Gestern hat Nate Cohn darüber geschrieben Die großen Veränderungen, die der Occasions/Siena-Umfrage bevorstehenmit
Weitere Particulars in ihre Umfrage in Maine.
Angenommen, wir möchten die durchschnittliche Platner-Unterstützung in Maines wahrscheinlicher Wählerschaft E(Y) schätzen. Aber wir haben nur Umfrageteilnehmer, R = 1.
Die NYT verwendet Umfragegewichte um die Befragten zu gewichten, E(YW | R = 1). Im Gegensatz dazu verwenden einige Meinungsforscher MRPAnpassen eines mehrstufigen Regressionsmodells zur Platner-Unterstützung und anschließendes Anwenden auf die Grundgesamtheit E(E_model(Y | X, R = 1)).
Nate bespricht zwei große Änderungen an der Konstruktion der Gewichte W.
(Der Eisbär ist in ME noch nicht gewandert, aber er trainiert dafür. Das obige ist in Tennessee.)
Große Veränderung 1: Unterstützungswert
Vor ein paar Wochen sahen wir, dass die NYT mit der Gewichtung begann „synthetische Abstimmung 2024“Dabei handelt es sich um eine abgerufene Abstimmung von 2024, die mit der Wählerdatei validiert und bei Bedarf unterstellt wird.
Jetzt gewichten sie auch den Unterstützungswert = E(2024 Abstimmung | andere X-Variablen). Nate erklärt die Motivation:
Während eine Umfrage nicht Dutzende von Variablen berücksichtigen kann, können wir mit dem Unterstützungswert viele Informationen in einer einzigen Kennzahl zusammenfassen.
Das erinnerte mich an den Kausalschlusskontext, wo D’Amour und Franks (2021) „Siehe besonders starke Leistung für Neigungsgewichte, die in Bezug auf den prognostischen Rating berechnet werden“, wobei der prognostische Rating E(Y | X, Kontrolle) ist. In unserem Umfragekontext wäre dies ein Modell für Platners Unterstützung Y. Stattdessen verwendet die NYT die Abstimmung für 2024, vielleicht wegen der Anwendbarkeit auf mehrere Ergebnisse Y?
Große Veränderung 2: Energieausgleich
Sie fügen nicht nur neue Gewichtungsvariablen hinzu, sondern ändern auch die Artwork und Weise, wie sie die Gewichte berechnen. Nate weist auf die Herausforderung hin, viele Variablen und Wechselwirkungen mit typischen Stichprobengrößen zu gewichten. Additionally wenden sie sich an die R-Paket WeightItdas die Energiebilanzierungsmethode von implementiert Huling & Mak (2024):
In diesem Artikel wird eine neue Gewichtungsmethode namens Energieausgleich vorgestellt, die stattdessen darauf abzielt, gewichtete Kovariatenverteilungen auszugleichen. Durch die direkte Bekämpfung von Verteilungsungleichgewichten kann die vorgeschlagene Gewichtungsstrategie erreicht werden flSie können flexibel in einer Vielzahl von Kausalanalysen eingesetzt werden, ohne dass sorgfältige Modell- oder Momentenspezifikationen erforderlich sindfiKation.
Die Energieausgleichsgewichte verwenden nicht das Ergebnis Y, aber das Papier stellt fest, dass Schätzungen mit einem Modell für Y verbessert werden können.
Wie bewältigen Energieausgleichsgewichte die Herausforderung, viele Variablen mit typischen Stichprobengrößen gemeinsam zu gewichten, „ohne dass eine Modellspezifikation erforderlich ist“?