How cross-validation can go wrong and what to do about it


Neunhoeffer, Marcel ; Sternberg, Sebastian



DOI: https://doi.org/10.1017/pan.2018.39
URL: https://www.cambridge.org/core/journals/political-...
Weitere URL: https://www.marcel-neunhoeffer.com/pdf/papers/pa_c...
Dokumenttyp: Zeitschriftenartikel
Erscheinungsjahr: 2019
Titel einer Zeitschrift oder einer Reihe: Political Analysis : PA
Band/Volume: 27
Heft/Issue: 1
Seitenbereich: 101-106
Ort der Veröffentlichung: Cambridge
Verlag: Cambridge University Press
ISSN: 1047-1987 , 1476-4989
Sprache der Veröffentlichung: Englisch
Einrichtung: Fakultät für Sozialwissenschaften > Politische Wissenschaft, Quantitative Sozialwissenschaftliche Methoden (Gschwend 2007-)
Außerfakultäre Einrichtungen > GESS - CDSS (SOWI)
Fachgebiet: 320 Politik
Abstract: We offer a dynamic Bayesian forecasting model for multi-party elections. It combines data from published pre-election public opinion polls with information from fundamentals-based forecasting models. The model takes care of the multi-party nature of the setting and allows making statements about the probability of other quantities of interest, such as the probability of a plurality of votes for a party or the majority for certain coalitions in parliament. We present results from two ex ante forecasts of elections that took place in 2017 and are able to show that the model outperforms fundamentals-based forecasting models in terms of accuracy and the calibration of uncertainty. Provided that historical and current polling data are available, the model can be applied to any multi-party setting.




Dieser Eintrag ist Teil der Universitätsbibliographie.




Metadaten-Export


Zitation


+ Suche Autoren in

+ Aufruf-Statistik

Aufrufe im letzten Jahr

Detaillierte Angaben



Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail


Actions (login required)

Eintrag anzeigen Eintrag anzeigen