翁履中借哈佛模型推估六都選情 藍4綠2最可能、沈伯洋勝蔣萬安機率一至兩成
翁履中如何推估六都市長選情?
旅美教授翁履中參考哈佛大學教授蓋瑞.金團隊的選舉研究方法,結合2010年以來六都選舉資料及47份公開民調,推估11月28日九合一選舉的六都市長選情。結果顯示,國民黨最可能維持台北、桃園、台中3都領先,民進黨在台南、高雄占優,新北成為最大變數;六都整體仍以國民黨4都、民進黨2都的現況最可能延續。翁履中強調,這是他參考方法精神的簡化版嘗試,並非哈佛團隊直接替台灣選舉做出預測,研究價值在於讓預測接受投票結果檢驗。
旅美教授翁履中18日在臉書發文,參考哈佛大學教授蓋瑞.金(Gary King)團隊最新選舉研究方法,結合2010年以來六都選舉資料及今年47份公開民調,嘗試推估11月28日九合一選舉的六都市長選情。結果顯示,國民黨最可能維持台北、桃園、台中3都領先,民進黨在台南、高雄占優,新北成為最大變數;六都整體仍以國民黨4都、民進黨2都的現況最可能延續。
不過,翁履中強調,這是他「參考方法精神的簡化版嘗試」,並非哈佛團隊直接替台灣選舉做出預測。他提醒,民調數字與網路聲量不等於實際選票,研究的價值不只在於猜測誰會勝選,更在於讓預測接受投票結果檢驗。
哈佛研究:傳統模型過度自信 低估選舉爆冷可能
翁履中這次參考的研究,由蓋瑞.金、伊班克斯(Danny Ebanks)及卡茨(Jonathan N. Katz)共同完成,題為「如果統計模型預測某事件一萬次選舉才發生一次,或許模型本身就有問題」(If a Statistical Model Predicts That Common Events Should Occur Only Once in 10,000 Elections, Maybe It’s the Wrong Model)。研究團隊指出,傳統選舉模型可能過度自信,原本被判定極少發生的結果,實際卻反覆出現,尤其容易低估高人氣現任者敗選的可能性。
研究建立名為LogisTiCC的統計模型,納入美國1946年至2024年眾院選舉,以及1954年至2024年參院選舉資料,並透過歷史資料與樣本外測試檢驗預測表現。哈佛團隊也公開2026年美國國會選舉預測模型及資料,強調學術預測的意義在於讓模型有機會被證明錯誤,而不只是提出一個看似精確的答案。
翁履中指出,美國研究使用數十年、上萬場選舉資料,台灣六都自2010年成立以來,到2022年只有4屆選舉、23場市長選舉可供參考,兩者資料規模差距很大。因此,他僅借用歷史規律、民調更新與保留意外空間等概念,搭配台灣現有資料建立簡化模型,結果仍須持續檢驗。
六都最可能維持藍4綠2 新北成最大變數
依翁履中推估,台北、桃園、台中目前由國民黨候選人領先,台南、高雄則是民進黨占優,新北選情接近五五波,是最可能左右六都版圖的關鍵城市。
從六都整體結果來看,模型推估民進黨拿下3都以上的機率約34%至43%;維持國民黨4都、民進黨2都的機率約36%至40%;國民黨拿下5都以上的機率約21%至25%。各項機率之所以採區間呈現,是因納入或排除與其他民調差距較大的調查後,推估結果會有所變動。
翁履中表示,這次分析曾測試排除近期引發討論的信民協會民調,但他也提醒,不能因某份民調與其他調查平均值差距較大,就直接認定其結果錯誤,「偏差本身不一定代表錯誤」,最終仍要等開票後才能判斷。
他進一步比較只看民調與加入歷史選舉基本面結果發現,若只看民調,民進黨拿下3都以上的機率,可能隨不同民調發布機構的數量與權重設定,在45%至66%之間變動,差距達21個百分點;加入歷史因素後,變動區間縮小至33%至50%,差距降為17個百分點。
翁履中認為,這顯示歷史資料可發揮「錨」的作用,降低模型被單一陣營民調數量牽動的程度。他所納入的歷史因素,包括地方選舉常見的執政黨期中懲罰、現任者優勢,以及各都過往的投票結構。不過,他坦言,台灣可供分析的選舉紀錄有限,這項觀察仍需要更多選舉資料驗證。
「洋流」能否撼動蔣萬安?沈伯洋勝率估一至兩成
台北市長選戰方面,翁履中將民進黨候選人沈伯洋的聲量與民調變化稱為「洋流」,並以TVBS民調為例指出,沈伯洋與現任市長蔣萬安的差距,已從5月的28個百分點縮小至10月的8個百分點,平均每月約縮小5個百分點。
若只依照民調趨勢推估,翁履中認為,假如「洋流」上升趨勢減緩或停止,沈伯洋勝率約一成;但若目前趨勢一路延續至投票日,勝率可能升至四成以上。
不過,把現任市長的優勢及歷史選舉規律納入模型後,沈伯洋勝率約落在一至兩成。翁履中提醒,這不代表結果已確定。他援引哈佛研究最重要發現之一,指出傳統模型常常低估高人氣現任者落選的機率;而台灣的歷史樣本不足,尚無法充分檢驗小機率事件的估計是否可靠。
翁履中也表示,參考民調的選擇會影響「洋流」強度估算;若將信民協會民調納入,推估結果就可能出現明顯變化。因此,台北選情是否持續變動,以及「洋流」能否延續到投票日,都還需要更多民調與後續資料確認。
民調偏離平均值不等於錯誤 台南、高雄也非鐵票區
針對各家民調差距,翁履中比較同一城市前後約一個半月內其他調查平均值,發現信民協會近期公布的數據,整體約比其他公開民調平均值偏綠9個百分點;10月公布的新北市民調,與當地16份民調相比,差距約達18個百分點。
但翁履中指出,與平均值有明顯差距的民調,藍綠兩方都有,偏綠的並非只有信民協會,信民也不是偏離最多的一家。他提醒,問卷設計、抽樣方式與可能的引導效應,都會影響民調結果與實際民意間的差距,不能只憑單一數字判斷選情。
至於外界常認為民進黨在台南、高雄具穩固優勢,翁履中從總統選舉與地方選舉差異切入指出,總統選舉中,台南平均得票比全國偏綠約高出22個百分點,高雄約高出15個百分點;但民進黨執政期間的地方選舉,台南在2018年、2022年僅分別小贏約5至8個百分點,高雄更曾在2018年敗給韓國瑜,直到2022年才重新勝選。
翁履中認為,地方政治版圖與政黨認同固然重要,地方選舉仍會受到全國政治氣氛、候選人條件及執政表現影響。今年台南、高雄又都是沒有現任市長競選連任的開放席次,最後結果仍有變數。
選舉不是猜冠軍 模型與民調都不能代替選民決定
翁履中說明,這次模型透過電腦模擬3萬次選舉,每次分別納入全國政治氣氛、各城市可能出現的意外,以及歷史基本面與民調資訊,再計算不同政黨勝選的比例。模擬次數不是代表選舉真的會舉行3萬次,而是藉由大量可能情境,估算結果發生的機率。
他強調,這次分析有兩個學術目的:一是檢驗這套方法用於台灣選舉的適切程度;二是等開票後,比較各家民調與實際結果,觀察哪些調查未來相對值得信任。
翁履中最後拉回選民本身指出,現代選戰越來越專業,候選人形象、議題安排、短影音與民調發布,都可能影響外界對選情觀感,但「一位政治人物很會選舉,跟這個人是否具備良好治理能力,終究是兩件需要分開判斷的事情」。
他提醒,民調看得再多、模型再精密,都不應替選民決定投票對象。「選舉不是猜冠軍的比賽。選票代表的是我們對未來的期待,以及願意把治理責任託付給誰。」
翁履中表示,選前提出的預測,選後都應接受現實檢驗;比起哪個模型猜中勝選者,更重要的是選民能否多查證資訊、多比較政策,並根據政治人物的實際表現做出判斷。他認為,民主的重要力量,仍來自願意獨立思考的選民。
翁履中推估的六都選情結果為何?
翁履中推估,國民黨候選人最可能領先台北、桃園、台中,民進黨在台南、高雄占優,新北選情則最為接近。整體而言,國民黨4都、民進黨2都的現況最可能延續。
翁履中使用的推估方法與哈佛研究有何不同?
翁履中參考哈佛團隊的研究方法精神,但因台灣六都選舉資料規模遠小於美國,他僅借用歷史規律、民調更新與保留意外空間等概念,搭配台灣現有資料建立簡化模型,並非直接套用哈佛團隊的LogisTiCC模型。
民調數字與實際選票有何差異?
翁履中提醒,民調數字與網路聲量不等於實際選票,研究的價值不只在於猜測誰會勝選。他也指出,不能因某份民調與其他調查差距較大就直接認定其結果錯誤,偏差本身不一定代表錯誤,最終仍需等開票後才能判斷。