Bayesian Uncertainty Quantification for Ranked Choice Voting Polls

Sintesi Tecnica: Quantificazione dell'Incertezza Bayesiana per i Sondaggi con Voto Ordinato (Ranked Choice Voting)

Definizione del Problema
Il Voto Ordinato (RCV) presenta sfide metodologiche uniche per i sondaggisti che gli strumenti frequentisti tradizionali di quantificazione dell'incertezza (UQ) non possono affrontare adeguatamente. Nell'RCV, il vincitore di un'elezione è determinato da un processo di eliminazione dipendente dal percorso, in cui i candidati vengono rimossi e i voti riallocati successivamente finché non si ottiene una maggioranza. A differenza delle elezioni a maggioranza relativa (First-Past-The-Post), dove il vincitore è funzione di un singolo parametro della popolazione (la quota di voti), il vincitore dell'RCV è l'unione di percorsi disgiunti determinati dalla struttura completa delle classifiche di preferenza degli elettori.

Di conseguenza, le metriche standard come il "margine di errore" (MoE) non riescono a catturare la complessità dell'incertezza dell'RCV. Un MoE quantifica tipicamente l'incertezza attorno a un margine di eliminazione specifico, ma non quantifica direttamente la probabilità che un candidato vinca. Inoltre, nell'RCV, un candidato che è il vero vincitore nella popolazione può essere il vincitore più frequente nei sondaggi con campioni piccoli a causa della variabilità del campionamento che attraversa i confini decisionali nello spazio dei parametri ad alta dimensionalità. Viceversa, gli intervalli di confidenza frequentisti standard per il vettore dei margini di eliminazione spesso diventano così ampi da sovrapporsi a molteplici regioni di vittoria potenziali, fallendo nell'identificare un vincitore univoco anche con campioni di grandi dimensioni.

Metodologia
Gli autori propongono un quadro bayesiano che sposta l'obiettivo inferenziale dalla stima di specifici margini di eliminazione alla stima della probabilità di vittoria per ciascun candidato. La metodologia procede come segue:

1. Modellazione delle Ordinanze delle Schede: Il problema viene inquadrato in termini di "ordinanze delle schede" ($P$), l'insieme di tutti i modi unici in cui un elettore può classificare i candidati. La distribuzione della popolazione di queste ordinanze è indicata con $\pi$. Il vincitore dell'RCV è una funzione deterministica di $\pi$.
2. Inferenza Coniugata: Gli autori modellano le risposte dei sondaggi osservate come campionamenti indipendenti da una distribuzione multinomiale sulle ordinanze delle schede. Utilizzando la relazione di coniugazione tra la verosimiglianza Multinomiale e la distribuzione a priori Dirichlet, derivano una distribuzione a posteriori per $\pi$.
   • Se $n_j$ è il conteggio osservato delle schede di tipo $j$, e la distribuzione a priori è $\pi \sim \text{Dir}(\alpha)$, la distribuzione a posteriori è $\pi | \text{data} \sim \text{Dir}(\alpha + n)$.
   • Ciò permette la trattabilità analitica senza richiedere metodi computazionali complessi per la distribuzione a posteriori stessa.
3. Potatura delle Schede (Ballot Pruning): Per affrontare la "maledizione della dimensionalità", dove il numero di possibili ordinanze delle schede cresce super-esponenzialmente con il numero di candidati, gli autori introducono un lemma di "potatura delle schede". Questo lemma postula che se l'insieme dei candidati rimanenti negli ultimi round di un'elezione è noto, le classifiche relative dei candidati eliminati non influenzano il vincitore finale. Gli autori raccomandano una procedura di bootstrap per identificare un insieme stabile di candidati principali (ad esempio, i primi 3 o 4) e potare lo spazio delle schede includendo solo le classifiche rilevanti per questi candidati. Ciò riduce la dimensionalità della distribuzione di Dirichlet preservando l'integrità della determinazione del vincitore.
4. Pipeline di Simulazione:
   • Potare lo spazio delle schede basandosi sulla stabilità del bootstrap.
   • Calcolare la distribuzione a posteriori di Dirichlet utilizzando i conteggi osservati (o ponderati).
   • Campionare ripetutamente da questa distribuzione a posteriori per generare elettori simulati.
   • Eseguire l'algoritmo di tabulazione RCV su ciascun elettore simulato.
   • La proporzione di simulazioni in cui un candidato vince costituisce la sua stima della probabilità di vittoria.

Risultati Chiave e Applicazioni
Gli autori validano il loro approccio utilizzando due elezioni RCV di alto profilo: le primarie democratiche per la sindica di New York del 2021 e l'elezione speciale per la Camera degli Stati Uniti in Alaska del 2022.

• Speciale Alaska 2022: Gli autori dimostrano che in simulazioni non distorte di piccoli campioni, il vero vincitore (Mary Peltola) è spesso non il vincitore più probabile nei sondaggi. In effetti, Nick Begich (che è stato eliminato per primo nell'elezione reale ma avrebbe vinto un confronto testa a testa contro Peltola) appare come il vincitore più frequente nei campioni piccoli. Ciò evidenzia la "fragilità" delle stime puntuali dell'RCV. Gli ellissoidi di confidenza frequentisti standard per i margini di eliminazione sono stati trovati sovrapposti a tutte e tre le regioni dei vincitori in quasi il 97% delle simulazioni, rendendoli inutili per l'identificazione del vincitore.
• Primarie NYC 2021: Gli autori hanno rianalizzato un sondaggio finale di Data for Progress. Mentre le stime puntuali del sondaggio suggerivano una gara serrata tra Eric Adams e Kathryn Garcia (con Maya Wiley in ritardo), l'analisi bayesiana ha fornito una misura di incertezza più sfumata. Le probabilità di vittoria a posteriori sono state stimate al 56,4% per Adams, 42,8% per Garcia e 0,8% per Wiley. Ciò ha identificato correttamente la gara come una competizione tra due persone con Adams come leggero favorito, coerentemente con il margine di vittoria reale dello 0,8%.
• Sondaggi Ponderati: Il framework è stato esteso per gestire i pesi dei sondaggi trattando i conteggi ponderati come pseudo-conteggi nell'aggiornamento Dirichlet, consentendo l'applicazione del metodo a dati reali di sondaggi che impiegano la ponderazione demografica.

Significatività e Rivendicazioni
L'articolo sostiene che il framework bayesiano proposto offre un'alternativa superiore alle pratiche frequentiste standard per i sondaggi RCV, mirando direttamente alla quantità di interesse: la probabilità di vittoria.

• Interpretazione Diretta: A differenza dei margini di errore, che richiedono ai lettori di inferire la probabilità di un vincitore da un intervallo di margini, le probabilità di vittoria a posteriori forniscono una misura diretta e continua dell'incertezza riguardo all'esito elettorale.
• Gestione della Dipendenza dal Percorso: Il metodo integra naturalmente la natura dipendente dal percorso delle eliminazioni RCV. Tiene conto del fatto che l'incertezza negli ordini di eliminazione iniziali può o meno propagarsi al vincitore finale, una sfumatura che si perde nella segnalazione standard basata sui margini.
• Evitare la Falsa Certezza: Gli autori sostengono che la stima puntuale nell'RCV è problematica perché i vincitori errati possono essere favoriti in una pluralità di campioni casuali. L'approccio bayesiano evita di forzare conclusioni binarie (ad esempio, "vantaggio statisticamente significativo") e comunica invece la probabilità relativa di vittoria, il che è più appropriato per la complessa geometria dei confini decisionali dell'RCV.
• Fattibilità: L'approccio è computazionalmente trattabile grazie alla coniugazione della coppia Dirichlet-Multinomiale e alla riduzione della dimensionalità fornita dalla potatura delle schede.

Gli autori concludono che, sebbene il loro metodo mostri potenziale in elezioni fortemente contese, esso serve come passo fondamentale per una quantificazione dell'incertezza più robusta nell'RCV, spostando il campo dalla segnalazione inadeguata del margine di errore verso dichiarazioni probabilistiche sugli esiti elettorali.