지능 제곱 채점 및 승자 결정


12

Intelligence Squared라는 NPR 팟 캐스트가 있습니다. 각 에피소드는 "제 2 개정안은 더 이상 관련이 없습니다"또는 "대학 캠퍼스에서의 긍정 조치가 좋은 것보다 더 해 롭습니다"와 같은 논쟁적인 진술에 대한 실시간 토론을 방송합니다. 4 명은 토론에 2 명, 반대 2 명에 대해 토론합니다.

어느 쪽이 이길 지 결정하기 위해 토론 전후에 청중이 설문 조사를받습니다. 절대 백분율 측면에서 더 많이 얻은 쪽이 승자로 간주됩니다. 예를 들면 다음과 같습니다.

          For    Against  Undecided
 Before   18%      42%       40%
 After    23%      49%       28%

 Winner: Against team -- The motion is rejected.

직관적으로, 나는이 성공 척도가 편향되어 있다고 생각하며, 어떻게 공정한 방식으로 승자를 결정하기 위해 청중을 폴링 할 것인지 궁금합니다.

현재 방법으로 즉시 볼 수있는 세 가지 문제 :

  • 극단적으로, 한쪽이 100 % 동의로 시작하면 묶거나 잃을 수 있습니다.

  • 결정되지 않은 경우, 초기 계약이 적은 쪽은 채취 할 표본 크기가 더 큰 것으로 볼 수 있습니다.

  • 미정의 쪽이 실제로 미정 인 것은 아닙니다. 양측이 똑같이 양극화되어 있다고 가정 할 경우, 결정되지 않은 인구에 대한 우리의 이전의 믿음은 각각 한쪽이 강제로면을 취한다면 여야합니다 .Beta(# For,# Against)

시청자 설문 조사에 의존해야한다는 점을 감안할 때 누가 이겼는지 판단하는 더 공정한 방법이 있습니까?


1
나는 "For-Against ratio -After"를 "For-Against ratio -Before"(본질적으로 승산 비)로 나눈 것이 더 나은 선택이라고 생각합니다. 1보다 크면 확률이 향상되고 1보다 작 으면 그렇지 않습니다.
Glen_b-복지 주 모니카

저도 처음에 생각했지만 백분율 증가로 공식화했습니다. 편견 치 않은 추정임을 입증하는 방법을 잘 모르겠습니다.
웨슬리 탄지

무엇에 대한 편견없는 추정? 나는 편견이 특히 바람직한 속성인지 확신하지 못한다.
Glen_b-복지 주 모니카

양쪽이 얼마나 잘했는지. 이상적으로 우리는 군중의 초기 반응에 따라 결과를 편향시키고 싶지 않습니다. 아니면 내가 완전히 잘못 이것에 대해 생각 할 수있다 ...
웨슬리 Tansey

아, 우리는 약간 다른 방식으로 편견을 사용하고 있다고 생각합니다. 내 제안이 그런 의미로 편향되는지 여부는 정확히 측정하려는 대상 에 따라 다릅니다 . 하나의 대중적인 측정으로, 그것은 그 문제를 완벽하게 처리합니다.
Glen_b-복지 주 모니카

답변:


10

당신의 관심사는 잘 확립되어 있습니다. 불행히도이 문제를 해결하기위한 방어적이고 객관적인 방법이 많이 있으며 서로 충돌 할 수 있습니다. 다음과 같은 분석 방법을 결정하기위한 프레임 워크를 제공합니다 당신이 결과와 결론은 당신이 상황의 역학에 대해 가정에 얼마나 의존 쇼를 평가할 수 있습니다.


우리는 초기 청중을 거의 또는 전혀 통제 할 수 없습니다. 관심이 많은 인구 (예 : 모든 시청자)를 대표하지 않을 수 있습니다. 그러므로 절대적인 의견 수는 거의 관련이 없습니다. 사람들이 마음을 바꿀 수 있는 비율 이 중요합니다 . (이러한 비율을 통해 청취 청중의 의견 비율이 설문 조사를 한 스튜디오 청중과 다른 경우에도, 초기 의견에 대한 정보를 고려하여 청취 모집단이 어떻게 변할 수 있는지 추정 할 수 있습니다.)

따라서 결과는 6 가지 가능한 의견 변경과 6 가지 관련 변경 비율 로 구성됩니다 .

  • 1,2a123a13

  • a21a23

  • a31a32.

aiii=1,2,3,i

A=(aij)x=(0.18,0.42,0.40)y=(0.23,0.49,0.28)=Ax. 이것은 (제한된) 선형 방정식의 결정된 시스템으로, 해를 도출하는 데 큰 유연성을 남깁니다. 세 가지 솔루션을 살펴 보겠습니다.

해결 방법 1 : 최소 변경

A

A=(100.125010.175000.700).

12.5%17.5%

이 모델은 초기 진영이 그들의 의견으로 강화되고 그들의 마음을 바꿀 가능성이있는 유일한 사람들이 처음에 미정으로 선언 된 사람들 중에 있다고 믿는 경우에 적합 할 것입니다.

해결 방법 2 : 최소 제곱

AL2||A||22=tr(AA)aii

A=(0.280.220.220.410.510.500.310.270.28).

22%27%41%31%50% 22%

1/3

해결 방법 3 : 불이익을받은 최소 제곱

AωiA

||A||22ω1a11ω2a22ω3a33

ω=(1,1,1/2)

A=(0.9100.170.030.930.230.060.070.60).

40%17%23%

요약

이러한 의견 변화의 전이 모델에서, 대부분의 솔루션 방법은이 특정 예에서 "반대"측에 대한 승리를 나타냅니다. 변화의 역학에 대한 강한 의견이 없다면, "반대"측면에서 승리 한 것입니다.

(.20,.60,.20)(.30,.40,.30)20%30%40%30%. 그러나 (둥근) 최소 제곱 솔루션은 적어도 토론이 상대방을 약간 선호하는 방법이 있음을 시사합니다! 그것은

A=(0.320.290.320.360.420.360.320.290.32).

36%29%(36%) 32%

추가 댓글

A

A


자세한 게시물 감사합니다! 나는이 모든 방법이 결정되지 않은 사람들이 실제로 결정되지 않은 가능성을 고려하지 않는다고 우려하고 있습니다.
웨슬리 탄지

그들은 그 가능성에 대한 귀하의 우려를 통합 할 수있는 유연성을 가지고 있습니다. 당신은 여전히 ​​(강력한) 가정을 할 필요성에 갇혀 있습니다. 정말로 결정되지 않았다고 생각되면 어떤 비율이 "for"이고 어떤 비율이 "대신"인지 추정해야합니다 (그리고 가정하는 것은 어리석은 일입니다) 비율은 다음에 대한 숫자와 동일합니다. : 숫자 대 !!) 그러한 추정을 회피하는 한 가지 방법은 결과가 어떻게 보일지 모르는 경우 결정되지 않은 사람의 의견 변화에 보상하는 솔루션을 선택하는 것입니다.
whuber

양측이 똑같이 양극화되어 있다고 가정하면 미정의 사람들에 대한 MAP 추정치가 for : against ratio가 아닐까요?
웨슬리 탄지

대부분의 상황에서 그러한 가정을 뒷받침하는 것은 어려울 것입니다. 예를 들어, 정보를 잘 모르는 사람들은 미정의 경향이 더 커지고 결국 두 가지 입장 중 하나를 선호하는 경향이 더 커질 수 있습니다. "동일한 편광"가정의 효과는 (특히 결정되지 않은 많은 비율이있을 때) 너무 강해서 그 시점에서 후속 분석을 수행 할 수 있습니다. 결과는 주로 그 가정의 결과 일 것입니다. 생산적인 사고 방식은 결정되지 않은 사람들에 대한 추가 정보 수집을 고려하는 것일 수 있습니다.
whuber

3

p(forafter,againstafter,undecidedafterforbefore,againstbefore,undecidedbefore)
0.5두 팀 모두. 결과 공간이 2 차원이기 때문에 결정 규칙에 대한 여러 선택이 여전히 존재하지만, 예측 모델을 신뢰하는 경우, 이것은 경쟁의 공정성 측면에서 중요하지 않습니다. 예를 들어, 토론 후 For-Against 비율이 예측 중앙값 (사전 설문에 조건부)을 초과하면 팀을 이길 것이라고 결정할 수 있습니다.

예측 모델 구축을위한 아이디어

(P(forfor before),P(udfor before),P(agfor before))Dir(aff,auf,aaf)(P(forud before),P(udud before),P(agud before))Dir(afu,auu,aau)(P(forag before),P(udag before),P(agag before))Dir(afa,aua,aaa),
Paaaaff=aaaafu=aau

a


예를 들어 예측 모델의 아이디어를 확장 할 수 있습니까?
웨슬리 탄지

@WesleyTansey 나는 전이 확률을 고려하는 whuber의 아이디어를 사용하여 내 대답의 목적을 위해 예측 모델을 구성 할 수 있음을 깨달았습니다. 초기 아이디어를 포함하도록 내 답변을 편집했지만이를 시도하지 않았으며 현재 계획을 세우지 않았습니다.
Juho Kokkala
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.