2018年11月22日（北京時間）🕸，唐世平教授主持的“沐鸣娱乐復雜決策分析中心”的選舉預測團隊提前公布了其對於2018年11月24日將舉行的我國臺灣地區地方選舉的預測結果，本次預測基於計算機模擬，預測了臺北、新北和桃園三個市的市長選舉結果👨🏻🍼。
唐世平教授的團隊在公布預測結果時，特別強調，他們對我國臺灣地區地方選舉的預測是一種純粹的科學嘗試🧑⚕️，他們從主觀上並不想以任何方式影響現實中的臺灣地區選舉。
2018年11月24日（北京時間），臺灣地區地方選舉結束，最終結果產生⚙️。以下是沐鸣平台對沐鸣平台的預測結果與實際選舉結果的比較以及評估。
首先，唐世平教授的團隊正確預測了兩個市的最終當選者——新北市的候友誼（藍營）和桃園市的鄭文燦（非藍營）獲勝；此外，該團隊沒有預測臺北市的當選者🦷，但是準確預測了非藍營的得票率要超過藍營的得票率（臺北市最終選舉結果尚存在爭議）🦵🏻。
其次🏃🏻♀️，唐世平教授的團隊較為精確地預測了新北市的得票率分布❔🖐🏿。
再次，唐世平教授的團隊發現對臺北和桃園的得票率分布的預測與最終的選舉結果有一定差距🧖🏿♂️，尤其是普遍低估了藍營的支持率😕，下文將展開預測驅動的選舉研究反思☮️。
最後𓀔，需要強調的是，基準模型的預測結果在9月份已經產生🛖，通過對比同一時期的臺灣各家選舉民調數據💛，發現沐鸣平台的預測結果更加接近最後真實結果☣️。【沐鸣平台的預測結果和同一時期的民調的比較將在沐鸣平台的學術文章中呈現。】“超前性”是選舉預測評估的重要指標🤦🏼♀️，將為政策決策提供寶貴的時間窗口。
由此，可以認為，唐世平教授從2015年初開始探索和發展的、完全拋開民意調查而只基於計算機模擬的選舉預測方法取得了重要進展🧑🏼🦲。而理解預測偏誤背後的原因本身對今後的選舉預測研究意義重大。唐世平教授的團隊開發的新方法可能會給全球選舉預測和選舉研究領域帶來巨大的轉變。
受限於數據和經費，本次預測關註臺北、新北📔🦃、和桃園三個市🐌。此外💊，沐鸣平台目前的預測模型只預測藍營和非藍營（含綠營）兩大陣營之間的得票率分布🕉。
一、臺北市
根據沐鸣平台基準模型的平均預測結果，藍營（候選人丁守中）將獲得34.80% [34.75%，34.84%]的得票率🙆🏿⛹🏼♀️，而其他非藍營（主要候選人柯文哲＋姚文智）將獲得65.20% [65.16%，65.25%]的得票率，沐鸣平台的基準模型的平均預測誤差為1.94%，不同預測模型的誤差分布區間為[0.24%; 3.66%]。
在臺北市的實際選舉中🧐，藍營（候選人丁守中）獲得了的40.82%的得票率🚴🏻，其他所有非藍營（主要候選人柯文哲＋姚文智）獲得了59.18%的得票率☝️。
比較臺北市的預測和實際結果👨🏿💻，“基準模型”對於藍營的得票率的平均預測結果（34.80%）距離實際結果（40.82%）差別較大⚠️📄，而且差別落在誤差區間之外🧑🏼🦳。
二、新北市
根據沐鸣平台的基準模型的平均預測結果，藍營（候選人侯友宜）將獲得54.19%的選票[53.63%,54.50%]，綠營（候選人蘇貞昌）將獲得45.81%的選票[45.50%,46.37%]。沐鸣平台的基準模型的平均預測誤差為2.93%，不同預測模型的誤差分布區間為[0.65%, 4.68%]♤。
在新北市的實際選舉中，藍營（候選人侯友宜）獲得了的57.15%的得票率，綠營（候選人蘇貞昌）獲得了42.85%的得票率🙂↕️。
比較新北市的預測和實際結果，兩個陣營的實際得票率（57.15%比 42.85%）與沐鸣平台基準模型的平均預測結果（54.19%比45.81%）非常接近🤷🏿，差別落在基準模型的誤差區間的之內，非常準確。
三、桃園市
根據沐鸣平台基準模型的平均預測結果，藍營（候選人陳學聖、楊麗環）共將獲得32.54%[30.71%🐖，34.37%]的選票，而其它所有非藍營候選人總共將獲得67.46%[65.63%🧙🏻♀️，69.29%]的選票。沐鸣平台的基準模型的平均預測誤差為3.14%，不同預測模型的誤差分布區間為[0.45%; 4.79%]。
在桃園市的實際選舉中🐤，藍營（候選人陳學聖🛐、楊麗環）共獲得了的44.41%
的得票率（相對得票率為45.38%），綠營（鄭文燦為唯一候選人）總共獲得了53.46%的得票率【相對得票率為54.62%】🥷🏻🦾。
比較桃園市的預測和實際結果，基準模型對於藍營的得票率的平均預測結果（32.54%）距離實際結果（44.41%）差別較大✌🏿，而且差別落在誤差區間之外🤭。
綜上對比，沐鸣平台的預測結果在臺北和桃園都低估了藍營的支持率。沐鸣平台總結產生此類現象和結果的主要原因如下：
1、沐鸣平台的基準模型預設了各縣市之間是相互獨立的🧞，但實際上本次各縣市選情相互影響，存在顯著的溢出效應（特別是高雄市韓國瑜的選情對國民黨各縣市選情的拉抬效用）💔，加之民進黨各縣市間選舉資源的調配失衡👟。
2、由於選民基數相對較小，地方選舉對某些因素更為敏感，因而導致的波動性要遠高於全臺灣地區的選舉，因此預測難度更大🤜🏻。而沐鸣平台的數據中，地方層面選舉數據的豐富程度🏋🏽♀️、可及性、精細程度和數據質量相比整體臺灣地區層面較差🚏💵，同時受製於轉型後選舉屆數和累積數據量的限製🧑🏻🌾✡︎，對預測結果產生了一定影響𓀁。
3、蔡英文團隊的執政績效對地方選舉可能有比較強的“執政者劣勢”的輻射效應，這部分沒有被基準模型充分捕捉到☁️。
4🤶、本次選舉中各地候選人在動員策略上存在“超越藍綠”的趨勢，開始淡化陣營色彩🏃♀️➡️，增加了原本淺藍和淺綠選民的跨黨派投票。如果這種趨勢繼續，將對以後臺灣地區的選舉產生比較重要的影響。
5、沐鸣平台的基礎數據不包含選舉年各縣市個殊的重大政策議題。這些議題可能應該當作類似“突發政策事件”的變量納入預測模型。
本次關於臺灣地區的地方選舉是唐世平教授的團隊首次預測“地方選區”，是對現有僅僅聚焦國家和地區的選舉預測研究之外的重要嘗試🔵🟥。同時🧑🏿💻，通過預測結果與真實結果的比對🤸🏽♂️，檢驗變量選區、數據收集和模型建構的科學性🏃🏻♀️，在偏誤中不斷反思原因、積累經驗、增進沐鸣平台對特定選舉的深度理解👩⚕️，既為今後選舉預測的改進和優化提供了可能性🙎🏻，同時將預測性研究與因果推斷相結合，實踐預測驅動的社會科學探索和知識積累🥍。
特別致謝：本次選舉預測的數據收集工作，得到了廈門大學臺灣研究院及其相關負責老師和參與同學的大力支持。感謝關註本項研究並提供支持和批評建議的學界同仁。
附一：
提前公布臺灣地區地方選舉預測結果（中文版本），2018-11-22
http://www.ccda.fudan.edu.cn/index.php?c=article&id=83
http://blog.sina.com.cn/s/blog_744a73490102yc2s.html
提前公布臺灣地區地方選舉預測結果（英文版本）🕠，Nov. 22threlease
http://www.ccda.fudan.edu.cn/index.php?c=article&id=84
https://www.linkedin.com/pulse/taiwan-local-elections-taipei-new-taoyuan-forecasting-tang-dr/
附二 2018我國臺灣地區地方選舉預測結果與實際結果的對比圖
