将67%的摇摆席位判给了在野党。这三家机构对其“倾向”在野党席位的预测准确率均在95%到97%之间。

你可以看到，所有的竞选评级机构都存在同样的问题。在距离大选还有45天的时候，专家们认为是摇摆不定或仅“倾向”于他们的竞选，绝大多数都被在野党赢了。

这主要不是量化模型所面临的问题。我将在下周对此进行更多探讨。

因此，我们可以基本确定，竞选评级机构低估了民主党人——至少在众议院是这样，如果参议院不是的话。一个有用的做法是，将字面上的、对称解读竞选评级机构当前的席位层级预测所暗示的全国众议院竞选格局，与针对他们对在野党固有低估进行调整后的格局进行比较。

今天，根据字面解读，库克的评级显示民主党将获得217个席位，“内部选举”显示217个，萨巴托显示220个。三者平均为218个席位——这表明对众议院控制权的争夺正处于势均力敌的状态。

但是，当我们根据评级中的历史偏差（上表）进行调整时，情况发生了戏剧性的变化。如果我们利用在野党在各个评级类别中赢得席位的经验历史概率，来计算数学上暗示的民主党席位总数，三家评级机构的平均预测数将从218个上升到228个。库克自己的记录使库克预测的总数从217个上升到224个。

增加十个席位看起来可能不多，但从概率角度看却是巨大的变化。我编写了一个程序，根据竞选评级机构历史上的预测失误来模拟其预测中可能存在的误差，然后观察在这些误差下我们可能得到的席位总数分布，结果非常显著。（该程序的说明见脚注。）如果你（错误地）假设库克等人给出的概率对称地对应到结果上，那么他们今天的预测是民主党217个席位，赢得众议院控制权的概率约为47%。

但如果你按照库克历史误差所隐含的获胜概率将每个席位分配给民主党或共和党，那么席位总数是224个，获胜概率是75%。

这仍然很可能严重低估了民主党的获胜概率，但考虑到全国性指标，这是朝着正确方向迈出的一大步。其他竞选评级机构的情况也是如此。《内部选举》从217个席位、49%变为230个席位、87%。萨巴托从220个席位、57%变为231个席位、89%。

将三者汇总，众议院从五五开——218个席位、51%——变为228个席位、83%。

参议院的情况大致相同，但我打算把这些发现留到另一篇文章中，因为目前评级机构与模型之间最大的差异在众议院。

即使与更全面的模型相比，这些预测机构的优势较小，它们仍然有一定价值。评级机构（尤其是库克）能够接触到候选人和大量未公开的数据。它们有着良好的历史记录，并且可以在数据看起来不对劲时自由地施加影响，这一赌注在2024年对它们来说是奏效的。

我们在FiftyPlusOne的选举模型将竞选评级作为模型的一个输入，但我们是在对各种历史偏差和其他实证性技术处理之后才这样做的。

也许这种暗中操纵的把戏在2026年对那些竞选评级机构来说会再次奏效。但从历史来看，他们总是低估期中选举中的反对党——就今年众议院的胜选概率而言，误差大约高达30个百分点。这是一个极大的偏差，而量化建模师并不会犯这样的错误。

模拟的细节 第一步：将每个评级转化为席位概率。 435个众议院选区中的每一个都会获得评级机构的一个标签。对称解读法将标签直接映射为：对优势党派而言，摇摆（Tossup）为50%，倾向（Lean）为75%，很可能（Likely）为90%，稳操胜券（Safe）为97%。而实证解读法则会查阅该评级机构的标签在2010年至2022年期中选举前45天的实际表现，并首先将每个标签重新编码为支持总统党派或反对党。因此，2026年库克政治报告（Cook）中一个“倾向共和党”（Lean R）的席位，将获得库克在历届期中选举中“倾向执政党”席位实际得手率的数值，即78%，这意味着民主党有22%的胜选概率。库克的一个摇摆席位则会得出67%的民主党胜选率，因为反对党赢得库克众议院摇摆席位的频率正是如此。

第二步：汇总席位。 将各项概率相加，便可得出民主党的预期席位总数。库克报告预测的217席对224席就是这样得来的。仅凭这一点，并不能说明获得多数席位的胜率，因为它不包含误差范围。

第3步：计算历史评级误差。 对于每一次过去的期中选举，程序会找出一个单一的全国性偏移量，当它同时应用于每个竞争性席位的概率时，恰好能得出该次期中选举的实际结果。像2010年这样总统所属政党表现比平均期中选举更差的年份，需要一个偏向在野党的偏移。像2022年这样表现更好的年份，则需要朝相反方向微调。这种微调是在logit尺度上衡量的，这是一种将概率保持在0到100之间、且对50%席位的移动幅度大于90%席位的偏移方式。在2010年、2014年、2018年和2022年，这些偏移量大约为+0.8、+0.4、0和-1.5。它们的离散程度约为1.0，成为模拟全国性误差的规模。一个单位的偏移会将50%的席位移动到73%，或朝相反方向移动到27%。

第4步：模拟20,000次选举。 每次模拟选举首先从具有该离散程度的钟形曲线中抽取一个全国性偏移量，并将其以相同方向应用于每个“可能”、“倾向”和“胜负难料”的席位。“安全”席位保持不变，因为“安全”评级的席位在历史记录中从未翻盘，而一次性冲击360个此类席位会使我们模拟的不确定性区间超出经验历史范围。然后每个席位通过按其调整后概率加权的抛硬币方式单独判定。统计民主党获胜的次数得出一个席位总数，重复20,000次后我们就得到大量模拟结果，可用于计算议院获胜概率（并展示该直方图）。

为什么这会使概率发生如此大的变化。 两种读数的均值仅相差7个席位，但对称均值恰好落在218这条线上，因此一半的模拟结果低于该线。经验均值为该线上方6个席位，在约12个席位的离散程度下，75%的模拟结果超过了多数门槛。

我核对过了历史校准情况。对于过去的每一次期中选举和每一个评级机构，程序都会将选举日之后的民主党实际席位数与转换后的评级预期进行比较。典型的历史误差为13个席位。模拟得出的隐含标准差为12。因此，该模型的不正如评级机构自身的记录所显示的那样，具有充分的宽度。