Scoring Rules as Least-Squares Estimators

技术摘要：作为最小二乘估计量的评分规则

问题陈述
本文探讨了社会选择理论中评分规则（scoring rules）与余弦相似度规则（cosine similarity rule）之间的理论关系。评分规则通过根据备选方案在选民偏好序中的位置来聚合选民分配的个人分数，从而确定社会排名（例如 Borda 规则）。最近，Kawada (2108) 建立了一个显著的等价定理，指出对于任何给定的评分向量，所得的评分规则都与相应的余弦相似度规则一致。虽然 Kawada 最初的证明依赖于对余弦相似度优化问题的直接分析，但本笔记的作者旨在为这一等价性提供一个更透明且更基础的证明。

方法论
作者利用算术平均值的最小二乘特征化来重新推导 Kawada 的结果。其方法如下：

1. 最小二乘基础： 本文利用了一个已知性质，即一组向量的算术平均值是这些向量到平方欧几里得距离之和的唯一极小值点。形式上，对于一组向量 $\{p_i\}_{i \in N}$，函数 $\Phi(x) = \sum_{i \in N} \|x - p_i\|^2$ 在 $x = \bar{p} = \frac{1}{n}\sum p_i$ 处取得唯一最小值。
2. 向量表示： 基于固定的评分向量 $\theta$，将个人选民排名映射为评分向量 $s^\theta_i \in \mathbb{R}^V$。
3. 优化等价性： 作者证明了最小化最小二乘目标函数（平方距离之和）在数学上等价于在 $x$ 被约束在固定半径的球面上时，最大化点积之和 $\sum (s^\theta_i)^\top x$。
4. 范数不变性： 证明中的关键步骤是观察到，对于任何选民 $i$，评分向量的欧几里得范数 $\|s^\theta_i\|$ 是常数（记作 $R$），无论具体的排名如何。这使得点积之和可以用余弦相似度进行改写：$\sum (s^\theta_i)^\top x = R\rho \sum C(s^\theta_i, x)$，其中 $\rho = \|x\|$。
5. 综合： 通过结合最小二乘最小化性质与评分向量的常数范数性质，作者表明余弦相似度最大化问题的优化器正是评分向量的算术平均值。

主要贡献与结果

• 对 Kawada (2018) 的替代证明： 本文为评分规则与余弦相似度规则之间的等价性提供了一个更简单的几何证明。
• 几何解释： 证明揭示了评分向量的算术平均值 $\bar{s}^\theta = \frac{1}{n} \sum s^\theta_i$ 是最小二乘估计问题和余弦相似度优化问题的唯一解。
• 等价性确认： 由于评分规则中的社会排名是由聚合评分向量的坐标（该向量与算术平均值成比例）决定的，而余弦相似度规则是由优化器的坐标（同样是算术平均值）决定的，因此这两种规则必然诱导出相同的社会排名。
• 形式化结果： 定理 1 证实了对于每个评分向量 $\theta$，评分规则 (2) 与余弦相似度规则 (4) 相一致。

意义与主张
作者声称，他们的方法为评分规则提供了一种透明的几何解释。通过将评分规则框架化为最小二乘估计量，本文阐明了为什么余弦相似度规则必须与相应的评分规则相一致：两者都是以算术平均值为共同优化器的优化表示。

本文将这一结果置于基于优化的社会选择形式化的更广泛背景下，引用了如 Kemeny–Young 规则等经典案例以及关于 Schulze 规则的近期研究。作者谦虚地建议，这一框架可能为理解其他社会选择程序提供有用的视角，尽管他们在本笔记中并未提出具体的应用或实验验证。其主要贡献是通过基础优化原理实现了这两个概念的理论统一。