第36回勉強会講義スライド

選挙とデータサイエンス
中島有希大
2023-07-07
中島有希大選挙とデータサイエンス 2023-07-07 1 / 40

目次 I
1 本日の概要
2 選挙キャンペーンとデータサイエンス
3 参考文献

本日の概要
Section 1
本日の概要

本日の概要
本日の概要
政治の分野においても多くの場面でデータサイエンスが利用され
ている
前半は政治学者 (Political Scientist) を中心に日本の選挙に関する
研究を紹介する
後半は海外の選挙において実際にデータサイエンスがどのように
利用されているのかを紹介する

本日の概要
本日応える疑問
投票所を早く閉めると投票率にはどの程度影響があるのか？
政治家はなぜ名前を連呼するのか？
有権者は野党に何を求めるのか？
ボートマッチングはどのような仕組みなのか？
各政治家のイデオロギー位置はどこか？
選挙実務の中でデータサイエンスはどのように利用されてい
るのか

本日の概要投票所の閉鎖時間と投票率 (福元・菊田, 2021)
Subsection 1
投票所の閉鎖時間と投票率 (福元・菊田, 2021)

なぜ人は投票に行くのか?
選挙において重要なアクターは有権者と候補者である
政治学では人は下記の式が正となった場合に投票に行くと考えら
れている (Riker & Ordeshook, 1968)
𝑅: 有権者が得られる利得 (Reward)
𝑃: 投票に行くことで候補が当選すると考える有権者の主観確率
(Probability)
𝐵: 投票した候補が当選することによって得られる便益 (Benefit)
𝐶: 投票に行くためのコスト (Cost)
𝐷: 民主主義に貢献することの満足感、義務感 (Duty)
𝑅 = 𝑃 × 𝐵 − 𝐶 + 𝐷
この式の各項を検証する形で様々な分析が行われてきた

投票可能時間
国政選挙当日は午前 7 時から午後 8 時まで原則投票所に置いて投
票できる
しかし市区町村の選挙管理委員会の判断で時間を変更できる (公
職選挙法 40 条)
開始時刻は午前 5 時まで繰り上げもしくは午前 9 時まで繰り下げ可
閉鎖時刻は午後 4 時まで繰り上げ可
投票時間の延長が投票率を押し上げる (品田, 1999; 三船, 2002)
松林 (2016) は 2005 年からの 3 回の衆院選における 34 都道府県の
市町村パネルデータを 6 個の要因を制御したうえで分析した
1 万人当たりの投票所を 1 つ増やすと投票率が 0.17% ポイント増加
投票時間が 2 時間短くなると 0.9% ポイント減少

分析のモデル
まず投票率・得票率について次のモデルを想定する
𝑌 : 棄権率や得票率
𝑋: 投票所閉鎖時刻の繰り上げ時間
𝑍: 制御変数
𝑌𝑖𝑡 = 𝑏𝑋𝑖𝑡 + ∑
𝑗
𝑐(𝑗)
𝑍
(𝑗)
𝑖𝑡 + 𝑚𝑖 + 𝑛𝑡 + 𝑒𝑖𝑡
そして前後の選挙で差分を取る
ここでは 𝑡 = 2 として示す
Δ𝑌𝑖 =Δ𝑌𝑖2 − Δ𝑖1
=𝑏Δ𝑋𝑖 ∑
𝑗
𝑐(𝑗)
Δ𝑍
(𝑗)
𝑖 Δ𝑛 + Δ𝑒𝑖

制御変数一覧
制御された変数 (𝑗 = 13 個)
投票所開始時刻変更率
人口密度
高齢者率
人口集中地区人口率
転入者率
面積
昼間人口
平均所得
地方税
労働力人口率
失業率
第１次産業就業者率
第２次産業就業者率

分析に利用されたデータ
分析の単位
市区町村 (1742)
議会
衆議院と参議院
選挙年
衆議院: 2009 年と 2012 年
参議院: 2010 年と 2013 年
被説明変数
比例区における棄権率
比例区における各党の絶対得票率

分析の結果
参議院衆議院
棄権自民民主公明共産諸派棄権自民民主公明共産諸派
-1.0
-0.5
0.0
0.5
1.0
percent
point
投票所閉鎖時刻繰り上げと投票率・得票率の相関関係(DiD)
図 1: 福元・菊田 (2021) より講演者作成

どこで投票所閉鎖時刻が繰り上がるのか？
福元・菊田 (2021) では前回の棄権率と繰り上げ時刻の関係につい
ても分析している
降水量を操作変数として、降水量から棄権率を予測し (第 1 段階)、
予測された棄権率で投票所閉鎖時刻を繰り上げを推測する
2 段階最小二乗法
なお、中井・石田 (2022) では降水量よりも風速の方が投票率を説
明できることを報告している
前回の選挙時の降水量が平時より毎時 1 mm 増加すると前回の選
挙の棄権率が衆院では 6.6% ポイント増加する
前回の衆院選で棄権率が 1% ポイント増えると次の選挙で投票所
閉鎖時刻を繰り上げる確率は 2.4% ポイント減る
→ 棄権率が高い市町村ほど投票所の閉鎖時刻を繰り上げづらい

本日の概要名前の連呼と得票 (三浦ら, 2017)
Subsection 2
名前の連呼と得票 (三浦ら, 2017)

選挙カーと名前の連呼
公示期間中、選挙カーが名前を連呼し続けている
実は公職選挙法により名前以外を拡声することはできない（第 141
条）
選挙カーに GPS を取り付け、さらに著者の一人が随行し行動記録
を取り、その行動履歴とその周囲の得票に関して分析を行う
2015 年兵庫県赤穂市長選挙を対象
選挙後に 2000 名に対して質問紙調査

分析
候補への感情温度を応答変数とし、GPS データと回答者の居住地
点から計算された接触の有無が与える影響を分析
𝑦 = 𝜌𝑊𝑦 + 𝑋𝛽 + 𝜆𝑊𝑋𝛽 + 𝜀, 𝜀 ∼ 𝒩(0, 𝜎2
)
候補との以前の関係や地域性などを考慮しても選挙運動との近接
性は候補への感情温度に対して正の関連を持つ

本日の概要世論は野党に何を求めているのか?(秦, 2023)
Subsection 3
世論は野党に何を求めているのか?(秦, 2023)

世論と野党
一時期を除き日本では基本的に自民党が政権を担っている
しかし近年は特に自民党への支持というよりも現状の野党に満足
できないからであるとされる
有権者は政策の内容としては野党の方が好ましいとすら感じてい
る (Horiuchi et al. 2018)
野党の数が多すぎることも自民党に選挙区で勝てないことの原因
の一つ

実験デザイン
8 つの要素をランダム化した仮想的な「新たに誕生した野党」を
提示し、その新たな野党への投票意欲を尋ねる
パネル調査（第一波 𝑁 = 4100, 第二派 𝑁 = 3225）
1 政党のスローガン
2 野党議員の構成
3 新たな野党がターゲットとする有権者層
4 政府・与党との向き合い方
5 党代表の選出方法
6 憲法改正
7 消費税減税
8 選択的夫婦別姓

実験内容
もし、次に示すような「新しい野党」があったとしたら、あなたは、
今回の衆議院総選挙の比例区で、この政党に投票したいと思いますか。
それともそうは思いませんか。なお、このあとに尋ねる内容は、すべ
て全く別の政党だと思っておこたえください。
新しい野党である A 党は、
「属性 1」をスローガンに、
「属性 2」によっ
て結党されました。A 党の特徴は、とくに「属性 3」に目を向けてお
り、与党との関係についても「属性 4」方針であるとうたっています。
以下続く

分析の結果
国民政党、改革政党が同程度に好まれ、愛国政党は投票意欲を大
きく低下させる
維新 + 自民党反主流派の組み合わせが投票意欲を高める
現役世代、若者、低所得者層に的を絞った野党では投票意欲が高
まるが、高所得者層、高齢者向けの場合は投票意欲が低下する
与党との関係は是々非々路線、もしくは連立政権を念頭におくあ
り方が好まれるが、原則反対路線には否定的
憲法改正は護憲の場合やや投票意欲が高まるが、態度保留の場合
には低下する
選択的夫婦別姓には好意的であり、消費税は減税もしくは廃止
を望む

本日の概要どこに投票すればいいのか？
Subsection 4
どこに投票すればいいのか？

どこに投票すればいいのか？
投票を決めた後にどのように投票先を決定するのかは政治学上様
々な説明の仕方ができる
政党帰属意識、回顧投票など
ここでは争点投票を扱う
マニフェストや政治家の言行などから自身の政策上の選好に沿っ
て投票することを争点投票という
有権者は自身の立場と一致する政党を選ぶことができず、顕出性
の高いイデオロギー性の高い争点に関する選好に従って投票して
いる可能性 (三輪, 2021)
政治アクターの選好を政策空間上に位置づけ、有権者との関係を
測定しどのような候補に投票するのか検討することを空間投票理
論という
近接性モデル、方向性モデル、伸縮近接性モデルなど

ボートマッチ
近年ボートマッチサービス (投票支援アプリケーション, Voting
Advice Application) が新聞社などにより複数提供されている
発祥はヨーロッパ
朝日新聞や読売新聞は大学と共同研究を進めることで、投票先の
候補を示す上で近接性や方向性を計算することが可能となった

統計モデル
近接性モデルでは有権者 𝑖 が候補者 𝑗 の政策から得られる効用 𝑈𝑗
𝑖
は自分の理想の政策 𝑉𝑖 と掲げられた政策 𝑃𝑗 との距離によって
決まる
𝑈𝑗
𝑖 = |𝑉𝑖 − 𝑃𝑗|
方向性モデルでは政策変化の方向性とその強度で決まる
𝑈𝑗
𝑖 = 𝑉𝑖𝑃𝑗
候補 A, B に対してデータ生成過程は次のように推測できる
𝑌𝑖 ∼ Bernoulli(𝜃𝑖)
𝜃𝑖 = logit
−1
(𝛼 + 𝛽(𝑈𝐴
𝑖 − 𝑈𝐵
𝑗 ))

本日の概要 Twitter データによる政治的イデオロギー推定 (三輪, 2017)
Subsection 5
Twitter データによる政治的イデオロギー推定 (三輪, 2017)

Twitter と政治的イデオロギー
近年一般ユーザーだけでなく政治家自身による Twitter の運用事
例も増大している
Twitter では自分とイデオロギーの近い人を基本的にフォローする
ことを想定
一般ユーザーと政治家のイデオロギー位置を同時に推定する
(Barberá, 2015)

分析のモデル
一般ユーザー 𝑖 が政治家などのターゲットユーザー 𝑗 をフォロー
する確率をプロビットモデルで表す
𝛼𝑗: ターゲットユーザーの知名度
𝛽𝑖: 一般ユーザーの政治関心
||𝜃𝑖 − 𝜙𝑗||: 一般ユーザーとターゲットユーザーのイデオロギー距離
Pr(𝑦𝑖𝑗 = 1 ∣ 𝛼𝑗, 𝛽𝑖, 𝜃𝑖, 𝜙𝑗) = Φ(𝛼𝑗 + 𝛽𝑖 − ||𝜃𝑖 − 𝜙𝑗||2
)
推定には変分 EM アルゴリズムを利用
事前分布は下記を与える
𝛼𝑗 ∼ 𝒩(0, 1002
), 𝛽𝑖 ∼ 𝒩(0, 1002
), 𝜃𝑖 ∼ 𝒩(0, 1), 𝜙𝑗 ∼ 𝒩(0, 1002
)

新藤義孝 (自民)
宇都隆史 (自民)
木原稔 (自民)
秋葉賢也 (自民)
塩崎恭久 (自民)
武井俊輔 (自民)
谷合正明 (公明)
西田実仁 (公明)
薬師寺道代 (無所属)
藤末健三 (民主)
太田昭宏 (公明)
浮島智子 (公明)
石川博崇 (公明)
山口那津男 (公明)
小野次郎 (維新)
江田憲司 (維新)
古川元久 (民主)
野田佳彦 (民主)
玉木雄一郎 (民主)
福山哲郎 (民主)
木内孝胤 (維新)
小西洋之 (民主)
山本太郎 (生活)
玉城デニー (生活)
赤嶺政賢 (共産)
穀田恵二 (共産)
井上哲士 (共産)
紙智子 (共産)
倉林明子 (共産)
仁比聡平 (共産)
-1 0 1
イデオロギー位置（リベラル-保守）
国会議員の推定されたイデオロギー位置(2016年1月当時)
図 2: 三輪 (2017) より講演者作成, なお図示に際し各派より 6 名を抽出

選挙キャンペーンとデータサイエンス
Section 2

オバマ大統領の功績
黒人初のアメリカ大統領であるバラク・オバマ氏は選挙活動のた
めに大規模なデータサイエンス集団を組織し、成功した
激戦区においても 1% 単位で予測できていた
トランプ氏も 16 の激戦区で 1350 万人の説得可能な有権者に対し
てアプローチを行い、票の掘り起こしを行った (Persily, 2017, p. 65)

選挙とデータサイエンス
A/B テストやマイクロターゲティング、有権者のプロファイルな
どが行われるようになってきている (Dommett et al., 2022)
例えばメールのタイトルによってメールの開封率が変化するのか
(Nickerson and Rogers, 2014, p.57) など
アメリカでは誰が投票に行ったのか（≠ 誰に投票したのか）にア
クセスできるため、豊富なデータが利用できる
ただし、国によって規制状況が異なるため、活用できるデータにも
差がある
データドリブンな選挙活動では限られたコスト（費用、人的資源）
の中でいかに効率的に票を最大化できるかに貢献する

データドリブンな選挙活動
データドリブンな選挙活動は主に 3 つの領域に分類できる
(Dommett et al., 2022)
1 有権者とのコミュニケーション (Voter Communication)
動員と投票促進
有権者の説得
個別のマイクロターゲティング
2 選挙活動資源の獲得 (Resource-generation)
ファンドレイジング
活動家のリクルートと動員
3 活動の組織化 (Internal-organization)
スタッフのリクルートとマネジメント
戦略策定と意思決定
データ分析、コーディング、モデリング

有権者のスコアリング
選挙活動を効率化するため各有権者に対して 3 つのスコアを予測
する (Nickerson and Rogers, 2014)
1 行動スコア (Behavior scores)
過去の行動や属性情報に基づいて政治活動への参加確率を予測
投票や寄附、ボランティアへの参加など
2 支持スコア (Support scores)
市民の政治的選好を予測する
個人に対してではなく集団に対する確率を求める
3 反応スコア (Responsiveness scores)
選挙活動への接触にどの程度反応するのか
A/B テストなどの実験がよく利用される
行動スコアと支持スコアは予測に関心があり、反応スコアは因果
効果に関心がある
反応スコアは効果の異質性も重要

データソース
有権者に関するデータは様々なソースから収集し、統合される
オバマ陣営の功績として、デジタルデータ、フィールドデータ、資
金データを統合して活用したことが挙げられる
オバマの再選の際には選挙前に 10 テラバイト1
、選挙後には 50 テ
ラバイトのデータが収集されていた2
データの基礎となるのは有権者データベース
投票参加の履歴に加え性別、年齢、住所、電話番号などが記載され
ている
国勢調査による地域の平均年収などの情報もスコアの予測に役立
つ
一般のマーケティング向けのデータ会社からデータを購入するこ
ともある
人が集めたデータも重要なリソースとなる
ただし、データのバイアスには注意が必要
1
http://www.bigdata-startups .com/BigData-startup/big-data-obama-campaign/
2
https://techinmotion.com/blog/2013/08/27/my-time-at-obama-for-america

最後に
In addition to getting the technical skills in statistics, machine
learning and computer programming, take some classes in the
social sciences, learn how to define problems, and communicate
with people about the solution you’re developing as well as its
impact. Learning these skills will not only give you a broader
perspective and understanding of the problems you’re solving, but
will also increase your chances of making an impact.
by Rayid Ghani3
3
https://thisisstatistics.org/
data-scientist-rayid-ghani-helps-create-a-more-fair-and-just-society/

参考文献
Section 3
参考文献

参考文献
参考文献
品田裕. 1999. 「公職選挙法の改正による投票時間の延長が与える影響
について」
『神戸法学年報』15 号、p. 161-192.
中井遼・石田陸人. 2022. 「天候が投票率に与える影響の再検討: 日本の
多様な天候データに着目して」
『選挙研究』38 巻 1 号 p. 105-112.
秦正樹. 2023. 「世論は野党に何を求めているのか？:2021 年総選挙を事
例としたヴィネット実験による検証」
『選挙研究』28 巻 2 号、p. 20-33.
福元健太郎・菊田恭輔. 2021. 「投票所閉鎖時刻繰り上げと投票率・各党
得票率の関係」
『選挙研究』37 巻 1 号、p. 47-57.
松林哲也. 2016. 「投票環境と投票率」
『選挙研究』32 巻 1 号、p. 47-60

参考文献
三浦麻子・稲増一憲・中村早希・福沢愛. 2017. 「地方選挙における有権
者の政治行動に関連する近接性の効果：空間統計を活用した兵庫県赤穂
市長選挙の事例研究」
『社会心理学研究』
、32 巻 3 号、p. 174-186.
三船毅. 2002. 「有権者の投票時間帯の変化 −1998 年の制度改正の与え
た影響 −」
『都市問題』93 巻 9 号、p. 59-83.
三輪洋文. 2017. 「Twitter データによる日本の政治家・言論人・政党・
メディアのイデオロギー位置の推定」
『選挙研究』33 巻 1 号、p. 41-56.
三輪洋文. 2023. 「2021 年総選挙における有権者の政策選好および争点
の重要度と投票」
『選挙研究』38 巻 2 号、p. 48-62.
矢内勇生・宋財泫. 2019. 「え！そっちに入れるんですか？: 伸縮する政
策空間における有権者の投票行動モデリング」
『たのしいベイズモデリ
ング 2』p. 105-117.

参考文献
Barberá, P. 2015. “Birds of the Same Feather Tweet Together: Bayesian
Ideal Point Estimation Using Twitter Data.” Political Analysis, 23 (1),
p. 76–91.
Dommett, K., Andrew Barclay and Rachel Gibson. 2023. “Just what is
data-driven campaigning? A systematic review.” Information,
Communication & Society
Horiuchi, Y., Smith, D. M., and Yamamoto, T. 2018. “Measuring Voters’
Multidimensional Policy Preferences with Conjoint Analysis: Application to
Japan’s 2014 Election.” Political Analysis, 26 (2), p. 190–209.
Nickerson, D. W., and Todd Rogers. 2014. “Political Campaigns and Big
Data.” Journal of Economic Perspectives, 28 (2), p. 51-74.
Persily, N. 2017. “Can Democracy Survive the Internet?.” Journal of
Democracy, 28(2), p. 63–76.
Riker, W. H., & Ordeshook, P. C. 1968. “A Theory of the Calculus of
Voting.” American Political Science Review 62 (1), p. 25–42.

第36回勉強会講義スライド

第36回勉強会講義スライド

Recommandé

Contenu connexe

Plus de keiodig

Plus de keiodig(20)

第36回勉強会講義スライド