公開說明頁 · 無需通行碼
把 9 月 4 日的登記名單灌進單記不可讓渡投票(SNTV)的模擬器跑 20,000 次,看每位候選人的落點相對於該區當選線在哪裡,分成 🟩 安全 / 🟨 邊緣 / 🟥 落後 三個集團。刻意不給名次、也不給當選百分比 —— 模擬能穩定分辨的是遠近,不是第幾名。六個選區分開列:SNTV 的競爭只發生在選區內部。
單記不可讓渡投票(SNTV)裡,一個選區選出很多席,但每個選民只能圈一個人,票不會轉給同黨的人。 所以當選不是「贏過某個對手」,是擠進前 N 名。
這一頁把每個選區的候選人分成三個集團,不給名次、不給百分比。 理由很簡單:模擬能穩定分辨的是「這個人離當選線是遠是近」,分辨不了「他是第 5 名還是第 7 名」—— 給到那麼細會是假精確。
集團之內不排序。名字的排列只依政黨、再依上屆得票(都是公開事實), 不代表我們認為誰比誰前面 —— 在同一個集團裡,模型本來就分不出來。
先講準度,再看表。這是拿 2018、2022 兩屆共 155 人次做的回測 —— 用上一屆的資料當先驗、 加上該屆各黨實際總票跑同一套模擬,分完集團之後,再跟實際開票結果對答案:
| 集團 | 人數 | 實際當選 | 當選比例 |
|---|---|---|---|
| 🟩 安全 | 59 | 53 | 89.8% |
| 🟨 邊緣 | 85 | 59 | 69.4% |
| 🟥 落後 | 11 | 1 | 9.1% |
三個集團由上到下單調遞減,而且落差夠大:安全區有九成當選、落後區不到一成。 把安全與落後兩個集團合起來看(70 人),分類與結果一致的有 63 人,準確率 90.0%。
回測用的是同一套模擬與同一組分級規則,校準資料只取 2014→2018 這一段,不偷看被預測的那一屆。
這一份名單裡有 16 位候選人在 2022 年沒有議員開票紀錄(其中兩位有 2018 年的場次可用), 但他們仍然拿到了分級;另外還有 23 位完全不分級。同樣是「新人」,差別在哪裡?
差別是有沒有一個「池子」可以分。
可以驗。把回測的 155 人次拆成兩組,分別看三個集團的實際當選比例:
| 組別 | 人次 | 🟩 安全 | 🟨 邊緣 | 🟥 落後 | 兩端合計準確率 |
|---|---|---|---|---|---|
| 有上屆開票紀錄 | 119 | 90.9% | 72.7% | 0.0% | 92.5% |
| 沒有紀錄、靠政黨票池推估 | 36 | 86.7% | 57.9% | 50.0% | 82.4% |
「兩端合計準確率」= 被分到安全或落後的人裡,分類與實際結果一致的比例(邊緣不列入,因為那一格本來就是「說不準」)。
結論是:靠政黨票池推估新人,確實比有紀錄的人差一截,但仍然有用。 被歸在安全區的新人有 86.7% 真的當選,只比有紀錄者的 90.9% 低一些; 兩端合計 82.4% 對 92.5%。所以我們保留這一類的分級,但要求讀者記住它的性質。
期望席次 民主進步黨 4.8 中國國民黨 3.2 無黨/其他 3.0 台灣民眾黨 1.0 · 未估計 7 人,這一類合計期望 1.48 席
應選 12 席。安全區的 6 個人裡有 5 個是民進黨,五席提名整齊地全部落在線內。國民黨相反,五個人全部落在邊緣:他們 2022 提名 4 人上 4 人,2026 加到 5 人,期望席次反而只剩 3.2 席 —— 票沒有變多,人多一個,每個人離當選線都更近一步。這是單記不可讓渡投票最基本的算術。
這一區還有一個特色:未估計的 7 個人在這裡期望拿下 1.48 席,是全市最高,而且不是雜訊 —— 這一區歷史上就是非主流候選人首戰即上的重災區(2014 有四人首戰全上,2018 又兩人)。他們沒有資料可估,但他們會把上面兩個集團整體往下推。
期望席次 中國國民黨 5.0 民主進步黨 2.5 台灣民眾黨 1.0 無黨/其他 0.5 · 未估計 2 人,這一類合計期望 0.20 席
應選 9 席。國民黨 5 人全部在安全區,而且五個人的模擬結果彼此重疊到分不出先後 —— 那不是巧合:同黨拆票在模型裡是對稱的,沒有資料可以區分他們。
民進黨 4 人搶剩下的位子,只有一位踩進安全區,其餘三人都在邊緣。回鍋參選的重量級人選等於直接吃掉一格,被往下擠的是同黨的人,不是藍營。台灣基進的候選人落在邊緣,是全市第三勢力裡最接近當選線的一位。
期望席次 中國國民黨 4.9 民主進步黨 3.5 台灣民眾黨 0.5 無黨/其他 0.1 · 未估計 2 人,這一類合計期望 0.15 席
應選 9 席。這區走掉三位 2022 當選人(兩位轉任立委、一位病逝),是全市流失最多的選區,但安全區的 7 個人裡有 5 個是國民黨,其中兩位完全沒有議員開票紀錄的新人也在安全區。
原因要講清楚:模型給無往績新人的權重是「該黨在該區的人均票」。藍營在這區票池大、提名 5 人,平均下來每人都遠在線內 —— 所以那兩個安全不是對這兩個人的判斷,是對「藍營在松山信義的票夠不夠養 5 個人」的判斷。
期望席次 民主進步黨 3.4 中國國民黨 3.2 台灣民眾黨 0.9 無黨/其他 0.6 · 未估計 3 人,這一類合計期望 0.11 席
應選 8 席。安全區只有兩個人,邊緣就佔了 8 個,而且這 8 個人的模擬結果互相重疊。這是六區裡懸念最集中的一區:任何一組配票失誤都會換人。
其中一位是 2022 以民進黨當選、2026 退黨改以無黨籍登記的現任,她的不確定性是這區最大的。她若擠回線內,等於從綠營內部再拿走一席。
期望席次 中國國民黨 3.8 民主進步黨 2.7 無黨/其他 0.8 台灣民眾黨 0.7 · 未估計 4 人,這一類合計期望 0.17 席
應選 8 席。國民黨四人全部在安全區,包括承接空缺、沒有議員開票紀錄的新人。
然後是全市最擠的一格:邊緣有 6 個人 —— 民進黨提名的 4 人、民眾黨 1 人、無黨籍現任 1 人,模擬結果幾乎完全重疊。民進黨兩位新人的推估結果完全相同 —— 模型看不出誰比較強,因為兩人都沒有議員開票紀錄,拿到的是同一份權重。這一格要靠地面情報,不是靠這張表。
這區還有一個提醒:2018 年模型把一位無黨籍現任放在很後面,他實際拿下全區最高票 —— 無黨籍候選人的票是全市最難估的一類,這一格模型的紀錄很差。
期望席次 中國國民黨 7.7 民主進步黨 2.9 無黨/其他 1.7 台灣民眾黨 0.8 · 未估計 5 人,這一類合計期望 0.76 席
應選 13 席,是六區裡席次最多的,也因此最不容易掉出去:光安全區就有 9 個人。
國民黨 8 人裡有 7 人在安全區,只有一位在邊緣 —— 她 2022 只贏當時的當選線 910 票。話說回來,把這 8 個人整體讀成「藍營大概拿 7 到 8 席」,比逐個看分級誠實:2022 藍營在這區實際就掉了 1 席,真實配票沒有模型假設的那麼準。
民進黨提名 4 人,一位已在安全區,另外三個人一起卡在邊緣、模擬結果完全重疊。其中一位是完全沒有開票紀錄的新人,原因同松山信義那節 —— 她拿的是該黨人均票權重,而另一位現任 2022 的得票低於該黨在此區的人均,權重被往下拉。這是模型的機械結果,不是對兩人的比較判斷。
每次模擬先抽一組城市層情境(藍綠兩強比、傳導係數、民眾黨政黨票,六選區共用), 再由各黨的選區總票依權重拆給同黨候選人,權重來自各人上屆的相對表現並向平均收縮一半; 非三大黨候選人一律當成個人票個體處理。把全區依模擬得票排序,重複 20,000 次, 看每個人的落點分布相對於當選線在哪裡,據此分成三個集團。 所有隨機性參數都是從三屆的實際開票資料量出來的,沒有人工設定的常數。