Bayesian Uncertainty Quantification for Ranked Choice Voting Polls

Résumé Technique : Quantification de l'Incertitude Bayésienne pour les Sondages en Vote à Choix Classé

Énoncé du Problème
Le vote à choix classé (VCC) présente des défis méthodologiques uniques pour les sondeurs que les outils traditionnels de quantification de l'incertitude (QI) fréquentistes ne peuvent pas traiter de manière adéquate. Dans le VCC, le vainqueur d'une élection est déterminé par un processus d'élimination dépendant du chemin parcouru, où les candidats sont successivement éliminés et les voix réallouées jusqu'à ce qu'une majorité soit obtenue. Contrairement aux élections au scrutin majoritaire à un tour (uninominal à un tour), où le vainqueur est une fonction d'un paramètre de population unique (la part de voix), le vainqueur du VCC est l'union de trajectoires disjointes déterminées par la structure complète des classements de préférence des électeurs.

Par conséquent, les métriques standards telles que la « marge d'erreur » (MoE) ne parviennent pas à capturer la complexité de l'incertitude du VCC. Une MoE quantifie généralement l'incertitude autour d'une marge d'élimination spécifique, mais elle ne quantifie pas directement la probabilité de victoire d'un candidat. De plus, dans le VCC, un candidat qui est le véritable vainqueur dans la population peut être le vainqueur le plus fréquent dans les sondages à petits échantillons en raison de la variabilité de l'échantillonnage traversant les frontières de décision dans l'espace paramétrique de haute dimension. Inversement, les ensembles de confiance fréquentistes standards pour le vecteur des marges d'élimination deviennent souvent si larges qu'ils chevauchent plusieurs régions de vainqueurs potentiels, échouant à identifier un vainqueur unique même avec de grands échantillons.

Méthodologie
Les auteurs proposent un cadre bayésien qui déplace la cible inférentielle de l'estimation de marges d'élimination spécifiques vers l'estimation de la probabilité de victoire postérieure de chaque candidat. La méthodologie procède comme suit :

1. Modélisation des Ordres de Bulletins : Le problème est formulé en termes d'« ordres de bulletins » ($P$), l'ensemble de toutes les manières uniques dont un électeur peut classer les candidats. La distribution de la population de ces ordres est notée $\pi$. Le vainqueur du VCC est une fonction déterministe de $\pi$.
2. Inférence Conjuguée : Les auteurs modélisent les réponses observées aux sondages comme des tirages indépendants d'une distribution multinomiale sur l'ensemble des ordres de bulletins. En utilisant la relation de conjugaison entre la vraisemblance multinomiale et le prior de Dirichlet, ils dérivent une distribution postérieure pour $\pi$.
   • Si $n_j$ est le décompte observé des bulletins de type $j$, et que le prior est $\pi \sim \text{Dir}(\alpha)$, la postérieure est $\pi | \text{données} \sim \text{Dir}(\alpha + n)$.
   • Cela permet une tractabilité analytique sans nécessiter de méthodes computationnelles complexes pour la postérieure elle-même.
3. Élagage des Bulletins (Ballot Pruning) : Pour faire face à la « malédiction de la dimensionnalité » où le nombre d'ordres de bulletins possibles croît de manière super-exponentielle avec le nombre de candidats, les auteurs introduisent un lemme d'« élagage des bulletins ». Ce lemme postule que si l'ensemble des candidats restant dans les derniers tours d'une élection est connu, les classements relatifs des candidats éliminés n'affectent pas le vainqueur final. Les auteurs recommandent une procédure de bootstrap pour identifier un ensemble stable de candidats de tête (par exemple, les 3 ou 4 premiers) et élaguer l'espace des bulletins pour n'inclure que les classements pertinents pour ces candidats. Cela réduit la dimensionnalité de la distribution de Dirichlet tout en préservant l'intégrité de la détermination du vainqueur.
4. Pipeline de Simulation :
   • Élaguer l'espace des bulletins basé sur la stabilité du bootstrap.
   • Calculer la distribution de Dirichlet postérieure en utilisant les décomptes observés (ou pondérés).
   • Échantillonner de manière répétée à partir de cette postérieure pour générer des électorats simulés.
   • Exécuter l'algorithme de tabulation VCC sur chaque électorat simulé.
   • La proportion de simulations dans lesquelles un candidat gagne constitue son estimation de la probabilité de victoire.

Résultats Clés et Applications
Les auteurs valident leur approche en utilisant deux élections de haut profil : les primaires démocrates de la mairie de New York en 2021 et l'élection spéciale de la chambre des représentants de l'Alaska en 2022.

• Spéciale Alaska 2022 : Les auteurs démontrent que dans des simulations non biaisées de petites tailles d'échantillons, le véritable vainqueur (Mary Peltola) n'est souvent pas le vainqueur le plus probable dans les sondages. En fait, Nick Begich (qui a été éliminé le premier dans l'élection réelle mais qui aurait gagné un duel face à Peltola) apparaît comme le vainqueur le plus fréquent dans les petits échantillons. Cela souligne la « fragilité » des estimations ponctuelles du VCC. Les ellipsoïdes de confiance fréquentistes standards pour les marges d'élimination ont été trouvés comme chevauchant toutes les trois régions de vainqueurs dans près de 97 % des simulations, les rendant inutiles pour l'identification du vainqueur.
• Primaires NYC 2021 : Les auteurs ont réanalysé un sondage final de Data for Progress. Alors que les estimations ponctuelles du sondage suggéraient une course serrée entre Eric Adams et Kathryn Garcia (Maya Wiley étant à la traîne), l'analyse bayésienne a fourni une mesure d'incertitude plus nuancée. Les probabilités de victoire postérieures ont été estimées à 56,4 % pour Adams, 42,8 % pour Garcia et 0,8 % pour Wiley. Cela a correctement identifié la course comme un duel à deux personnes avec Adams comme léger favori, ce qui est cohérent avec la marge de victoire réelle de 0,8 %.
• Sondages Pondérés : Le cadre a été étendu pour gérer les poids de sondage en traitant les décomptes pondérés comme des pseudo-comptes dans la mise à jour de Dirichlet, permettant ainsi à la méthode d'être appliquée à des données de sondage réelles utilisant la pondération démographique.

Signification et Revendications
L'article affirme que le cadre bayésien proposé offre une alternative supérieure aux pratiques fréquentistes standards pour les sondages VCC en ciblant directement la quantité d'intérêt : la probabilité de victoire.

• Interprétation Directe : Contrairement aux marges d'erreur, qui nécessitent que les lecteurs déduisent la probabilité d'un vainqueur à partir d'une plage de marges, les probabilités de victoire postérieures fournissent une mesure directe et continue de l'incertitude concernant l'issue de l'élection.
• Gestion de la Dépendance du Chemin : La méthode intègre naturellement la nature dépendante du chemin des éliminations du VCC. Elle tient compte du fait que l'incertitude dans les ordres d'élimination précoces peut ou ne peut pas se propager au vainqueur final, une nuance perdue dans les rapports basés sur les marges standards.
• Éviter la Fausse Certitude : Les auteurs soutiennent que l'estimation ponctuelle dans le VCC est périlleuse car des vainqueurs incorrects peuvent être favorisés dans une pluralité d'échantillons aléatoires. L'approche bayésienne évite de forcer des conclusions binaires (par exemple, « avance statistiquement significative ») et communique plutôt la probabilité relative de victoire, ce qui est plus approprié pour la géométrie complexe des frontières de décision du VCC.
• Faisabilité : L'approche est informatiquement traitable grâce à la conjugaison de la paire Dirichlet-Multinomial et à la réduction de la dimensionnalité fournie par l'élagage des bulletins.

Les auteurs concluent que bien que leur méthode montre des promesses dans les élections très disputées, elle sert de étape fondamentale pour une quantification de l'incertitude plus robuste pour le VCC, faisant passer le domaine d'un rapport de marge d'erreur inadéquat vers des déclarations probabilistes sur les issues électorales.