Instant Runoff Voting and the Reinforcement Paradox

1. 研究问题 (Problem)

核心定义：
强化悖论（Reinforcement Paradox），也称为一致性悖论（Consistency Paradox）或多选区悖论，是指一种投票方法的不一致性现象。具体定义为：如果候选人 $X$ 在两个独立的选举（$B_1$ 和 $B_2$）中均获胜，但在将这两个选举的选票合并后的总选举（$B_1 \cup B_2$）中却落败，则该投票方法存在强化悖论。

研究背景与动机：

• 行政影响： 与简单多数制（Plurality）不同，IRV 无法仅通过汇总各选区的获胜者来确定最终胜者。IRV 需要将所有选区的详细选票排名数据（第一选择、第二选择等）传输到中央进行重新计票。如果 IRV 存在强化悖论，意味着即使每个选区都支持某位候选人，合并后该候选人仍可能落选，这对选举结果的合法性和行政流程的复杂性提出了挑战。
• 现有研究缺口： 虽然强化悖论的概念由 Young (1974) 提出，且已知 IRV 不满足一致性公理，但此前关于 IRV 发生该悖论频率的研究非常有限。之前的研究（如 Plassmann & Tideman, Courtin et al.）通常通过生成两个独立的随机选举并合并来测试，而本文采用了一种不同的视角：给定一个单一的真实或模拟选举，是否存在一种选票划分方式，使得该选举表现出悖论？

2. 方法论 (Methodology)

本文针对三候选人的 IRV 选举进行了深入研究，主要采用了以下方法：

A. 理论推导：必要与充分条件

作者推导出了三候选人选举中存在强化悖论的代数条件。

• 完全排序与部分排序： 分别针对选民提供完整排名（Complete Ballots）和部分排名（Partial Ballots，即允许不排满所有候选人）两种情况，建立了不等式组。
• 悖论类型分类：
  • 多数派失败者悖论 (Plurality Loser Paradox)： 在第一轮得票最少的候选人（Plurality Loser）在两个子选举中均获胜。
  • 亚军悖论 (Runner-up Paradox)： 在总选举中得票第二多但在 IRV 中落败的候选人（Runner-up）在两个子选举中均获胜。
• 命题 1 & 2： 给出了上述两种悖论存在的充要条件（涉及各排名组合的票数 $X_i, Y_i, Z_i$ 之间的线性不等式）。这些条件不仅证明了悖论存在的可能性，还隐含了如何构造划分（Partition）的算法。

B. 蒙特卡洛模拟 (Monte Carlo Simulations)

为了估计悖论发生的概率，作者使用了多种选民行为模型生成数百万个合成选举（$V=1001$）：

• 空间模型 (Spatial Models)：
  • 一维正态分布模型 (1D Spatial)。
  • 一维双峰分布模型 (1D Bimodal)，模拟政治极化。
  • 加权双峰模型 (1D Bimodal Weighted)，模拟一方势力更强。
• 单纯形模型 (Ballot Simplex Models)：
  • 使用狄利克雷分布 (Dirichlet Distribution, $\text{Dir}(\alpha)$) 在选票单纯形上采样。
  • 涵盖了从“偏袒某候选人” ($\alpha \to 0$) 到“无党派文化” (IAC, $\alpha=1$) 再到“完全随机文化” (IC, $\alpha \to \infty$) 的各种情况。
• 精确计算： 对于 IAC 模型 ($\alpha=1$)，利用软件 Normaliz 计算了精确的极限概率。

C. 实证数据分析 (Empirical Analysis)

• 数据集： 收集了 416 场真实的单席位 IRV 选举数据，来源包括美国（FairVote, APA）、苏格兰地方选举等。
• 数据处理： 将多候选人选举通过 IRV 算法“缩减”为三候选人选举进行分析。
• 地理划分测试： 对于拥有选区（Precinct）或选区（District）数据的选举，使用二元整数线性规划 (Binary Integer Linear Programming, ILP) 算法，搜索是否存在基于地理边界的自然划分能产生悖论。
• 自助法 (Bootstrapping)： 对真实选举数据进行重采样（Resampling），生成伪选票档案，以评估悖论对微小数据扰动的鲁棒性。

3. 关键贡献 (Key Contributions)

1. 理论突破： 首次为三候选人 IRV 选举提供了存在强化悖论的充要条件（Propositions 1 & 2）。这使得研究者无需遍历所有可能的划分，即可通过代数不等式判断一个选举是否“易感”于该悖论。
2. 方法论创新： 改变了以往“生成两个独立选举”的研究范式，转而采用“分解单一选举”的视角。这种方法更贴近现实场景（即：给定一场具体的选举，是否存在某种划分导致结果不一致？），并揭示了悖论存在的内在结构。
3. 部分选票分析： 首次将部分排序（Partial Ballots，即选票未排满所有候选人）纳入强化悖论的分析框架，并推导了相应的条件。
4. 大规模实证研究： 利用真实世界的大规模数据集，提供了强化悖论发生的经验概率，并区分了“任意划分”与“地理自然划分”下的悖论频率差异。

4. 主要结果 (Key Results)

A. 理论概率 (Theoretical Probabilities)

• 高易感性： 在大多数理论模型下，IRV 表现出极高的强化悖论易感性。
  • 在 IAC 模型（无党派文化）下，约 25% 的三候选人选举存在至少一种强化悖论（无条件概率）。
  • 若排除有绝对多数候选人的选举（条件概率），该比例上升至 56.8% (完全排序) 或 44.6% (部分排序)。
  • 随着 $\alpha$ 增大（选举竞争越激烈），悖论发生的概率趋近于 100%。
• 阈值发现：
  • 多数派失败者悖论： 即使该候选人仅获得极少量的第一选择票（理论上可趋近于 0%），悖论仍可能发生。
  • 亚军悖论： 亚军的得票率必须至少达到 25% 才可能引发悖论。
  • 子选举规模： 悖论可以在一个子选举仅占整体极小比例（如 1%）的情况下发生。

B. 实证结果 (Empirical Results)

• 真实选举频率： 在 416 场真实选举的“缩减版”（三候选人）数据中：
  • 约 24.8% 的选举表现出强化悖论（即存在某种划分使得落选者在子选举中获胜）。
  • 其中，10.9% 的选举同时存在多数派失败者悖论和亚军悖论。
  • 在排除有绝对多数候选人的选举后，悖论发生率升至 37.6%。
• 地理划分的差异：
  • 当限制划分必须基于真实的地理边界（选区或选区）时，悖论发生率显著下降。
  • 在 304 场有选区数据的选举中，仅 3.0% 存在基于选区的悖论；在 84 场有选区数据的选举中，仅 1.2% 存在基于选区的悖论。
  • 典型案例： 2022 年阿拉斯加特别众议院选举（Mary Peltola 胜，Sarah Palin 亚军，Nick Begich 多数派失败者）。分析发现，虽然 Begich 是 Condorcet 获胜者，但在某些地理划分下，他可以在两个子选举中获胜却输掉总选举。
• 鲁棒性分析 (Bootstrapping)：
  • 约一半表现出悖论的真实选举，其生成的伪选举（Pseudoprofiles）中超过 90% 也表现出悖论，说明这些悖论是结构性的，而非偶然。
  • 然而，也有部分选举的悖论对微小扰动非常敏感。

C. 悖论类型特征

• 在真实选举中，几乎从未观察到“仅存在多数派失败者悖论而不存在亚军悖论”的情况。这通常是因为在真实选举中，亚军候选人的实力远强于第一轮被淘汰的多数派失败者。
• 在理论模型（特别是空间模型）中，这两种悖论的发生模式差异较大。

5. 意义与结论 (Significance and Conclusion)

1. 对 IRV 稳定性的挑战： 研究表明，IRV 在理论上是高度易感于强化悖论的。这意味着 IRV 的结果可能严重依赖于选区的划分方式（Gerrymandering 的一种形式），或者在合并不同群体选票时产生反直觉的结果。
2. 行政与政治影响：
   • 由于 IRV 需要中央计票，且结果可能因划分不同而改变，这增加了选举结果被质疑的风险。
   • 如果落选者能指出“我在 A 区和 B 区都赢了，只是合并后输了”，这对选举的公平性构成严重的政治挑战。
3. 自然划分的重要性： 虽然任意划分下悖论很常见，但在基于地理、种族或教育水平等“自然变量”的划分下，悖论发生的频率较低（约 1-3%）。这表明虽然理论风险高，但在现实世界的自然地理分割中，严重的强化悖论相对罕见，但并非不存在（如阿拉斯加案例）。
4. 未来方向： 作者建议未来的研究应关注具有自然划分（如地理、人口统计）的悖论，并探索其他非计分规则（如 Condorcet 方法）的强化悖论易感性。

总结： 该论文通过严谨的数学推导和大规模实证分析，揭示了 IRV 在一致性方面的显著缺陷。虽然在实际地理划分中悖论不如理论模型预测的那么频繁，但其存在的可能性足以对 IRV 的行政逻辑和政治合法性构成实质性挑战。