SIM NEW TAIPEI · 賽前預測 WAVE 1 · 2026-08-14

2026 新北市長賽前預測(2026-08-14 版)
李四川領先,但領先幅度在民調誤差帶之內

公開說明頁 · 無需通行碼

這是本專案對 2026 新北市長選舉的第一份賽前預測,把此刻知道什麼、預測什麼、錯了會錯在哪,全部寫死存證。格局是李四川(國民黨,藍白整合後代表)對蘇巧慧(民進黨)兩人對決。中央預測:李四川 53.2% / 蘇巧慧 46.8%(兩人對決份額),1,032 個里裡蘇巧慧領先 464 里。但這個 6.5 個百分點的領先,小於入錨民調彼此之間的分歧幅度——本文會把這件事講到底。

53.2 : 46.8主情境 李四川 : 蘇巧慧
464 / 5681,032 里中 蘇領先 / 李領先
+3.2pp蘇巧慧翻盤所需的水位移動
±3pp民調誤差帶內,蘇過半里數 291~615
00 · 結論

先給答案:李四川小幅領先,而「小幅」是重點

李四川 53.23% : 蘇巧慧 46.77%
李 53.23% 蘇 46.77%
兩人對決份額(未表態者按已表態比例分攤)· 水位 = 2026-04-28 後非政黨委託民調的中位數
最大的不確定源就在第一步 下面會看到:本次入錨的 5 份民調裡,4 份說李四川領先、1 份說蘇巧慧領先。單獨用不同的一份當水位,蘇巧慧過半的里數會在 409 到 626 之間擺盪。地形(里與里之間的相對高低)很穩,水位(全市那一個數字)很不穩——這份預測的誤差幾乎全部住在水位那一格
01 · 方法白話

三個名詞先講人話:地形、水位、錨

這套方法只有兩個零件,兩個都不神秘。

零件一

地形 = 每個里相對於全市的政治傾向

把上一場全市大選的開票結果攤到里,得到「這個里比全市平均綠多少/藍多少」。這是 1,032 個數字,描述里與里之間的高低。地形不預測誰贏,它只說「如果情勢變化,哪些里會先變色」。

零件二

水位 = 這一場全市整體挺誰挺到什麼程度

只有 1 個數字。候選人個人魅力、全國政治風向、突發事件、棄保,全部混在這一個數字裡。它沒辦法從歷史推,只能靠當期民調量。

合成

錨(anchor)= 把地形整體平移到水位那個高度

「錨」在這裡是動詞:拿民調給的那個全市數字,當成一條海平面的高度線,把整片地形上下平移,直到地形的加權平均剛好等於那條線。平移只改變絕對高度,不改變里與里之間的相對高低。這一步用的是既有的 predictor.apply_anchor(),一行沒改。

本次地形取 2024 總統選舉的新北市 1,032 里開票結果,它的合成人口加權全市值是 52.46%(蘇方那一側);錨到 46.77% 等於整片地形往下平移 5.69 個百分點,里間相對高低完全不動。

「校準」是什麼、為什麼這裡看不到它 校準(calibration)的白話是「拿過去的考古題對答案,調整做法,再用調好的做法答新題」。本專案的回測引擎有一條「校準回歸」路線——用里的人口組成(年齡、性別、婚姻、教育)加上里級所得去藍綠傾向。這條路線在新北實跑過,而且輸給更笨的做法:直接照抄上一場開票。既然回測講得這麼清楚,前瞻預測就用贏的那一個。下一節有實跑數字。
02 · 為什麼是「照抄地形」

兩種做法在新北的回測對帳:照抄贏 3 到 6 倍

回測的規則是「只准用過去預測未來」:目標場的里級開票結果從頭到尾沒有進過模型,水位用該場實際全市得票(當成一份完美的民調)。誤差用 Brier 分數,數字越小越好(它是「預測比例」與「實際比例」差值的平方,0 代表完全命中)。

目標場 ← 地形來源校準回歸照抄地形回歸 方向命中照抄 方向命中
2022 市長 ← 2018 市長0.00560.001897.1%96.9%
2024 總統 ← 2020 總統0.00680.001086.2%94.7%

照抄地形的誤差是校準回歸的 1/3 到 1/6。這不是意外:里與里之間的政治高低是長期沉積的結果(地方派系、族群、產業、遷徙史),人口統計四個維度加所得根本抓不住那些東西;而上一場開票已經把它們全部記錄下來了

照抄地形有沒有贏過「什麼都不做」?

要證明模型有價值,得贏過兩個笨基準:city-mean(每個里都猜全市平均,等於「假設新北 1,032 個里長得一模一樣」)與 uniform(每個里都猜 50/50)。

目標場照抄地形基準 city-mean基準 uniform比 city-mean 好
2024 總統 ← 2020 總統0.00100.01470.016693.1%
2022 市長 ← 2018 市長0.00180.00920.036680.3%
誠實:2022 市長那一格的方向命中率沒過門檻 本專案的勝利門檻是兩條:誤差要比 city-mean 好一成以上,而且方向命中率不能比 city-mean 差。2022 市長那場是 62 : 38 的大勝,「全部押藍」這種毫無資訊的猜法在 1,032 個里裡就對了 98.0%,模型 96.9% 反而輸 1.1pp——大勝場的方向命中率天生虛高,不能只看它。同一場的誤差指標模型是明確贏的(0.0018 vs 0.0092,好 80.3%)。這條在回測報告裡已經記過,這裡再標一次,免得只讀本頁的人誤以為模型四場全過。
03 · 水位

民調錨怎麼推導:規則先寫死,再讓資料自己說話

設定檔 ntp/polls/level.csv 裡的 2026 新北市長民調有 34 筆(不同機構、不同假設組合)。隨手抓一筆當水位,等於讓結論由「抓哪一筆」決定。所以納入規則寫死在程式裡,先定規則再看數字:

  1. 日期 ≥ 2026-04-28。那天藍白整合初選揭曉,對決組合才確定。在那之前的題本(含各種三腳督假設)問的是另一場選舉,不入錨——這一條就刷掉 27 筆。
  2. 只收兩人對決題本(藍、綠皆有值且第三方為 0)。
  3. 政黨自委民調一律不入錨。委託方友善偏差在兩個方向都出現過,留著會讓水位變成「誰委託得多誰贏」。這一條刷掉 2 筆,見下方揭露。
  4. 每一筆換算成「蘇巧慧佔藍綠兩人的比例」= 綠 ÷(藍+綠),等於假設未表態者按已表態比例分攤。
  5. 錨取這些筆的中位數(排序後最中間那個),不取平均——中位數不會被單一離群值拉走,而本次的離散度正好是最大不確定源。平均值同時算出來當對照。
李四川白線 = 50%蘇巧慧
日期調查機構樣本 / 誤差李四川蘇巧慧蘇佔藍綠(李 : 蘇)
05-01震傳媒委託山水民意研究N=1,070 / ±3.00pp39.634.853.2346.77
05-04ETtoday 民調雲N=1,142 / ±2.9pp42.541.750.4849.52
06-05TVBS 民調中心N=1,073 / ±3.0pp39.233.054.2945.71
07-11鉅聞天下委託(ETtoday 報導)N=1,766 / ±2.30pp50.8544.0653.5846.42
07-14新台灣國策智庫N=1,080 / ±2.98pp40.040.249.8850.12

五筆的中位數 46.77%(採用),平均 47.71%,全距 45.71%~50.12%,散布 4.42 個百分點

這是本份預測最大的不確定源,量化給你看 同一份地形、只換水位,把每一筆民調單獨當錨:
李四川白線 = 50%蘇巧慧
單獨當錨的那一筆李四川 : 蘇巧慧(全市份額)蘇過半的里全市誰領先
06-05 TVBS54.2945.71409李四川
07-11 鉅聞天下53.5846.42446李四川
05-01 震傳媒×山水53.2346.77464李四川
05-04 ETtoday50.4849.52604李四川
07-14 新台灣國策智庫49.8850.12626蘇巧慧
5 份裡 4 份指向李四川領先、1 份指向蘇巧慧領先;蘇巧慧過半的里數在 409 到 626 之間、差 217 個里。取中位數是為了不讓任何單一筆決定結論,但這張表才是這場選舉此刻真正的樣子——民調自己還沒有講定

兩筆政黨自委民調:寫出來,但不入錨

不入錨不等於藏起來。被規則 3 刷掉的兩筆是:

兩筆剛好各自對委託方有利、分別落在全距的兩端。這正是不入錨的理由,不是事後挑的——規則在看到數字之前就寫死了,而且是對兩黨對稱適用的同一條。

04 · 情境敏感度

水位動一點,1,032 個里會怎麼翻

情境敏感度(sensitivity)的白話是:「把最不確定的那個輸入,故意往上下各撥一點,看結論會不會跟著翻臉。」如果撥一點就翻,代表結論脆弱;如果怎麼撥都不翻,代表結論穩固。這裡最不確定的輸入就是水位。

李四川白線 = 50%蘇巧慧
情境李四川 : 蘇巧慧(全市份額)蘇過半的里蘇明顯領先膠著(47–53%)李明顯領先
主情境(入錨中位數)53.2346.77464291324417
民調誤差 −3pp(對蘇不利)56.2343.77291134330568
民調誤差 +3pp(對蘇有利)50.2349.77615464254314
五五波參考線50.0050.00625475246311

三個座標讀懂這張表:

翻轉點 勝負的分界線就是水位 50.0%。從主情境的 46.77% 到 50.0%,需要 +3.23 個百分點。用民調的語言講:只要真實水位比我們取的中位數高 3.2 個百分點,這份預測的贏家就換人。而入錨的五份民調裡,已經有一份(07-14 新台灣國策智庫 50.12%)本身就在那條線的另一邊。
05 · 地圖

1,032 個里的預測地圖

把主情境攤到里,是一張連續色階的地圖:越藍代表李四川份額越高,越綠代表蘇巧慧份額越高。畫斜線的里是低信心里(下一節解釋),灰色是沒有預測值的區塊。

互動地圖 · 滑過任一里看名字與預測值

2026 新北市長:1,032 個里的預測地圖 →

主情境色階地圖(藍 ←→ 綠)、低信心里斜線標示、29 區區級份額表、±3pp 情境對照。里界為內政部村里界圖,經投影與兩道簡化後內嵌。

開啟地圖頁 →

地圖上看得到的三件事

提醒:地圖上的面積不等於票。新北山區一個里的面積可以是板橋一個里的幾百倍,人口卻可能只有幾百人。看顏色分布會被面積誤導,勝負請看上面的全市數字。

06 · 誠實揭露

這份預測會錯在哪裡

一、民調錨是最大的不確定源(已在第 03 節量化)

入錨 5 份民調的全距 4.42pp、4:1 分歧、單獨當錨時蘇過半里數 409~626。地形部分的回測誤差(Brier 0.0010~0.0018)遠小於水位的不確定性——換句話說,就算地形完全正確,水位錯 3pp 這份預測就會翻面。這不是模型的瑕疵,是這場選舉此刻真實的狀態。

二、政黨自委民調未入錨

2026-06-03 民進黨內部民調(蘇 +2.5)與 2026-07-23 TVBS 受國民黨新北市議會黨團委託(李 +6.9)兩筆,依規則 3 排除。兩筆的方向各自對委託方有利。若把這兩筆也放進中位數,錨會落在 46.77%(不變,因為兩筆一高一低正好對消)——這一點順帶說明:排除它們不是為了讓結論好看,而是為了讓規則乾淨。

三、山區與海線的里,預測可信度明顯較低

「低信心里」不是人工點名,是算出來的:拿兩場「由過去預測未來」的回測,算每個里的預測誤差,取平均後最差的 10%(103 個里)標示出來。它們最集中在瑞芳(34 里中 11 里)、平溪(12 中 9)、金山(15 中 8)、萬里(10 中 8)、坪林(7 中 4)、雙溪(12 中 4)、三芝(13 中 4)等山區海線的區,以及新店、汐止的山邊里。

原因不是程式壞掉:這些里人口常常只有幾百人,投票行為由地方派系、宗族、部落網絡主導,與人口結構、所得幾乎無關,上一場開票的結構也比較不穩定。它們在地圖上照樣有顏色,但那個顏色的可信度低於都會里,所以地圖上加了斜線。也因為人口極少,它們對全市總票的影響很小——對「誰當選」幾乎不重要,對「地圖畫得準不準」很重要

四、7/24 之後沒有新民調

可查到的最新一波是 TVBS 2026-07-20~23 那波(發布 7/29,且因委託單位是國民黨新北市議會黨團而未入錨)。非政黨委託的最新一筆停在 7/14。也就是說,本份預測的水位是一個月前的資訊。這段期間發生的事(例如 8 月上旬的財產申報爭議)都還沒有被任何民調量過,模型的立場是不猜方向、等民調

五、這是 2026-08-14 的快照

本頁發布後內容不改,水位更新走新的一波,不回頭改這一波。只要出現新的非政黨委託民調,錨就會變,里級地圖跟著變。以本份的敏感度來看,一份 3pp 的移動就足以改寫結論。

六、地形取哪一場,結論穩不穩?

把地形換成別場(水位固定在主情境),里級分裂如下——全市誰領先完全不變(那由水位決定),變動的是里的分佈:

地形來源蘇明顯領先膠著李明顯領先里級離散度
2024 總統(採用)2913244170.0856
2018 市長2973294060.0831
2020 總統2663544120.0841
2022 市長2103774450.0677
2024 總統 + 2022 市長平均2433634260.0757

2022 市長那一列離散度明顯較低(0.0677),因為那場是 62 : 38 的一面倒,里與里之間被壓平了。選 2024 總統當地形,除了回測分數最好之外,也因為它是最近一場投票率高、藍綠對立清晰的全市選舉,里級結構最接近「常態」。選哪一場地形不影響誰領先,只影響地圖細節,幅度約 ±40 個里。

七、格局假設

本份預測假設兩人對決。民眾黨黃國昌已於 2026-05-31 正式宣布退出新北市長選舉、轉為輔選李四川,截至 2026-08-14 查無其重新參選的跡象,因此不列入對決。若選戰結構改變(第三組人參選、藍白整合破局、任一方退選),本份預測全部作廢,需要重新設定模型再發一波。

八、其他技術限制

這不是民意調查 本頁是結構傾向推估:沒有訪問任何人、沒有抽樣、沒有受訪者。它吃的是公開的歷史開票結果與已公開發布的民調,輸出的是模型推估。它不保證選舉結果。依《公職人員選舉罷免法》第 53 條,任何「具民意調查外觀之選舉罷免資料」在投票日前 10 日起不得發布,本專案於黑箱期停止發布與更新,選後再對帳。
07 · 可證偽宣稱

本波把話講死,選後照這四條對帳

下一波:出現新的非政黨委託民調就重跑水位、重畫地圖,以新的一波為準;最終封存版於 2026-11-17 前發布,11-18 起依 §53 停止發布與更新,選後對帳。