选举将在一周内举行，民众迫切想知道会发生什么。这一情况，如往常一样，导致了大量民调和众多的紧张猜测。然而，问题在于，许多人是被动的新闻消费者。他们阅读出现在他们动态中的内容，因此他们所看到的将是病毒式传播的结果。问题是，最病毒式的民调并不是最具代表性的民调。我在推特早期的日子里探讨了这个问题，但我认为现在重温这一点是值得的。考虑到马斯克完全摧毁了推特的学术API，我不得不依赖于在Bluesky上的内容。Bluesky因其明显的左翼倾向而知名，同时也是老一代千禧一代的发帖退休之家。所以这并不完全是有关民调病毒式传播的代表性样本，但与我很久以前在推特上所发现的结果是一致的。简而言之，我抓取了来自@usapolling.bsky.social的过去90天的帖子，该账户似乎是Bluesky上最活跃的“民调分发”账户。之后，我使用了一个大型语言模型（LLM）和一个过于复杂的提示（见下文）来提取每个帖子的相关信息。然后，我计算了每个帖子中比赛的差距，并最终计算了每场比赛的平均差距（民主党-共和党）。为了进一步简化，这一分析仅关注包含单个一般选举民调的帖子。没有什么是完美的，但我可能还是应该花时间专注于可以发表的研究和讲座。图1展示了每个民调帖子按与该比赛的平均差距的差异进行的转发数量。沿着x轴向右移动意味着该民调对民主党更有利于比赛中的其他民调。我已过滤出仅包括发布了多个民调的比赛。黑线显示最佳拟合线，表明随着民调对民主党变得“更好”（远离该比赛的平均民调），它们倾向于被更多转发。代码库（tidyverse）库（lme4）库（broom.mixed）库（huxtable）库（ggeffects） df <- read_csv（here :: here（“blog/data/election_polling.csv”）） df <- df |> mutate（Date = as.Date（time）） |> mutate（ID = as.factor（ID），Seat = as.factor（Seat），Date_Numeric = as.numeric（Date） - min（as.numeric（Date））） |> mutate（ID = case_when（ID == “Generic” & Seat == “GenericCongress” ~ “Generic-Congress”， .default = paste0（ID，“-”，Seat））） |> filter（！(ID == “TX” & Seat == “GenericCongress”）） df |> filter（N > 1） |> ggplot（aes（x = Margin_Diff，y = reposts，color = Date）） + geom_point（） + scale_y_log10（） + geom_smooth（method = “lm”，color = “black”） + theme_minimal（） + theme（legend.position = “bottom”） + scale_color_viridis_c（trans = “date”） + labs（x = “与平均差距的差异”，y = “转发数量 （对数）”） 图1：按与平均差距的差异转发内容 也可以查看比赛级别的变异。在图2中，我展示了按比赛划分的相同样式的图（以及仅针对一般国会民调的一个）。我只包括了发布至少10个民调的比赛（否则会显得繁杂）。我们几乎在每一场比赛中都看到了相同的模式：最病毒式的帖子是那些比平均帖子更有利于民主党的帖子（唯一的例外是某种原因的北卡罗来纳州参议院比赛）。 代码 df |> group_by（ID） |> filter（N > 10） |> ggplot（aes（x = Margin_Diff，y = reposts，color = Date）） + geom_point（） + scale_y_log10（） + geom_smooth（method = “lm”，color = “black”） + facet_wrap（~ ID） + scale_color_viridis_c（trans = “date”） + labs（x = “与平均差距的差异”，y = “转发数量 （对数）”） + theme_minimal（） + theme（legend.position = “bottom”） 图2：逐场比赛 - 按与平均差距的差异转发内容 我们可以进一步一步，估计一个模型预测根据民主-共和差距、帖子差距与平均差距的差异及帖子共享日期的转发数量。为了考虑我们将多个比赛混合在一起，我估计了一个具有每场比赛随机截距的模型（我排除了通常的国会比赛，仅包括超过5个帖子比赛）。图3中展示了基于与平均差距差异和民调差距的转发数量的预测值。再次，这表明距离平均差距是决定帖子病毒性的主要因素，而民调差距本身相对没有关系。