【美選出乎意料的激烈戰局：比民調更重要的是人心】
2020美國總統大選投票日已經過了三天，贏家仍未確定。
開票過程峰迴路轉，從一開始的德州開藍、夜間的威州、密州翻藍，到昨晚的賓州、喬州拉鋸…拜登與川普激戰到如此地步，倒是選前主流媒體與各家民調普遍沒有預料到的情況。難道如同四年前大選民調翻車的情況再度出現了嗎？
#傳統民調與現實的差距
四年前的美國總統大選，主流媒體與傳統民調組織，多顯示希拉蕊大幅領先，但結果川普打破所有主流輿論和各家民調的分析入主白宮，雖然有「選舉人團」的制度因素助攻，但當時「民調嚴重失真」的問題已經被各界學者專家紛紛提出來檢討，甚至出現「#民調已死」的聲音。
近年來，許多國際媒體與機構的民調確實普遍表現不佳，誤差範圍甚至逐漸擴大。從2012年歐巴馬競選連任、2014年美國期中選舉、2015年英國國會大選、2016年英國脫歐等，結果都與事前民調預測完全相反。
一份由史丹佛大學、哥倫比亞大學與微軟在2016年發布的研究報告〈Disentangling Bias and Variance in Election Polls〉顯示：1998年到2014年間美國各州總統、國會與州長選舉總共4,221份選前民調，將它們與開票結果相比，1,000人的調查平均誤差範圍達正負7％，而不是一般民調宣稱信心標準的正負3％。
根據《報導者》在2016年大選的專題說明，在排除刻意造假的情況下，民調不準確的原因通常包括：
1.抽樣代表性不足、2.民調回覆率過低、3.民調設計不良、4.受訪者不願吐實、5.游離票比例過高。
#害羞川粉的逆襲
而在2016和今年的美國總統大選中，除了上述1-3的工具性因素外，特別常被提出來討論的就是「受訪者不願吐實」這項因素，回歸現實情況，其實就是在談「隱性／害羞的川普支持者」（Shy Trump Voter）這群人。
根據美國政治網路媒體《POLITCO》一篇6月時分析民調可能失準原因的報導當中，就提到 #四年前對於川普潛在支持者分析不足 的問題今年可能依然存在：
川普總統指責民調刻意造假以對抗他的問題雖然並不為真，但民調機構人員確實仍在設法他們四年前遇到的困擾，包括搖擺州調查抽樣較少、而各州內的民調其實高估了拜登的優勢等等，這些恰恰都是2016年曾經發生過的問題：全國民調在很大程度上誤差並不大，但是州範圍的民調太少了，未能收集到準確的數據，特別是來自關鍵搖擺州「#沒有大學學位的白人選民」（被廣泛認為是潛在川普支持者）。
四年前學到教訓的各家民調認為，既然川普的支持者（藍領階級較低收入白人和低教育程度選民）被系統性低估，那就針對這些族群做統計上的加權 (weighting by education and lower-income)。這是美國公共民意研究協會 (American Association for Public Opinion Research）在 2016大選結束後所出產的官方報告當中的結論，也是近年來美國民調機構努力的方向。然而，從大選開票結果與民調的差距來看，上述提到的這些問題今年依然沒有完全解決。
而今年選前號稱美國智庫的「民主研究所」（Democracy Institute）做出幾份民調顯示，有77-78%的川普支持者不會願意向自己周遭的親朋好友承認自己其實支持川普。不過因為該機構被認為缺乏專業嚴謹與公信力，原本並未有多少主流媒體報導這項數據。
然而，由於今年開票到現在與選前主流民調預期民主黨大勝的景況差距太大，部分專家指出，這幾乎是在重演2016年大選民調低估了川普支持率的現象，「因為川普支持者擔心，表達真實意見會引起異樣眼光，比較傾向說謊。」
至此，「隱性／害羞川粉」的理論重新受到各方注意。
#害羞川粉所面臨的社會期許壓力
英國前首相卡麥隆的顧問希爾頓（Steve Hilton）表示：「由於幾乎所有媒體對川普及其支持者都流露出相當的恨意，所以人們比較不想對民調公司承認自己支持川普，而民調公司根本沒考慮到這點。」
另一名準確預測川普4年前當選的民調機構「特拉法爾加」（Trafalgar Group）創辦人卡哈利（Robert Cahaly）則指出：「今年這些『害羞的川普支持者』比之前（2016年）還要多。然而，人們不想表明支持川普，因為只要你戴錯帽子就會被揍，車尾貼上錯的標語就會被騷擾。」
卡哈利認為傳統的民調公司忽略了一個事實，就是：
「#受訪者傾向講出訪問者想聽的話，而不是表達自己的真實想法。」
這提醒了我們關於大家熟知的「#沉默螺旋理論」（Spiral of silence），在傳播過程或參與傳播的過程中，如果發現自己的看法不被主流意見認可，人們就多半不願意公開表達自己的看法，聲音就愈來愈小。
而即便是廣受主流媒體與台灣國內採用、追蹤的兩大權威民調「538」（FiveThirtyeight）與「真清晰政治」（Real Clear Politics），它們的創辦人在這兩天也都對川普支持率失真的原因表達了類似的觀點。
538（FiveThirtyeight）網站主編西爾瓦（Nate Silver）指出，有關川普支持度的民調失準，可能肇因於「#社會期許誤差social desirability bias」，即受訪者回答問題時，傾向以不實意願取代真實意願，以符合社會期許。「真清晰政治」（Real Clear Politics）聯合創始人兼總裁湯姆·貝凡（Tom Bevan）在前天接受福斯新聞（Fox News）訪談時公開指出：「所有專家和預測者都錯得離譜。」
澳洲國立大學講師宋文笛也在選前提出過說明，為何低收入者會基於「社會期許」回答與現實不同的答案：「低教育程度往往代表離美國社會主流的所謂『有文化階層』 (polite society) 的世界觀和價值觀的距離越遠，而所謂『社會期許』往往是後者所定義的。」
這些 #保守川粉 有不少人是美國的經濟、教育與文化層面的社會弱勢，廣泛分佈於中西部的工業區與內陸鄉村。由於教育程度和經濟能力往往成正比，加上工作繁忙、在家時段不固定，也造成這群人比較缺乏時間接受冗長的民調訪談，加上川普有意識地宣傳「主流媒體不可信」的說法，也讓共和黨支持者的拒訪率和訪問失敗率過高，都造成民調方法無論如何改進，都 #測不到這群人的意見。
簡單說，由於社會環境與科學工具有限的因素，導致民主黨的民調容易被高估、共和黨的民調容易被低估，我稱之為「#藍色泡沫」。從上屆到今年的大選，可以看出民主黨的全國民調與某些州的領先程度普遍被高估了5-8%。
#民調產業的未來在哪裡？
很多人在選前開玩笑說，如果這次再不準，「所有的民調公司都要關門了！」如今結果一出，由於各家民調模型、抽樣範圍與加權方式不同，得出來的預測結果也南轅北轍，雖然不能說民調完全不準確（許多民調在個別州與全國範圍的領先差距都在誤差範圍，變化趨勢也大致符合現實），但美國大眾對於民調的信任可能很難回到從前。
注重趨勢預測的產業如金融業對此就感到非常困擾，根據《路透社》報導指出，許多華爾街的資深經理人與分析師對於民調預測連年出錯、毫不可靠的情況感到困惑與憤怒：「我們為什麼還要相信這些民意調查？」更有人形容這是「民調產業的滑鐵盧。」
也有投資者認為，未來傳統的民意測驗方式可能消失，而更多依賴網路搜索相關的大數據來衡量選民的意圖。
原因是現代人很少在家接電話，即便是透過手機，也很少人願意接起不明來電或陌生號碼。
確實，數據分析的專業如果能夠被應用在商業領域的消費者購物調查，沒有理由不能應用在探測大家的公共事務傾向。去年虹安團隊開發的系統每天自動研讀分析爬蟲下來的數十萬筆台灣網路輿情，再加上情緒分析、自然語言處理、模型預測等科學方法，充分掌握了數據趨勢，也因此能夠正確預測台灣總統大選的票數差距達到0.1%。
當然，台灣的選制與選情相對單純，是否能夠將這樣的技術運用在實際上類似於50+1個不同地理與社會環境小國家的美國選舉加總，將會是很大的挑戰。結合大數據探測與傳統民意分析的方法論，也許會是民調產業的下一波改革浪潮。
#民調的背後更重要的是人心
民調的本質是探測與分析的工具，雖然是科學，但終究偵測的是千變萬化的難測人心。
而依賴民調作出解讀和預測的也是人，是人就會犯錯，也不能因此就輕易導出「民調無用」的結論。
雖然民調在上次和這次大選很難探詢到一些特定族群的意見，但我們更該思考：
#是什麼原因讓他們選擇沈默 或回答符合社會主流想像的說法？
選舉是我們實踐民主的過程，但如果我們的民主讓某群人感到害怕、不願意說話，
這實際上是傷害了言論自由，也是傷害了民主。
衷心祝福美國總統大選可以順利落幕，分裂與對立的美國可以重新合眾為一。
(圖片摘自 foxnews.com )
----
📒延伸閱讀：
1.美國大選民調再失準 隱性川普支持者成關鍵
https://udn.com/news/story/121687/4993275
2.美大選民調又失準 專家分析原因：太仰賴電話
https://news.ltn.com.tw/news/world/breakingnews/3343519
3.美國大選｜為何民調又失準？川粉不能說的祕密
https://tw.appledaily.com/international/20201104/STCC3SAYF5DLNGAJMZUJEIOE3E/
4.【外媒綜合】這次美國民調為何失準？凸鎚六個關鍵點
https://money.udn.com/money/story/12937/4990802
5.從美國總統大選看民調「測不準」現象
https://www.twreporter.org/a/presidential-election-polls
6.Trump has a point about the polls, POLITICO
https://www.politico.com/news/2020/06/17/trump-polls-biden-324210
自然語言處理模型 在 NLP 領域最優秀的8 個預訓練模型（附開源地址） - 每日頭條 的相關結果
本文介紹的預訓練自然語言處理模型 · ULMFiT · Transformer · Google BERT · Transformer-XL · OpenAI GPT-2 · ELMo · Flair · StanfordNLP ... ... <看更多>