Misrepresentation in District-Based Elections

1. 研究问题 (Problem)

在单名选区（Single-Member Districts, SMD）选举制度下（如美国众议院选举），存在一个核心的代表性张力：

• 选区级多数原则：尊重每个选区的多数选民意愿（即谁在选区内得票多谁当选）。
• 全州比例原则：确保州代表团的整体席位分配比例与全州总得票率相匹配。

现有的选举规则（如“领先者当选”FPTP 或“比例代表制”PR）往往在这两个目标之间做出极端选择：

• FPTP：完全尊重选区多数，但可能导致全州席位分配严重偏离全州得票率（产生巨大的“选票 - 席位”扭曲）。
• PR：完美匹配全州得票率，但可能违背部分选区的局部多数意愿（即在全州得票率高的党在特定选区落选，或反之）。

核心问题：如何量化这种扭曲？是否存在一种规则能够根据社会对“全州比例性”的重视程度，在“选区代表性”和“全州比例性”之间找到最优的权衡？此外，这种权衡机制如何影响杰利蝾螈（Gerrymandering，即操纵选区边界）的难易程度？

---

2. 方法论 (Methodology)

论文构建了一个形式化的数学模型，将选举规则设计为一个**最小化总扭曲（Misrepresentation）**的优化问题。

2.1 模型设定

• 场景：两党竞争（A 党和 B 党），$N$ 个选区，每个选区人口相等。
• 输入：每个选区 $d$ 中 A 党的得票率 $p_d$。全州平均得票率为 $\bar{p}$。
• 目标函数：定义总扭曲 $\Phi$ 为两个分量的加权和：
  $$\Phi(x; w_A) = \text{Dist}(x) + w_A \cdot \text{Agg}(x)$$
  • 选区级扭曲 (Dist)：被非首选政党代表的选民数量。如果 A 党赢得选区 $d$，则 $1-p_d$ 的选民被错误代表；反之则为 $p_d$。
  • 全州级扭曲 (Agg)：席位分配比例与全州得票率之间的偏差绝对值，即 $| \bar{p} - S/N |$，其中 $S$ 是 A 党获得的席位数。
  • 权重 $w_A$：代表社会或规划者愿意为了减少 1 个席位的“全州偏差”，而接受多少额外的“选区错误代表”选民。$w_A=0$ 对应纯 FPTP，$w_A \to \infty$ 对应纯 PR。

2.2 求解策略

1. 条件优化：对于固定的席位数 $S$，最小化选区扭曲的最优策略是将席位分配给 A 党得票率最高的 $S$ 个选区（Top-S 分配）。
2. 全局优化：在 Top-S 分配的基础上，寻找使总扭曲 $\Phi$ 最小的最优席位数 $S^*$。
3. 一阶条件分析：通过分析增加一个席位带来的边际成本（选区扭曲增加）与边际收益（全州扭曲减少），推导出最优规则的结构。

---

3. 主要贡献与理论结果 (Key Contributions & Results)

3.1 最优规则的结构性刻画：截断规则 (Cutoff Rule)

论文的核心发现是，对于任何给定的权重 $w_A$，最小化扭曲的选举规则都是一个统一的得票率截断规则（Uniform Vote-Share Cutoff Rule）。

• 机制：存在一个阈值 $t(w_A)$，如果某选区 A 党的得票率 $p_d \ge t(w_A)$，则 A 党赢得该席位；否则 B 党赢得。
• 动态调整：
  • 当 $w_A = 0$ 时，阈值 $t = 0.5$，即标准的 FPTP 规则。
  • 当 $w_A$ 增加时，阈值 $t$ 会连续移动。
    • 如果 A 党在全州被低估（席位少于比例），阈值 $t$ 会低于 0.5。这意味着一些在 FPTP 下输掉（得票率<50%）但接近 50% 的选区会被划归 A 党，从而增加其席位数以接近比例。
    • 如果 A 党在全州被高估，阈值 $t$ 会高于 0.5，要求更高的得票率才能获胜，从而减少其席位数。
  • 当 $w_A$ 足够大时，规则收敛于比例代表制（PR）。
• 意义：这提供了一个单参数族规则，平滑地连接了 FPTP 和 PR，使得政策制定者可以根据对全州代表性的重视程度选择具体的规则。

3.2 帕累托前沿与效率

• 通过改变 $w_A$，该规则族能够遍历选区扭曲与全州扭曲之间的帕累托前沿（Pareto Frontier）。
• 这意味着不存在一种规则能在不增加一种扭曲的情况下减少另一种扭曲，除非它位于该前沿上。该模型为评估不同选举制度提供了统一的标尺。

3.3 地理集中度与优势排序 (Majorization Monotonicity)

• 论文引入了**优势排序（Majorization）**来衡量支持力的地理集中度（即支持力是否更集中在少数几个选区）。
• 结果：在最小化扭曲的规则族中，如果支持力更加集中（在保持全州平均得票率不变的情况下），总扭曲会单调下降（或至少不增加）。
• 对比：对于固定阈值规则（如 FPTP），这种单调性可能不成立，因为席位数可能会发生跳跃，导致全州扭曲增加。这证明了最优规则族在应对地理分布变化时的稳健性。

3.4 公理化特征 (Axiomatic Characterization)

论文通过两个公理刻画了该规则族中的两个端点：

1. 强单调性 (Strong Monotonicity)：如果一个党在某个选区的支持率增加，它不应失去任何原本赢得的选区。
   • 结论：只有当 $w_A = 0$（即 FPTP）时，该性质才成立。一旦引入全州权重，选区之间产生联动，可能导致“此消彼长”的席位重新分配，破坏强单调性。
2. 抗杰利蝾螈性 (Gerrymandering-Proofness)：无论政党如何在全州范围内重新分配选票（保持总票数不变），其获得的席位数不应改变。
   • 结论：只有当 $w_A \to \infty$（即 PR）时，该性质才成立。因为此时席位数仅由全州总票数决定，与分布无关。

3.5 杰利蝾螈成本 (Gerrymandering Cost)

• 论文定义了一个连续指标：杰利蝾螈成本，即为了获得额外席位，政党需要以多小的代价（选票分布的变动）来操纵选区边界。
• 发现：随着 $w_A$ 的增加（即规则向 PR 靠拢），对于被高估的政党，操纵选区边界以获得额外席位的成本严格上升。
• 政策含义：即使不改变选区边界（不重新划分地图），仅仅通过调整选举规则（增加全州权重 $w_A$），也可以显著提高操纵选举的难度，作为传统反杰利蝾螈手段的补充。

---

4. 实证分析 (Empirical Analysis)

作者利用 1990-2024 年美国众议院选举数据进行了实证分析：

• 方法：采用“显示偏好”（Revealed Preference）的逆向推理方法。给定观察到的选区得票分布和 FPTP 下的实际席位结果，反推使得该结果成为“最小化扭曲”结果的权重 $w_A$ 范围。
• 发现：
  • 州际差异：不同州对全州代表性的隐含重视程度差异巨大。例如，加利福尼亚州（CA）和华盛顿州（WA）的隐含权重较低，意味着即使很小的全州代表性权重也会使 FPTP 结果不再是最优的（即 FPTP 在这些州产生的扭曲较大）。而德克萨斯州（TX）等州的隐含权重较高，FPTP 结果在更广泛的权重范围内仍被视为“最优”。
  • 时间演变：通过追踪不同选举周期，发现选区重划（Redistricting）会显著改变隐含权重。例如，当法院介入重划选区（如北卡罗来纳州 2022 年）时，隐含权重会向比例性靠拢；而当立法机构重新控制选区划分时，权重往往偏离比例性。
• 应用：该模型提供了一个新的指标，用于量化和比较不同州在“选区代表性”与“全州比例性”之间的实际权衡，以及评估选举改革提案的效果。

---

5. 意义与贡献 (Significance)

1. 理论创新：首次明确地将“选区代表性”和“全州比例性”量化为可加和的扭曲目标，并推导出了连接 FPTP 和 PR 的最优规则族。这打破了以往文献将两者视为非此即彼的二元对立。
2. 反杰利蝾螈的新视角：提出了一种不依赖复杂地图绘制约束（如紧凑性、连续性）的替代方案。通过调整选举规则中的权重参数，可以直接增加操纵选举的成本，为立法者提供了新的政策杠杆。
3. 实证工具：提供了一种基于数据的“隐含权重”指标，使得研究者可以客观地评估现有选举制度在多大程度上偏离了社会最优（或某种规范性的权衡），并监测红istricting 过程对代表性的影响。
4. 公理化贡献：清晰地界定了 FPTP 和 PR 在公理性质上的本质区别（单调性 vs. 抗操纵性），并展示了它们只是同一个优化框架下的两个极端情况。

总结：该论文通过严谨的数学建模和实证分析，证明了在单名选区制度下，可以通过调整规则参数（截断阈值）来灵活平衡局部民主与整体公平，并为理解、评估和改革选举制度提供了强有力的理论框架和量化工具。